给 DeepSeek 的对话接上一组传感器读数：每次请求时，本地侧把当前环境 （温湿度/气压/光照/噪声/系统状态）和注意力评估打包进 system prompt， 让云端模型的回复能参考你所在的物理环境。
你 ──┐
▼
┌─────────────────────────────┐
│ 本地 · 边缘处理 │
│ 传感器读数 → 注意力评估 │
│ → 打包紧凑上下文 │
└──────────────┬──────────────┘
│ system prompt 注入环境上下文
▼
┌─────────────────────────────┐
│ 云端 · DeepSeek │
│ 深度推理，返回回复 │
└─────────────────────────────┘
一个 Python 客户端：传感器轮询 → 注意力筛选 → 把环境状态打包进云端请求 的 system prompt → DeepSeek 回复。本地侧不做推理（本地模型为占位，见路线图）， 云端用 DeepSeek API。
它的实际能力：
- 环境感知对话：回复时参考当前房间温湿度、气压、光照、噪声、系统状态
- 注意力调度：传感器读数越过物理阈值（如高温）时，在对话流里注入环境事件
- 注意力驱动采样：注意力分数不只注入 system prompt，还动态调整云端采样温度——高注意力（聚焦难题）时降温度求精确，低注意力（环境平稳）时升温度利发散。终端会显示当前
T:温度 - 主动环境推理：本地侧（小脑）不被动等待输入——环境异常且过冷却期时，主动触发云端一轮独立思考（"小脑主动叫醒大脑"），把结论提示给用户。带冷却节流避免烧 token
- 模拟传感器：无硬件也能跑（用带周期波动的模拟数据；注意：这是模拟，不是真实读数）
- 流式响应：逐 token 返回云端输出
# 1. 装依赖
pip install httpx pyyaml pydantic # psutil 可选，用于系统传感器
# 2. 设置 API Key（用环境变量，不写进文件）
# Windows:
set DEEPSEEK_API_KEY=sk-你的key
# macOS/Linux:
export DEEPSEEK_API_KEY=sk-你的key
# 3. 开跑
python main.py提示符后直接打字。/sensors 看环境数据，/status 看系统状态，/clear 清上下文，/exit 退出。
完整教程在 docs/（中文）。
Line/
├── line/
│ ├── sensor/ # 传感器驱动（mock + 系统传感器；真实硬件为路线图）
│ ├── edge/ # 本地处理：注意力 / 上下文打包 / 对话上下文
│ ├── cloud/ # DeepSeek 桥接（httpx 异步）
│ └── utils/
├── docs/ # 中文教程
├── examples/ # 可运行示例
├── main.py
├── config.example.yaml
└── requirements.txt
| 层 | 技术 |
|---|---|
| 云端推理 | DeepSeek API（deepseek-reasoner / deepseek-chat） |
| 传感器 | 模拟（内置）/ 系统（psutil）/ 真实硬件（路线图） |
| HTTP | httpx（异步） |
| 语言 | Python 3.10+ |
- 边缘→云端完整流程（传感器 → 注意力 → 打包 → API → 回复）
- 模拟传感器（无硬件可体验）
- 注意力调度接入真实控制流（阈值越界注入对话）
- 注意力驱动云端采样（分数动态调整 temperature）
- 主动环境推理（环境异常触发云端独立 reasoning turn，带冷却节流）
- 流式响应
- 真实传感器硬件支持（树莓派 GPIO / I2C：DHT22, BMP280, BH1750）
- 本地小模型推理（当前为占位，加载逻辑需手动启用 transformers+torch）
- 注意力驱动的更多推理参数（max_tokens / 主动触发条件细化）
- 插件系统（自定义传感器、自定义注意力规则）
这个项目另有两篇非技术的写作，记录设计背后的想法，与工程实现分开：
- WHY.md — 为什么做这个项目
- HACKING.md — 给深入读者的几层注解
这些是创作性文本，不是技术规格说明。项目的实际能力以代码和上面的路线图为准。
MIT License。