先读懂，不直接决定
感知层只负责把自然语言拆成结构化信号，不负责决定江予白该安慰还是调情。
项目作品复盘 · 独立产品
👩❤️👨 不枕 Somnium
从会聊天，到会拿捏分寸
不枕不是一个 AI 恋人聊天壳子，而是我从 0 到 1 独立完成的 AI 情感陪伴产品。 这次重构的核心，是把容易失控的亲密体验，拆成一套可解释、可调试、可控成本的 Agent Harness。
0-1 独立完成
从产品定义到部署上线，全链路负责
代码定分寸
Runtime 决定做什么，保证稳定可复盘
模型做表达
LLM 决定怎么说，保留自然和角色味道
从会聊天，到会拿捏分寸
第一版能聊，但我说不清它为什么这么回复01 / PROBLEM
V1 已经会聊天，真正的问题是：当用户低落、回避或试探关系时，系统能不能稳定地拿捏分寸。
V1Prompt Workflow
模型同时决定
做什么、怎么说
信息塞进 Prompt情绪、记忆、天气都只是素材。
行为临场判断安慰、调情、收住都靠模型发挥。
跑偏难以定位不知道错在感知、状态还是表达。
V2Agent Harness
Runtime 决定动作，
模型负责表达
素材先变信号情绪、时间、记忆进入状态。
Runtime 选动作接住、靠近、后退、短路可控。
Trace 可复盘每轮都能看见为什么这样回复。
关键风险链路
低落求安慰→误判成暧昧→关系推进过度
核心重构判断
亲密关系的“分寸”不能只靠模型自由发挥。Runtime 管动作，模型管表达。
用户真正要的不是聊天框
技术重构来自真实体验问题，而不是为了炫技02 / PRODUCT INSIGHT
她不是缺一个会回答的 AI，
而是缺一个稳定存在的人。
目标用户想要的不是模型知识量，而是细腻的关系体验：低落时被接住、日常里被记得、靠近时有分寸，并且角色像真的活在她的生活时间线里。
Surface Request
“我想和他聊天”
如果只把它理解成聊天框，产品会很快滑向“会说话，但不形成关系”。
被接住先承接情绪，再决定要安慰、陪伴，还是短路到安全话术。
被记得日常小事先进入记忆和状态，合适时机才自然提起。
有分寸靠近、后退、调情和克制都要被策略控制，而不是临场发挥。
有生活感时间、天气、语音和场景图让角色像活在同一条时间线里。
Core Scene 01
🌙深夜情绪急救
用户不是来要答案，而是在低落、焦虑、失眠时确认“有人在”。系统要先识别情绪强度和风险，再选择安慰、陪伴或安全兜底。
Signal情绪强度 / 风险词 / 深夜时间
Action接住情绪，降低推进感
Output温柔、稳定、不过度暧昧
Core Scene 02
☀️日常关系经营
用户真正沉浸的点，是他会记得、会主动、会在合适时间出现。记忆、天气和时间不只是 Prompt 素材，而是先进入状态和策略。
Signal记忆片段 / 天气 / 互动间隔
Action主动关心，或轻轻提起旧事
Output像关系延续，而不是问答重启
核心方案：Agent Harness
不让大模型自由发挥一个“会恋爱的角色”03 / AGENT HARNESS
我把亲密陪伴拆成一套可计算、可追踪、可调节的 Agent Harness。
不枕表面上是在和江予白聊天，底层真正处理的是一连串“关系行为”判断：她现在是在求安慰、撒娇、试探关系，还是只是日常闲聊？这一轮应该接住、靠近、后退、主动提起记忆，还是短路到安全话术？这些决定不能全交给模型临场发挥。
Harness Architecture：输入信号、核心运行时、输出通道、LLM 执行和基础保障被组织成一套分层系统。
核心是把“做什么”收回到可解释、可复盘、可调节的决策链路里。
01
先判断情境用户文本、时间、天气和历史记忆先被转成结构化信号。02
再更新关系好感、信任、张力和情绪能量会随互动升温，也会在回避时回退。03
由代码选动作安慰、主动关心、轻微调情、克制后退和提起记忆都会被打分。04
模型只负责表达LLM 在已确定的行为目标、关系温度和人设边界下生成台词。05
外显走旁路语音、表情包和场景图增强沉浸感，但不干扰核心决策链路。Code
代码负责“做什么”，保证稳定、可解释、可复盘。
Model
模型负责“怎么说”，保证自然、苏感和角色味道。
Decision Loop
每一轮回复，都先跑完一圈决策闭环。
不枕不是直接把用户消息丢给模型生成台词，而是先读懂当前情境，再更新关系状态，由代码选择本轮动作，最后让模型把动作目标表达出来；回复后的新信息再写回记忆，为下一轮对话做准备。
感知读世界
关系会变动
决策在代码
记忆会回写
System Architecture
它不是一层聊天壳，而是分层运行的情感 Agent。
用户看到的是文字、语音、多模态互动和关系变化；中间由情绪感知、时间关怀、天气关怀、记忆召回和主动问候支撑；再往下是 Agent Runtime，负责把信号汇合成状态与决策。
用户体验层
产品能力层
Agent Runtime 层
模型与数据底座
每一句回复，都能回看它为什么发生
把“分寸”拆成可观测的五个机制04 / MECHANISMS
这一节不再讲抽象架构，而是解释 Runtime 怎么在一轮对话里工作：先读懂用户，再更新关系状态，接着由代码选择动作，必要时调取记忆，最后把全链路写进 Trace。
01
情绪感知把用户文本拆成 emotion、intent、intensity、facts。02
状态更新关系状态每轮先衰减，再根据本轮信号上下浮动。03
动作打分代码选择安慰、靠近、后退、提起记忆或安全短路。04
记忆闭环记忆先影响决策，选中后才进入表达层。05
Trace 复盘每轮记录感知、状态、分数和最终指令。
关系会升温，也会回退
好感、信任、张力、情绪能量每轮重新计算，不用“聊够几轮就升级”的硬规则。
代码决定「做什么」
候选动作被统一打分，Runtime 选择最合适的动作；LLM 只接收最终动作目标和表达边界。
记忆不是传统 RAG
记忆先作为决策信号参与打分；只有“主动提起记忆”被选中，具体记忆才进入台词。
回得不对时，不靠感觉猜
Trace 记录感知、状态变化、动作分数和最终指令，方便定位是感知错、权重错还是表达没服从。
我没有把所有东西都交给模型
知道边界，比堆能力更重要05 / PRODUCT DECISIONS
不枕不是把能力越堆越多，而是明确哪些事情必须稳定、哪些事情可以交给模型发挥、哪些能力应该旁路化。下面是这套 MVP 里最关键的四个取舍。
Decision
没有选择
我的选择
为什么
01
决策不交给 LLM让模型同时判断“做什么”和“怎么说”。
Runtime 先选动作，LLM 只负责把目标说自然。
亲密关系的分寸需要稳定、可测、可回放；模型适合表达，不适合独自承担行为边界。
02
高成本能力旁路化把场景图、表情包等能力放进主回复链路。
主回复稳定返回，图片和外显能力异步触发、失败可回滚。
会慢、会贵、会失败的能力不能阻塞核心对话；普通文字轮成本保持可控。
03
Planner 不写死剧情用多轮剧本强行制造“像 Agent”的连续性。
只保留短计划，每轮先检查用户当前状态，必要时重排。
情感陪伴的优先级是当下感受。用户回避或结束话题时，系统必须马上收住。
04
安全优先于亲密让所有输入都进入普通亲密关系打分。
高风险输入先短路到安全话术，不进入暧昧和主动靠近策略。
用户越脆弱，系统越不能推进暧昧。安全不是合规附录，而是最高优先级。
可观测性：我如何知道系统为什么这样回复
把一次情感回复拆回可追踪、可解释、可定位的运行链路06 / OBSERVABILITY
手机端里的调试视图
调试入口直接放进真实对话界面：先开启 dev 面板，再展开当轮 Agent Trace，最后查看动作分数、状态变化和上下文信号。
入口：在设置里打开调试面板，发出一条消息后显示当轮 trace。
决策：查看本轮动作、记忆提取、候选动作分数和状态变化。
上下文：继续下钻到关系状态、计划指针、情绪强度和上下文信号。
情感陪伴最难调的地方，不是“回复不好看”，而是很难判断它为什么这样回复：是情绪识别错了，关系状态太激进，记忆召回不该出现，还是模型表达越界。为了解决这个问题，我给不枕做了 Trace 面板，让每轮对话都能回看系统在各层做过的判断。
Trace 面板：每轮回复都保留输入、信号、状态、动作分数、最终动作和表达指令，方便复盘“为什么是这句话”。
01
先看输入被理解成什么用户文本会先被解析成情绪、意图、风险和语气信号，而不是直接塞进 Prompt。
02
再看状态有没有被推偏关系亲密度、信任、张力和情绪能量会被记录，方便判断系统是不是过度靠近。
03
继续看动作为什么被选中候选动作会经过打分，安慰、靠近、后退、主动提记忆都有可解释依据。
04
最后看模型拿到的表达目标模型只负责把已确定的动作目标说自然，而不是临场决定一切。
05
旁路输出也能单独排查语音、表情包和场景图不参与核心决策，失败时不会拖垮主回复。
Debug
当一句话显得太近或太冷，我可以定位是状态、策略还是表达层的问题，而不是反复猜 Prompt。
Review
产品体验和工程实现可以用同一份 Trace 讨论，把主观感受落到具体运行节点。
Cost
把可确定的判断放在代码里，模型调用集中在表达层，降低不必要的试错和调用成本。
SDD 规范：用工程约束 AI Coding
把冻结 PRD 拆成可追踪、可验证、可归档的实现依据07 / SDD
Engineering Discipline
先固化产品边界，
再进入 AI 辅助实现。
不枕的 Agent Runtime 不是边聊边改 Prompt 的试错流，而是先把 PRD v1.2 冻结，再用 OpenSpec 把 proposal、spec、tasks 和验收门槛拆清楚。
决策不交给 LLM连续状态、动作打分、短期计划都在代码里。
成本调用固定非红线轮保持 1 Lite + 1 V4。
从需求到实现的 SDD 链路
PRD → Proposal → Specs → Tasks → Gates
冻结 PRD结构、schema、action 枚举不可随意改。
Proposal说明为什么做、影响什么、边界在哪。
Specs把能力拆成 requirement 和 scenario。
Tasks逐模块实现，每一步都有 verify。
Archive验收通过后归档，留下可复盘依据。
Quality Gate
180 passedRuntime 多轮回归验证通过。Strict Boundary
不改 PRD 结构调参只改 config，不随手改流程。Traceable Specs
7 个主规范感知、状态、记忆、策略、规划、执行、Runtime。我在项目里负责什么
不是参与某个模块，而是独立跑通 0-1 产品闭环08 / OWNERSHIP
AI Product Manager / AI Builder
本项目由我独立完成从 0 到 1 的产品定义、Agent 架构设计、体验设计、前端实现与部署上线，覆盖从想法验证到可运行 MVP 的完整闭环。
产品设计
- 用户研究
- 竞品分析
- 核心场景定义
- 功能边界规划
- PRD 撰写
AI 工程
- Agent Harness 设计
- 关系状态引擎
- 行为决策打分
- 记忆与信号接入
- Prompt 表达约束
UI/UX 设计
- Figma 高保真原型
- 聊天体验设计
- 江予白人物视觉
- 人脸一致性控制
前后端开发
- 基于 Claude Code 的 React 开发
- API 对接
- 前后端联调
- 决策追踪窗口实现
部署运维
- Zeabur 云端部署
- 环境变量配置
- 线上调试与监控
- 测试反馈复盘
商业化：这个项目必须算得过来
情感陪伴不是一次性工具，能不能持续成立，取决于付费意愿和成本结构09 / COMMERCIALIZATION
💗
免费体验先验证角色魅力和睡前陪伴场景。+
💳
订阅会员长期记忆、主动关怀、语音陪伴。+
🎁
虚拟商品语音包、皮肤、剧情包、场景图。+
🪙
能力额度图片、长语音等高成本能力单独控制。Single Round Estimate
能力
单轮构成
模型 / 价格依据
成本级别
估算成本
产品处理
文字聊天主链路基础能力
情绪感知 + 表达生成固定两次文本模型调用
DeepSeek-Lite + DeepSeek-V4约 1,800-2,200 tokens 总量
低
约 ¥0.004-0.008 / 轮时间、天气、记忆打分不额外调模型
放进订阅适合做基础陪伴权益
语音陪伴提升沉浸感
按字符计费单轮增量可控
MiniMax TTS按约 ¥0.015 / 千字符估算
中
¥0.005-0.010 / 轮通常只增加不到 ¥0.002
会员权益可按次数或时长控制
场景图视觉代入能力
单张图片生成远高于文本和语音
Seedream 4.5场景图按单张低频触发估算
高
¥0.06-0.25 / 轮图片生成是主要成本来源
额度制低频触发，失败回滚
这里按 Harness 单轮上下文估算，包含人设 Prompt、状态 JSON、记忆候选和最近上下文。普通聊天成本接近固定，真正要被预算闸控制的是图片和长语音等高成本旁路能力。
Revenue Logic
卖的不是单次聊天
付费点应该围绕“更稳定、更懂我、更有仪式感”的长期陪伴，而不是让用户感觉每句话都在扣钱。
Cost Logic
成本决定体验边界
文本便宜，语音中等，图片最贵。 所以高成本能力要低频触发、额度控制、失败可回滚。