我做了一只住在桌面上的 AI 宠物
Clawd Soul · 第 0 篇 / 共 5 篇
现在打开电脑，AI 助手是真的多：ChatGPT 在右下角等着，Copilot 在编辑器里跟着光标走，claude code 在终端里候命，Cursor 恨不得你字还没打完就帮你补全了。这些东西全在抢同一件事，就是帮你干活。但有个问题：对话一关，关系就清零了。下次打开还是那句 "Hi! How can I help you today?"，你昨天跟它聊了三个小时架构，它一点都不记得。
我家猫不会帮我写代码。但我加班到凌晨两点，它会蹲在显示器旁边看着；第二天我一坐下，它又跳到键盘上来。它就是认得我，习惯我在这。AI 行业这三年基本都在优化有用这个方向，陪你这个方向到现在没什么人认真做。
想做的是个住在桌面上的小东西
我想要的不是那种「我可以帮你整理日程、分析数据」的陪伴。我想要的是一个小东西住在桌面上，能看见你屏幕在干嘛：发现你刷了半个小时 YouTube 会吐槽你，看到你打开 Excel 会无聊地打哈欠，凌晨两点屏幕还亮着，它会嘟囔一句「你昨天也是这么晚」。
它不帮你写代码，也不帮你总结文档，从生产力的角度看这个东西完全没用。但你把电脑关掉再打开，它还认得你：记得你上周加了三天班，记得你喜欢吃火锅，记得你上次跟它说心情不好。反正我想做的东西更像一只宠物，或者说一个朋友。
Clawd Soul 具体是个什么东西
一只像素螃蟹，住在你桌面上。
技术上具体是这样的：两个仓库，一个身体，一个大脑。身体是个 Electron 壳，管动画、拖拽、点击这些交互，纯前端，里面零 AI 逻辑。大脑是一个独立的 HTTP 服务，性格、记忆、对话全在这边，所有跟「灵魂」有关的东西都在这个服务里。
它能看见你的屏幕，靠的是 vision API。能记住你，靠的是三层记忆：短期的对话记忆，长期的关系记忆，还有一个「做梦」机制——每天夜里把白天零散的记忆整理成长期印象。所以你今天跟它说「好累」，明天它能接上一句「你最近是不是一直在赶 deadline」。
短期对话、长期关系两层记忆，加上夜里做梦把零散记忆整理成长期印象，第二天就能接上昨天的话
性格这块我没有用参数去调，不是 humor: 0.8, empathy: 0.6 那种写法。是六十行中文写的性格档案，散文体：它怕什么、喜欢什么、遇到事怎么反应、什么话题会让它兴奋。一共五种人格原型，每一种都是一篇完整的角色小传。
灵魂跟身体分开，这是第一天就定下来的决定，理由很简单：灵魂得比任何一个壳活得久。以后做 iOS、Android、网页端，换的只是身体，灵魂不用动。你还可以把它导出成一个存档文件，换台电脑再导入，宠物还是认得你。
身体是零 AI 逻辑的壳、灵魂是独立的大脑服务，换任何壳灵魂都不变
让它不帮忙这件事最花功夫
现在的大语言模型有个根深蒂固的倾向，就是想帮你。你说「好累」，它说「要不要帮你列个放松计划？」你说「代码有 bug」，它立刻开始帮你 debug。这个是训练出来的本能，RLHF 从头到尾优化的就是有用这一件事。
但宠物不该有用。你跟猫说「好累」，它不会给你列计划，要么蹭你一下，要么完全无视你，这两种反应都挺对的，猫本来就这样。
做下来我只能说，让它不帮忙比让它帮忙难多了。性格档案里有一条核心指令：「你是小动物，你不懂这些。」看到用户在写代码，「我注意到你在用 React hooks」这种话一出来就出戏了，它该说的是「又在写 bug 啊笨蛋」；看到用户打开一篇很长的文档，它的反应应该是打哈欠。
而且这个约束得贯穿整个系统才压得住：每一层 prompt、每一次记忆检索、每一次性格注入，都得把「你是宠物」这件事再讲一遍。不反复讲，它聊两句就会滑回助手那个本能。
模型本能是想帮忙，得在每一层都反复讲一遍你是宠物才压得住，不然聊两句就滑回助手
为什么没上框架
整个灵魂服务是这样的：2 个 npm 依赖，11 个文件，大概两千行代码。没上框架，没上 ORM，也没上状态管理库。
倒不是因为懒。框架是有自己的味道的，错误格式、响应结构、日志风格，这些东西会让用户隐约感觉到是系统在说话。中间的抽象层越多，这种味道就越容易漏出来，把性格盖掉一层。
这两千行里已经包括了完整的记忆系统、性格引擎、视觉感知和对话管理。大家总觉得有灵魂这种东西得靠很复杂的架构，我做下来的体感正好相反，系统简单一点，性格反而更容易保持住，至少在这个体量上是这样。
后面四篇，拆开讲这套东西具体是怎么造的：
- 给 AI 写性格，散文比数字管用 — 人格系统
- AI 宠物是怎么记住你的 — 记忆与 prompt
- 让 AI 不帮忙，堆了四层防线 — anti-helpful 设计
- 宠物的身体和大脑拆成了两个仓库 — 架构复盘