CycleUser

现在本地部署的大模型，有可能有一个问题，就是经常是是“真空中的模型”，不具备当前环境的“感知”，很难用于回答与本机与当下相关的问题。针对这种问题，几个月前写了一个小工具ModelSensor，可以在本地收集日期、时间、位置（可选）、系统与运行环境等上下文，以结构化格式注入到提示词中，帮助 LLM 更好地理解当前环境并给出更贴近实际的回答，就算是一定程度的让大语言模型（LLM）“感知世界”了。

问题现状

目前的LLM 模型无法感知当前环境，只能通过外部数据源（如 API）获取，所以有时候问他日期，他就会很呆呆了。

Ollama下直接调用gpt-oss:20b，得到了一次正确的日期，但是星期不对。

千问官方群的群友说这可能是“oss在系统提示词之上还有更高级别的openai prompt”，大概就是ollama调用的时候传递了基本信息。

这其实和我之前的思路类似，可以获取系统信息并传递给ollama之类的模型。

思路设计

ModelSensor 的思路挺简单的，基本流程如下：

1) 采集：从本地获取系统时间、时区、硬件、资源使用、网络与（可选）位置等上下文
2) 组织：将数据整理为 JSON 或字典（简版 brief / 全量 full）
3) 注入：将上下文作为“系统上下文”插入到提示词中一并发送给 LLM
4) 受控：通过参数控制采集范围、格式与隐私（如是否启用位置）

具体获取的信息包括：

时间与时区：当前时间、UTC、星期、格式化时间戳
系统与运行环境：OS、平台、Python 版本、工作目录、虚拟环境
资源状态：CPU 使用率、内存、磁盘
网络信息：网卡、默认网关、连接状态
位置（可选）：基于 IP 的国家/城市/经纬度（默认关闭，需显式开启）

注意哈，上面除了网络位置之外，其余的信息都是本地获取，所有采集均在本地完成；除非启用位置解析，否则不会进行外部传输。

安装运行

安装很简单，直接pip即可安装：

pip install modelsensor

Python下可以通过以下方式获取系统时间、时区、位置等信息，然后通过 to_json 方法将数据转换为 JSON 格式：

from modelsensor import ModelSensor
sensor = ModelSensor()
data = sensor.collect_all_data(include_location=False)  # 位置默认关闭
print(sensor.to_json(indent=2, mode="brief"))

得到的输出是类似下面这样：

{
  "time": {
    "date": "2025-08-18",
    "time": "11:32:01"
  }
}

还有更简单的to_dict()方法:

from modelsensor import ModelSensor
sensor = ModelSensor()
data = sensor.collect_all_data(include_location=False)  # 位置默认关闭
print(sensor.to_dict(mode="brief"))```

得到的输出是类似下面这样：
```bash
{'time': {'date': '2025-08-18', 'time': '11:37:06'}}

与 Ollama 集成也很简单，只需要在调用 Ollama 的时候传递 system_context 参数即可，如下：

import ollama
from modelsensor import ModelSensor
# Get system information
sensor = ModelSensor()
system_context = sensor.to_json(include_location=True)
# Create enhanced prompt
prompt = f"""
System Context:
{system_context}
   ...:
User Question: 今天几号?
"""
# Send to Ollama
response = ollama.chat(model='qwen3:0.6b', messages=[
    {'role': 'user', 'content': prompt}
])
print(response['message']['content'])

得到的输出是类似下面这样：

<think>
好的，用户问“今天几号？”，我需要根据系统提供的上下文来回答。系统里的时间是2025年8月18日，11:33:18，所以今天应该是2025年8月18日。不过要确认一下用户问的是当前日期，还是系统设定的日期。不过根据提供的上下文，时间是明确的，所以应该直接回答今天是2025年8月18日。另外，用户可能想知道今天的日期，所以需要简洁明了地回复，不需要多余的解释。确保回答准确无误，符合系统提供的信息。
</think>

今天是2025年8月18日。