mood

Gib deiner KI ein Gesicht. mood ist ein physisches Stimmungs-Display fürs Terminal: dein LLM zeigt seine aktuelle Stimmung als lebendiges, lokal mit Stable Diffusion generiertes ASCII-Gesicht — proaktiv, während ihr zusammenarbeitet.

Unter der Haube: Eine Emotion (z.B. smiling) wird in einen Prompt eingesetzt, auf der GPU ein Bild generiert und als ASCII-Helligkeitsgradient im Terminal angezeigt. Per MCP ruft die KI das Tool feel(emotion) selbst auf, wann immer sich ihre Stimmung ändert — wie ein Mensch unwillkürlich das Gesicht verzieht.

Schnellstart

Voraussetzung: uv und eine GPU — NVIDIA (Linux, CUDA) oder Apple Silicon (macOS, MPS). Ohne GPU läuft es auf der CPU, aber sehr langsam. macOS-Details siehe unten.

./run.sh

Startet das Stimmungs-Display (Listener auf Port 8765) mit den Standard-Settings. Beim ersten Mal wird die Umgebung eingerichtet und das Modell von HuggingFace geladen (mit sichtbarem Fortschritt). Dann ist das Display bereit.

Damit deine KI es ansteuert, die MCP-Bridge in Claude Code registrieren (siehe MCP in Claude Code):

./install-mcp.sh

Ab jetzt zeigt die KI ihre Stimmung von selbst auf dem Display. feel(emotion) gibt im Chat nur "ok" zurück (das Bild geht aufs Display, nicht in die Konversation).

Related MCP server: artscii

Selbst ausprobieren

echo "laughing" | nc 127.0.0.1 8765      # Emotion ans laufende Display schicken
./run.sh "a red sports car"              # einmaliges Bild (kein '::' -> One-Shot)

Weitere Stimmungen:

Aussehen anpassen

Das Gesicht entsteht aus einem Prompt-Template mit :: als Platzhalter für die Emotion. Standard ist ein Vault-Boy-Stil (Fallout). Alles per Env überschreibbar (siehe .env.example, eine .env wird automatisch geladen):

Volle Optionsliste: ./run.sh --help. CLI-Flags überschreiben Env überschreiben .env.

Mit --color palette werden statt eines Akzents echte Bildfarben gerendert (auf ein kleines, klares Set reduziert):

--color palette · „happy, solved the issue"

macOS / Apple Silicon

Läuft nativ auf M1/M2/M3 über Apples MPS-Backend — gleiche Codebasis wie Linux, kein CUDA und kein Docker nötig:

# uv installieren (falls noch nicht vorhanden):
curl -LsSf https://astral.sh/uv/install.sh | sh

./run.sh

uv sync zieht automatisch das passende torch (mit MPS) von PyPI — der CUDA-Index greift nur unter Linux. Die App erkennt das Gerät selbst (CUDA → MPS → CPU). Modelle landen im HuggingFace-Cache (~/.cache/huggingface).

• Die erste Generierung lädt das Modell (mehrere GB); danach wenige Sekunden pro Bild (je nach Chip). MPS ist langsamer als eine dedizierte NVIDIA-GPU, aber gut nutzbar.

• nc ist vorinstalliert; MCP-Bridge (./install-mcp.sh) funktioniert identisch.

• Docker bringt auf dem Mac nichts: Container haben dort keinen Zugriff auf die Apple-GPU (Metal/MPS) — nur CPU, also viel zu langsam. Auf dem Mac immer ./run.sh nativ nutzen. Das Docker-Setup unten ist ausschließlich für Linux + NVIDIA.

MCP in Claude Code

./install-mcp.sh

Registriert die Bridge (Tool feel) mit den richtigen Pfaden — funktioniert auf Linux und macOS. Danach Claude Code neu starten und ./run.sh laufen lassen.

Per Docker

Braucht NVIDIA-Treiber + nvidia-container-toolkit. Modelle landen auf dem Host in ./models und bleiben erhalten.

docker compose build
docker compose up                         # Display/Listener auf :8765
docker compose run --rm mood "a cat"      # einmaliges Bild

Modi

• Display/Listener (Default, Prompt mit ::): hält die Pipeline, jede gesendete Emotion wird gerendert. CTRL-C beendet.

• One-Shot (Prompt ohne ::): ein Bild, dann Ende.

• MCP-Bridge (-m): leitet feel(emotion) an den Listener weiter; lädt selbst kein Modell → nur eine Pipeline im VRAM.

* flux/qwen sind experimentell (große/gated Repos).

Lizenz

MIT — siehe LICENSE.