论文arxiv cs.AI · 1w ago重要
AnovaX: A Local, Multi-Agent Voice Assistant with LLM Planning, Typed Executors, and Adaptive Recovery
分类释义：学术论文 / 技术报告
TL;DR
AnovaX 是一个完全本地运行的语音助手，用 Gemini 做规划，拆成多个typed agent（AppAgent、TypingAgent、BrowserAgent等）执行桌面操作，支持并发、失败恢复和手机远程控制。
关键要点
- 01AnovaX 是一个完全本地运行的语音助手。
- 02用 Gemini 做规划。
- 03拆成多个typed agent（AppAgent、TypingAgent、BrowserAgent等）执行桌面操作。
- 04支持并发、失败恢复和手机远程控制。
为什么值得关注
它的 typed executor + bounded thread pool + 分级 retry policy 组合值得参考——让每个工具 agent 有独立超时、锁和重试策略，比一个大一统 agent 更可控；Recovery loop 用 ReAct 提示词配合只读工具的 speculative execution 来隐藏 LLM 延迟，产品上可以做「渐进式任务面板」让用户实时看到 agent 子步骤执行状态。
对你的工程实践意味着什么
LLM 实时生成MiniMax-M2.7缓存命中
| 角色 | 你应该做什么 |
|---|---|
| Tech Lead | 评估将现有单一大 agent 拆分为 typed executor 架构的可行性，重点关注 bounded thread pool 和分级 retry policy 的设计模式 |
| 应用工程师 | 学习 typed agent 的实现方式，理解如何为每个工具 agent 配置独立超时、锁和重试策略，参考 AnovaX 的 Recovery loop 设计 |
| 运维 / 平台 | 评估 Gemini 本地部署的硬件需求和运维成本，关注边缘设备上运行 LLM 规划层的资源隔离方案 |
| 产品 / 业务 | 考虑在产品中加入渐进式任务面板，让用户实时看到 agent 子步骤执行状态，提升多步骤自动化任务的用户信任度 |
同类资讯
本页 TL;DR 与「为什么」由 LLM 生成 · 模型：MiniMax-M2.7 / Claude Haiku 4.5