Skip to content
Back to search

MemeMeow

MemeMeow 是一个基于自然语言的表情包检索工具。基于agent自动标注表情包含义,只需描述想要的场景或心情,快速找到合适的表情包。

Safety scan

A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.

Checked today
Badge for your README
findsafeskills safety rating

Markdown

[![findsafeskills safety rating](/api/listings/mememeow-studio--mememeow/badge.svg)](/listings/mememeow-studio--mememeow)

HTML

<a href="/listings/mememeow-studio--mememeow"><img src="/api/listings/mememeow-studio--mememeow/badge.svg" alt="findsafeskills safety rating" /></a>

Install

i

What was scanned

The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.

README.md · README · 165 lines

View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)

  1. MemeMeow 是一个基于自然语言的表情包检索工具。它能自动标注表情包含义,并通过描述想要的场景或心情,快速找到合适的表情包(无需记住具体的文件名或标签)。
  2. > [!CAUTION]
  3. > 本项目返回的表情包结果均由 AI 理解和生成,与开发者本人观点无关。
  4. <a id="-features"></a>
  5. ## ✨ 核心特性
  6. - **🧠 自动化语境理解**: **无需手动为表情包分类和标注**,内置 OpenCode Agent,选择完整分析上传图片时,Agent 会对图片进行结构化分析、生成语境和描述。
  7. - **📤 直接上传**: 无需运行 Agent 语境分析,使用有效文件名生成文本向量,同时生成图片视觉向量;后台根据图片内容尝试自动命名,生成有效名称后更新文本向量。
  8. - **🤖 自然语言检索**: 采用 Embedding 模型,实现 Q&A 式的检索,能够根据你的描述(如“表达无奈”)找到匹配的图片。
  9. - **👁️ 视觉近邻搜索**: 支持本地 DINOv2 视觉模型,实现图片之间的相似度搜索。
  10. - **📦 容器部署**: 提供 Vue 3 Web 界面和统一的 API,服务可通过 Docker Compose 启动。
  11. ![截图](docs/images/image-preview-zh.png)
  12. ## 🚀 立即使用
  13. 前往[MemeMeow官网](https://mememeow.cc/home) 立即开始使用,无需本地部署。
  14. 支持浏览器直接使用,以及Windows,Android,macos和Linux主要发行版。可在官网下载软件。
  15. > 目前正处于早期测试阶段。可以提交issue或加入交流群反馈错误。
  16. ## 📖 核心功能与使用说明
  17. ### 1. 自然语言检索
  18. 系统的主要检索页面,支持通过自然语言查找目标图片。
  19. ![主页截图](docs/images/image-home-zh.png)
  20. * **语义检索**:支持输入日常场景描述(如:“表达无奈”、“早上打工人”),系统通过 Embedding 机制检索匹配的图片,不需要依赖确切的文件名或固定的标签。
  21. * **图片复制与保存**:点击检索结果图片,网页端复制到剪贴板,Android 应用保存到相册。
  22. * **输出尺寸**:可选择原图或最长边 60、120、240、360、480、640px,默认原图。保持图片比例,不裁剪,不放大小图;设置保存在当前浏览器。详见[图片复制与相册保存尺寸](docs/search-image-export.md)。
  23. * **详情与预览**:点击图片卡片,可查看后台 Agent 提取的图片描述和语境信息;点击卡片上的放大镜图标可全屏预览原图。
  24. ### 2. 图片库
  25. 用于浏览、筛选和管理已上传的表情包文件。
  26. ![图片库截图](docs/images/image-lib-zh.png)
  27. * **浏览与过滤**:支持分页查看系统内的所有图片资源,并提供文本过滤功能以定位特定图片。
  28. * **处理状态显示**:图片卡片上会显示各项后台任务(如:视觉向量化、元数据提取、文本向量生成)的状态图标,用于区分该阶段的处理是成功还是失败。
  29. * **批量操作与合集 (Collections)**:支持多选图片,将其打包加入“合集包”,用于后续的统一管理或导出。
  30. * **任务重试**:当部分图片在后台处理环节(如调用大模型分析)失败时,可选中这些图片并点击“重试”按钮,将其重新加入任务队列。
  31. ### 3. 上传图片
  32. 将本地的新表情包文件上传至系统,上传成功后可以在图片库中浏览和管理。
  33. ![上传图片截图](docs/images/image-pre-upload-image-zh.png)
  34. * **上传方式**:支持以下三种文件导入方式:
  35. * **拖拽上传**:将单张图片或多张图片拖入虚线区域。
  36. * **剪贴板上传**:在页面中使用快捷键(如 `Ctrl+V` 或 `Cmd+V`)直接粘贴剪贴板中的图片。
  37. * **点击上传**:点击区域打开文件选择器选择本地文件。
  38. * **处理方式**:在确认提交前,可以选择“直接上传”或“完整分析”。一次选择超过 10 张图片时默认直接上传,10 张及以下默认完整分析,也可以手动修改:
  39. * **直接上传**:使用有效文件名生成文本向量,并生成图片视觉向量。后台根据图片内容尝试自动命名,生成有效名称后更新文本向量,无需运行 Agent 语境分析。文件名为无意义的哈希值且没有其他有效检索文本时,文本向量暂时等待有效名称,图片视觉向量仍会正常生成。
  40. * **完整分析**:运行 Agent 分析图片的出处、用法和含义,生成语境和描述,并生成检索所需的向量。
  41. * **完整分析选项**:选择完整分析时,可配置后台 Agent 对这批图片的分析规则:
  42. * **反向搜索策略**:设置在遇到较难理解的图片时,是否允许 Agent 使用谷歌进行联网以图搜图,从而获取图片的来源和背景信息。
  43. * **自动命名**:选择是否允许 AI 根据图片内容生成新的文件名。
  44. * **上传队列**:页面下方会显示当前批次文件的上传进度,并支持对上传失败的单个文件进行重试。
  45. ### 4. 处理任务 (Tasks)
  46. 查看和管理后台异步执行的长时任务记录。
  47. ![处理任务截图](docs/images/image-processing-tasks-zh.png)
  48. * **任务状态**:上传图片后的语境理解、合集的导入等操作会在后台生成任务记录。页面会定期刷新并显示当前任务处于排队中、运行中、成功或失败状态。
  49. * **分类与筛选**:支持按照“任务类型”和“执行状态”对任务列表进行过滤。
  50. * **任务详情**:点击具体的任务列表项,会从侧边展开“任务抽屉”,展示任务执行的详细步骤和报错日志。
  51. * **中断重试**:针对执行失败的任务,可在任务详情页点击重试按钮,系统会尝试从发生错误的环节继续执行。<a id="-api"></a>
  52. ## 本地部署
  53. 本项目依赖容器化环境进行隔离与部署,请确保机器已安装 **Docker Engine 28或以上** 与 **Compose v2 插件**。
  54. ### 1. 克隆代码与配置环境变量
  55. ```bash
  56. git clone https://github.com/MemeMeow-Studio/MemeMeow.git
  57. cd MemeMeow
  58. # 如果你没有安装 uv,也可以直接复制 .env.example 并手动编辑:
  59. # cp .env.example .env
  60. uv run python -m scripts.sync_env
  61. ```
  62. 执行完毕后,请编辑项目目录下的 `.env` 文件,填写必要的模型配置(特别是 `MEMEMEOW_OPENCODE_BASE_URL` 与 `MEMEMEOW_OPENCODE_API_KEY`,用于 Agent 处理图片语境)。
  63. ### 2. 一键启动
  64. ```bash
  65. ./start.sh start
  66. ```
  67. 该命令会启动 PostgreSQL(附带 pgvector)、代理执行器 (Agent Executor)、视觉服务以及后端 API 容器。
  68. 服务启动成功后,浏览器访问 `http://127.0.0.1:8275/` 即可看到前端界面。
  69. ### 3. 下载本地视觉权重
  70. 需要下载官方 DINOv2 权重:
  71. ```bash
  72. mkdir -p data/models
  73. curl -L --fail --output data/models/dinov2_vitb14_pretrain.pth \
  74. https://dl.fbaipublicfiles.com/dinov2/dinov2_vitb14/dinov2_vitb14_pretrain.pth
  75. ```
  76. 下载完成后,若环境配置无误,容器内部会自动挂载并启动服务。
  77. ### 常用命令
  78. ```bash
  79. ./start.sh status # 查看运行状态
  80. ./start.sh logs # 查看所有服务的日志
  81. ./start.sh logs mememeow -f # 持续跟踪主后端的日志
  82. ./start.sh stop # 安全停止服务(不会丢失数据)
  83. ```
  84. ## 🔌 进阶设计与 API
  85. MemeMeow 本质是一个 API 驱动的服务。如果你是开发者,可以直接调用 `POST /search` 进行跨应用整合,只要不涉及后台管理,相关检索 API 可供调用。
  86. * **Endpoint**: `POST http://localhost:8275/search`
  87. * **JSON 请求示例**: `{"query": "无奈叹气", "n_results": 5, "llm_enhance": false}`
  88. * **JSON 响应示例**: `{"results":["/media/uuid-1", "/media/uuid-2"]}`
  89. <!-- **🛠️ 面向开发者的架构文档**
  90. 如果你想了解 MemeMeow 更底层的设计机制(如安全边界、权限管理、前后端联调方案),我们将其抽离到了独立的文档中:
  91. 👉 **[高级部署与架构指南 (docs/deployment.md)](docs/deployment.md)**
  92. 关于双环境隔离设计与作用域约束,请查阅 [应用作用域设计 (docs/application-scope.md)](docs/application-scope.md)。 -->
  93. > 官方MemeMeow API正在开发。同时,我们欢迎相关使用需求的讨论。您可以提出issue或加入Q群交流。
  94. ## 加入交流
  95. QQ群 https://qm.qq.com/q/UiY4Ix5xqa
  96. ## 📦 社区相关应用
  97. 基于 MemeMeow 衍生出的社区项目:
  98. | 应用 | 作者 | GitHub | 链接 |
  99. | ------------------- | ------------------------------------------------ | ------------------------------------------------------------------------------------------------ | ---------------------------------------------------------------------------------------------------------------- |
  100. | VVQuest网页端 | | [VVQuest](https://github.com/DanielZhangyc/VVQuest) | [链接](https://zvv.quest) |
  101. | VVQuest*iOS*捷径 | [TomSmith163](https://github.com/TomSmith163) | | [链接](https://www.icloud.com/shortcuts/a7084c7ae29e4de5898ce7c8386705f3) |
  102. | HakuBot().vv() 命令 | [apple_catwaii](https://github.com/Apple-QAQ) | | [QQ](https://qm.qq.com/cgi-bin/qm/qr?k=GJSCe1_B98V4Ni6leVtKAjQrAtJW-VG5) |
  103. | VVQuest油猴脚本 | [DanielZhangyc](https://github.com/DanielZhangyc) | [vvquest-tampermonkey-extension](https://github.com/DanielZhangyc/vvquest-tampermonkey-extension) | [greasyfork](https://greasyfork.org/zh-CN/scripts/528477-vvquest-vv%E8%A1%A8%E6%83%85%E5%8C%85%E5%8A%A9%E6%89%8B) |
  104. | Yunzai-Bot 插件 | [TomyJan](https://github.com/TomyJan) | [TomyJan/Yunzai-TomyJan-Plugin](https://github.com/TomyJan/Yunzai-TomyJan-Plugin/) | |
  105. > [!TIP]
  106. > 如果你想将自己开发的衍生应用加到这个列表,欢迎提交 [PR](https://github.com/MemeMeow-Studio/MemeMeow/pulls) 或 [Issue](https://github.com/MemeMeow-Studio/MemeMeow/issues)!
  107. ## 📄 License & ⭐ Star History
  108. 本项目采用 [GNU Affero General Public License v3.0 或更高版本](LICENSE) 开源协议。
  109. [![Star History Chart](https://api.star-history.com/svg?repos=MemeMeow-Studio/MemeMeow&type=Date)](https://star-history.com/#MemeMeow-Studio/MemeMeow&Date)

Ratings and comments

Sign in to rate this skill.

Sign in

Free to use. If it’s helped, pass it on.