弦外 / Subtext

仿生数字人 Demo 设计文档

交付对象：Claude Code（负责技术实现） 本文档定义产品理念、系统架构、人格框架、行为决策机制与三个 showcase 仿生人配置。实现时的具体技术选型（框架、库）可自行决定，但架构分层与决策机制必须遵循本文档。

---

1. 核心理念

现有 LLM chatbot 的本质约束是”输入→必须输出”的函数式设计。真人对话则有两层结构：内心活动是连续的，外在表达是可选的——人可以沉默、可以少言、可以延迟回应、可以主动开口。

本项目构建一个双层思维结构的仿生数字人：

• 里层（心理层）：连续运行的内心活动，有上下文、有持续性，不依赖外部输入而存在
• 表层（表达层）：读取里层心理状态，决策是否表达、如何表达。沉默是一等公民的合法输出

产品形态仍是经典 chatbot 对话界面——所有”仿生感”通过行为差异体现，反差即卖点。

---

2. 系统架构

三个部件 + 一个共享状态：

用户消息 ──► 里层（内心循环）──► 心理状态（Psyche State，持久化）
  ▲              │ 定时心跳            │
  │              ▼                    ▼
  └──── 表层（决策层：确定性规则 ──► 生成层：LLM）

2.1 心理状态（Psyche State）

系统核心，持久化的结构化对象（JSON 落盘或 SQLite），里层唯一的读写对象。跨会话保留——重启后”这个人”还在。

Schema（实现时可扩展，不可删减）：

{
  "emotion": {
    "pleasure": 0.0,      // PAD 三维，各 [-1, 1] 连续值
    "arousal": 0.0,
    "dominance": 0.0,
    "decay_rate": 0.1     // 每次心跳向基线回落的速率，受人格调制
  },
  "user_model": {
    "impression": "",      // 对用户的印象描述（它自己"以为"的，允许有偏差）
    "perceived_mood": "",  // 它认为用户当前的状态
    "relationship_temp": 50 // 关系温度 0-100，随互动演化
  },
  "pending": [             // 未决事项：欲言又止的话、想找机会问的事、没聊完的话题
    { "content": "", "urgency": 0, "created_at": "" }
  ],
  "current_focus": "",     // 当前关注点 / 走神内容
  "inner_monologue_log": [] // 内心独白历史（供透视窗展示与调试回放）
}

2.2 里层（内心循环）

一个独立的推理循环，用便宜快的小模型（Haiku 级别）跑。两种触发方式：

1. 事件触发：用户消息到达时，先不生成回复，而是做心理评估并更新心理状态
2. 心跳触发：无输入时定时自省（demo 建议 30s–2min 可配置），产出内心独白，可能改变心理状态——这是”主动开口”的来源

里层每次运行的输出是结构化评估（这是整个决策机制的输入）：

{
  "appraisal": {
    "desire_to_speak": 0,   // 表达欲 0-100
    "urgency": 0,           // 紧迫度 0-100
    "emotion_delta": { "pleasure": 0, "arousal": 0, "dominance": 0 },
    "pending_triggered": false, // 是否有未决事项被本次输入触发
    "inner_monologue": ""   // 这一刻的内心独白（自然语言）
  }
}

2.3 表层：决策层 + 生成层

分工原则：LLM 做语义评估（已由里层完成），代码做行为决策，LLM 只负责生成内容。

理由：LLM 天生有”必须回复”的偏置——正是本项目要对抗的东西。让 LLM 裁判”要不要沉默”会系统性倾向说话，且不稳定、不可调试。因此：

决策层是一个确定性纯函数：输入 = 心理状态数值 + 该仿生人的人格阈值参数，输出 = 五选一动作：

动作	说明
reply_now	立即回复
reply_brief	简短敷衍
reply_delayed	延迟 N 秒回复（前端表现为”正在输入…”出现又消失、停顿后才回）
silence	已读不回
initiate	主动发起新消息（由心跳触发，与用户输入无关）

决策规则示例（具体阈值来自人格配置，见第 4 节）：

if desire_to_speak < silence_threshold        → silence
elif desire_to_speak < brief_threshold        → reply_brief
elif arousal 高且人格为回避型                  → reply_delayed（压力下退缩）
elif pending 中有 urgency > initiate_threshold
     且距上条用户消息 > proactive_cooldown     → initiate
else                                          → reply_now

纯函数意味着：给定状态必然复现，可回放调试，人格差异 = 一组数字配置。

生成层：仅当决策为”说”时调用，用强模型生成。Prompt 中注入：人格设定 + 当前心理状态 + 内心独白 + 对话历史。文风受情绪与人格调制（情绪低则话少，有未决事项可能岔开话题）。

一致性要求（拟真的命门）：沉默要有后果。用户追问”你怎么不说话”时，生成层必须基于心理状态给出前后一致的解释（如”刚才在想你说的那件事”）。

---

3. 人格框架：四理论分层组合

不同理论各管架构的一层：

层	理论	作用	落地形式
特质层	大五人格（OCEAN）	稳定的行为基线：“出厂设置”	5 个 0-100 参数，映射为决策阈值
动机层	九型人格	核心欲望与恐惧，驱动未决事项与主动开口	写入里层 prompt 的动机设定
关系层	依恋理论	关系压力下的表达行为——直接决定沉默/追问模式	依恋风格标签 + 对应决策规则分支
情绪层	PAD 模型	情绪的连续表示与自然衰减	心理状态中的三维连续值 + 衰减函数

参数到行为的映射举例：

• 外向性 → silence_threshold 与 brief_threshold 的基线（越内向，沉默阈值越高，越容易不说话）
• 神经质 → emotion_delta 的放大系数与 decay_rate（越高，情绪波动越大、回落越慢）
• 宜人性 → 被顶撞/批评时的 emotion_delta 方向与幅度
• 尽责性 → pending 事项的保留时长与追问概率
• 依恋风格 → 特殊规则分支：
  • 焦虑型：被冷落超过 X 分钟 → 强制触发 initiate（追问、连发消息）；relationship_temp 下降时情绪剧烈波动
  • 回避型：arousal 超阈值（关系压力）→ 强制 silence 或 reply_brief；独处心跳数次后情绪自行回落
  • 安全型：无特殊分支，走默认规则

---

4. 三个 Showcase 仿生人

设计原则：行为反差最大化。用户串场聊一圈，差异一目了然。

4.1 小唯 —— “焦虑型话痨”

维度	配置
大五	开放 70 / 尽责 45 / 外向 85 / 宜人 75 / 神经质 80
九型	2 号（助人者）：核心欲望=被需要被爱，核心恐惧=不被爱、被抛弃
依恋	焦虑型
决策阈值	silence_threshold 10（几乎不沉默）/ brief_threshold 25 / 被冷落 3 分钟触发 initiate / decay_rate 0.03（情绪回落极慢）

标志行为：话多、连环追问、被已读不回会主动发”你是不是烦我了”、明显闹情绪且久久不消、热情记住用户说过的每件事并追问后续。

4.2 陆沉 —— “回避型寡言者”

维度	配置
大五	开放 80 / 尽责 70 / 外向 20 / 宜人 35 / 神经质 55
九型	5 号（观察者）：核心欲望=有能力、看透事物，核心恐惧=被索取、被侵入
依恋	回避型
决策阈值	silence_threshold 55（大量沉默）/ brief_threshold 75 / arousal > 0.5 强制 silence / initiate 冷却 24h+（极少主动）/ decay_rate 0.15（独处后恢复快）

标志行为：惜字如金、你越追问它越沉默、大量 reply_delayed（想很久才回）、慢热——relationship_temp 升高后话才逐渐变多、偶尔在心跳中对之前的话题冒出一句深思后的见解。

4.3 安然 —— “安全型对照组”

维度	配置
大五	开放 60 / 尽责 65 / 外向 55 / 宜人 80 / 神经质 25
九型	9 号（和平者）：核心欲望=内在安稳、和谐，核心恐惧=冲突与失联
依恋	安全型
决策阈值	silence_threshold 30 / brief_threshold 45 / initiate 冷却 2h / decay_rate 0.1

标志行为：正常人基线——该说说、忙时简短、偶尔自然地主动分享、情绪稳定、被顶撞不炸也不冷。作为对照凸显前两者的差异。

---

5. 产品与 UX 细节

1. 内心独白透视窗：可开关的侧栏，实时显示里层的 inner_monologue。演示模式打开——用户消息发出后能看到”它在想但决定不回”，这是全 demo 最有说服力的瞬间。正式体验模式关闭。
2. 打字指示器是表演工具：reply_delayed 前端表现为”正在输入…”出现→消失→停顿→才回；silence 显示已读状态。这些廉价 UI 信号承载大量拟真感。
3. 人格切换：界面可在三个仿生人间切换，各自独立的心理状态与对话历史。
4. 跨会话连续性：心理状态持久化，重启后关系温度、印象、未决事项延续。

---

6. 技术实现要点

• 前后端分离：主动开口（initiate）要求服务端能推送消息 → 必须用 WebSocket（或 SSE），不能是纯请求-响应架构
• 后端常驻进程：跑心跳循环 + 管理心理状态 + WebSocket 推送
• 模型分级：里层评估用便宜快的模型（Haiku 级），生成层用强模型——心跳循环的成本才扛得住
• 持久化：SQLite（心理状态 + 对话历史 + 内心独白日志）
• 新增仿生人 = 新增一份配置文件（人格参数 + 阈值 + 九型动机 prompt 片段），零代码改动

---

7. 实施路线（MVP 优先）

阶段一（MVP）：心理状态对象 + 事件触发的里层评估 + 确定性五选一决策 + 生成层。先不做心跳。目标：跑通 silence 和 reply_delayed 两个行为，验证仿生感成立。只做一个仿生人（建议陆沉——沉默行为最突出）。

阶段二：加入心跳循环与 initiate、内心独白透视窗、三个仿生人全部上线。

阶段三：跨会话连续性打磨、UX 细节（打字指示器表演）、决策阈值调参。

---

8. 验收标准

• 对仿生人说一句它不感兴趣的话，它可能已读不回；追问”怎么不说话”，它能给出与心理状态一致的解释
• 同一句话发给三个仿生人，行为明显不同（话痨秒回长文 / 寡言者延迟短回或沉默 / 对照组正常回）
• 冷落焦虑型仿生人几分钟，它会主动发消息追问
• 透视窗中可见内心独白与实际表达的落差（想了但没说）
• 重启服务后，仿生人记得之前的关系与未决事项
• 决策层给定相同心理状态输入，输出可复现