Initial commit: Cosmo voice assistant

Полностью локальный голосовой ассистент на Python.

Стек:
- Wake word: openWakeWord (onnxruntime)
- STT: RealtimeSTT + faster-whisper + Silero VAD (CUDA)
- LLM-агент: smolagents ToolCallingAgent + Ollama qwen2.5:7b
- TTS: Silero V4 (torch.hub) + sounddevice
- Shell: Git Bash (Windows) / bash (macOS)

Поддерживает Windows и macOS. Агент с памятью и tool calling —
находит программы самостоятельно, запоминает пути, выполняет
произвольные shell-команды.

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

cosmo/agent.py

@@ -0,0 +1,89 @@
+"""
+Агент на базе smolagents + Ollama.
+Использует ToolCallingAgent — LLM вызывает инструменты через JSON tool calling.
+Продолжает работу пока задача не решена (до max_steps).
+"""
+
+import os
+import platform
+from loguru import logger
+from smolagents import ToolCallingAgent, LiteLLMModel
+
+from cosmo.memory import Memory
+
+# Выбираем инструменты под текущую платформу
+if platform.system() == "Darwin" or os.environ.get("COSMO_PLATFORM") == "mac":
+    from cosmo.tools_mac import ALL_TOOLS, set_memory
+    _PLATFORM_NOTE = "macOS. Используй bash, 'open -a AppName' для запуска приложений, mdfind для поиска файлов."
+else:
+    from cosmo.tools import ALL_TOOLS, set_memory
+    _PLATFORM_NOTE = "Windows. Используй Git Bash, 'start' для запуска приложений."
+
+SYSTEM_PROMPT = f"""Ты — Cosmo, умный голосовой ассистент. Платформа: {_PLATFORM_NOTE}
+
+Правила:
+1. Используй инструменты для выполнения задач — не выдумывай результаты
+2. Если первая попытка не сработала — пробуй другой подход, не сдавайся
+3. Перед поиском программы — проверь память (memory_get), может путь уже известен
+4. Если нашёл путь к программе — сохрани в память (memory_set) чтобы не искать повторно
+5. Отвечай коротко на русском языке — пользователь слушает голосом, не читает
+
+Факты из памяти о пользователе и системе:
+{memory_facts}
+"""
+
+
+class Agent:
+    def __init__(self, config: dict, memory: Memory):
+        self.memory = memory
+        self._cfg = config["ollama"]
+
+        # Передаём память в инструменты
+        set_memory(memory)
+
+        model_id = f"ollama/{self._cfg['model']}"
+        logger.info(f"Инициализирую smolagents с моделью {model_id}")
+
+        self._model = LiteLLMModel(
+            model_id=model_id,
+            api_base=self._cfg["base_url"],
+            temperature=self._cfg.get("temperature", 0.2),
+            max_tokens=self._cfg.get("max_tokens", 1024),
+        )
+
+        self._agent = ToolCallingAgent(
+            tools=ALL_TOOLS,
+            model=self._model,
+            max_steps=self._cfg.get("max_agent_steps", 10),
+            verbosity_level=1,
+        )
+
+        logger.info("Агент готов")
+
+    def run(self, user_input: str) -> str:
+        """
+        Обработать команду пользователя.
+        Возвращает финальный текст ответа для TTS.
+        """
+        logger.info(f"Агент: '{user_input}'")
+
+        # Сохраняем в историю
+        self.memory.add_message("user", user_input)
+
+        # Формируем промпт с текущей памятью
+        system = SYSTEM_PROMPT.format(memory_facts=self.memory.facts_as_text())
+
+        # smolagents принимает задачу и опциональный системный промпт
+        try:
+            result = self._agent.run(
+                user_input,
+                additional_args={"system_prompt_override": system},
+            )
+            response = str(result).strip() if result else "Готово"
+        except Exception as e:
+            logger.error(f"Ошибка агента: {e}")
+            response = "Произошла ошибка при выполнении команды"
+
+        self.memory.add_message("assistant", response)
+        logger.info(f"Агент ответил: '{response}'")
+        return response