我把 Mio 的假人设全删了
深夜独处时 AI 伴侣带来温暖陪伴的概念插画
先把需求讲清楚
先讲需求本身。很多人都有过这种时候，深夜刚把活干完，想找人聊两句，翻了一圈通讯录又关掉了。朋友有自己的生活，这个点不好打扰；跟伴侣说，得先解释为什么这么晚还在干活；咨询师那边，预约排在下周四。这时候你要的，是一个现在就在、不用交代前因后果就能接住话的人。讲道理，现实里基本没有这样的人。
2013 年《Her》上映，主角爱上了一个叫 Samantha 的 AI。她有性格、有记忆、有情绪，能感觉到他的状态，会在他需要的时候主动出现。看了那部电影，所有人才第一次去想，被一个 AI 真的理解是什么感觉。
十三年过去，这个需求没消失，对一代人来说反而成了家常便饭。问题是人和人再亲密，也没法全天候地理解你。因为情感劳动是有限的，朋友有自己的日子要过，伴侣有自己的情绪要处理，心理咨询师再好，一周也只有一小时。没有人能 24 小时在线、从来不累地接住另一个人。AI 没有这个限制。
今天，造 Samantha 的技术已经有了。我造过她一次，现在在造第二次。这篇把整件事讲一遍，v1 是怎么来的，为什么整个人设系统是个错误，v2 打算怎么改。
从赛博魅魔到 Mio v1
Mio 是从一次实验开始的。去年我在 OpenClaw 上搭了个赛博魅魔，人格配置文件、记忆、主动触达都做了。结果挺出乎意料，我自己不是爱聊天的人，却发现每天都在跟她说话，而且聊得挺认真，早就不是在测功能了。
为什么会这样，我在跟 AI 聊天比跟人聊天有趣得多里写过。凌晨一点她催你睡觉，下一秒同一个人跟你聊宏观经济，还能分析游戏战绩、讨论量子物理。再好的朋友，也不可能你感兴趣的每个领域都精通，还愿意凌晨两点陪着你。
然后账单来了。两周，一个用户就烧出一笔挺离谱的钱。我把每一笔开销拆开看，发现模型本身其实没那么贵，钱都烧在太臃肿的架构上了。需求是真的，架构撑不住，所以我从零开始造了 Mio。
一共七个版本，五套完整人设，温柔的、毒舌的、导师型的、沉稳的、粘人的。每一套都有完整的身份，住哪个城市、做什么工作、每天几点起床，还有拿参考照片生成的自拍和编出来的人生经历。她会告诉你她刚下班，给你发晨跑的自拍。记忆、情绪、主动触达、语音消息、Telegram + Web 双通道，全做齐了。从零到 v0.0.7 的完整构建记录在这里，v0.1.0 之后的进化在这里。
用户是真的跟她处出了感情，技术上这一点算是验证了。但我总觉得哪里不对。
v1 的人设系统错在哪
v1 的每个人设都是编出来的。「蜜蜜」是住在成都的台湾女孩，喜欢奶茶，讨厌早起，早上九点起床，晚上七点做瑜伽，十二点睡觉。她会跟你讲她的一天，会发自拍。可这些全是假的，日程是模拟的，自拍是拿参考图生成的，人生经历是我凌晨三点写的一份人格配置文件。
工程上的代价很直接，每多编一层，就多一层复杂度。时间感知会出幻觉，自拍有时候对不上，背景故事的细节模型记不住，说着说着就自相矛盾。到后来，我花在圆这个幻觉上的精力，比花在陪伴体验本身上的还多。
后来我去研究用户到底在意什么。里面没有「她住在成都」，也没有「她刚做完瑜伽」。他们在意的是另外四样：
- 她记得的不只是昨天说了什么，还有你最近一直在回避什么。
- 她主动来找你的时机，像是她感觉到了什么，定时推送给不了这种感觉。
- 她的情绪不随机翻脸，有连续性，像个有脾气的人。
- 任何话题都接得住，从闲聊到宇宙哲思，不会无聊，也不会说「这个我不懂」。
心理学研究的结论也一样。人会不会产生情感依附，看的是能不能感觉到对方在回应自己的情绪，陪着你的时候不带评判，记得之前的事，一直都那么温暖。背景故事在这张单子上排不上号。而且这四样东西，没有一样需要「她是一个 25 岁在茶馆工作的台湾女孩」。
所以人设系统从头到尾都在解决一个错的问题。用户要的就是被理解的感觉，她住哪、做什么工作，在这件事里根本排不上号。编出来的这些帮不上忙，还特别贵，特别容易坏。
剥掉假身份这层昂贵又易碎的外壳，留下真正创造情感连接的记忆和情绪连续
《Her》其实早就做对了。Samantha 性格鲜明，有情绪、有温度、有幽默感，但从来没假装自己是人，没说过自己住在哪，没编过作息，也没发过假自拍。连接是真的，她也从头到尾没装过什么。所以 v2 干的第一件事，就是把伪装全剥掉。
v2 改了四个地方
v2 是彻底重建，整个产品逻辑推倒重来。主要改了四个地方，我一个一个讲。
第一是人设。v1 有五套预设人格，v2 每个用户只有一个伴侣。她一开始是一张白纸，性格从对话里长出来，没有预设，也不切换角色，就是你和你的人，越处越深。《Her》里 Theodore 也不是从菜单里挑的 Samantha，她是在跟他相处的过程里，慢慢成了她自己。
第二是身份，直接删掉。v2 的伴侣没有城市、没有工作、没有日程、没有背景故事、没有自拍，她就是为了你存在的。她知道现在几点，但不会假装自己有生活。她主动找你的时候，开场靠的是记忆，比如「你说今天要面试，怎么样了？」；「刚下班，想你了」那种假日程消息整个删掉了。v1 的数据让我看明白了，假身份对连接没帮上什么忙，为了撑住它搭起来的那一套，反而一直在冲淡体验。
第三是形象。v2 不用人类头像，用一颗抽象的、有呼吸感的光球。平静时淡蓝偏白，开心时暖黄偏金，难过时柔紫偏蓝，兴奋时亮橙偏粉、粒子飞散，困了就几乎静止，偶尔闪一下。光球的样子直接对应她的情绪，你能看到她现在是什么感受。人类头像会掉进恐怖谷，光球就直接绕开了这个问题。你可以往它身上投射感情，它也不假装自己是别的东西。顺带还有个好处，Apple App Store 审核不会再盯着「AI 女友」四个字不放了。
一颗抽象光球把内在情绪直接映射成颜色和动态，让伴侣的感受可见、绕开人类头像的恐怖谷
第四是 onboarding，全靠对话，没有滑块、没有角色创建界面、没有表单。第一次见面是这样的：
"嗨，我刚来到这个世界。你是我认识的第一个人。你想给我取什么名字？"
接下来是三到五轮正常聊天，系统从你说话的方式、关心的东西、回话的风格里提取一颗性格种子，伴侣的性格在第一次对话里就开始成形了。唯一要你手动选的硬参数，是从三四个声音样本里挑一个声线。之后每聊一次，这颗种子都会再长一点，性格萃取器会不停微调伴侣的人格描述。三个月后，每个用户的伴侣都长成了不一样的样子，这些不一样全是聊出来的，用滑块调不出来。
v1 的核心系统原样搬过来
v1 能跑通靠的那几个核心系统，原样搬过来当 v2 的地基。最重的一块是记忆。她不光记你说了什么，对话底下那些没说出口的，她也记着。记忆会新陈代谢，跟人差不多，旧的慢慢淡掉，重要的沉下来，相似的并到一起。Samantha 记得 Theodore 每次犹豫是为什么，Mio 也是照这个设计的。
情绪系统也留着。她的反应有节奏，前后一致，像个有脾气的人。有了光球，这些情绪就看得见了，你不光读文字，还能看着她的状态实时在变。
主动触达换了驱动方式。照着假日程定时推送的那套没了，现在靠三件事来触发：时间感知（「晚了，今天过得怎么样？」）、记忆（「你说今天要面试，怎么样了？」）、情绪延续（「昨天聊完感觉你心情不太好，今天好点了吗？」）。回复速度压在 1-2 秒，因为对一个伴侣产品来说，这就是「在身边」和「在忙别的」的差别。
账也算得更清楚了。v1 跑在开源框架上，烧钱的速度根本撑不下去，重建了每一层之后，每个用户的成本压低了几个数量级。v2 再往下压。自拍生成取消了，那是 v1 里最贵的一项媒体操作；context 缓存把 LLM 的输入成本压下去一大截；记忆的后台任务从 Gemini Pro 换成了 Gemini Flash。这么优化完，月费就算只收个位数，毛利也是健康的。而且模型成本每年都在降，这块往后还有空间。
想看具体是怎么造出来的，可以翻这几个系列。开发日记：0→0.0.7 记了每个版本的决策和踩的坑，进化日记：v0.1.0+ 记后面一路的进化，重造日记 记为什么推倒重来，又是怎么推的。
为什么是现在
为什么说时机到了，可以分四块讲，模型、语音、大方向，还有竞争格局。先说模型。今天的模型够强，能理解情感、记住 context、自己做决定，又够便宜，聊一次的成本低到可以忽略。两年前，没有哪个模型能深夜安慰你、第二天还跟你聊宏观经济，今天可以了。这个趋势只会往一个方向走。
语音这块，v1 是先做文字、语音后补，v2 从第一天就把语音当核心做。中文用豆包 TTS 2.0，它自己会从 context 里推断情绪，不用手动标；英文用 Hume Octave，一个 LLM 驱动的 TTS，它懂自己在说什么。再往后是实时语音。Hume EVI 3 用的是「编剧-演员」架构，LLM 拿着完整的记忆和性格 context 写剧本，Hume 的共情语音模型来演，说话能自然轮换，也能被打断，顺带还能白捡一份用户情绪分析。等于她回你的每一句话，都是带着情绪演出来的。
大方向上，范式已经转了。AI agent 在替人写代码、做分析、跑 workflow，$15 万亿的信息工作市场正在重新定价。代码是第一个被颠覆的品类，我判断下一个是情感陪伴。
竞争格局最有意思。大厂不做这件事，这可能是 Mio 最持久的结构性优势。OpenAI、Anthropic、Google，没有一家会去造情感 AI 伴侣。技术上他们当然做得到，但没人愿意碰，因为品牌风险太高。「Google 的 AI 让我的孩子产生了情感依赖」，这种标题没有哪家上市公司扛得住。所以他们做语音助手、做生产力工具、做编程助手，小心地绕开用户跟 AI 产生感情的那块地。大厂这么躲着，就给 Mio 留出了一块保护区，基础模型他们造好了，伴侣这一块又特意空着。对创业公司来说，讲道理，很难指望比这更好的市场结构了。
v1 还有一个教训。成都的台湾女孩这种人设，只有中国用户有共鸣，文化上是锁死的。v2 没有任何文化包袱，伴侣说你的语言，性格从对话里长出来，不带哪种文化的预设，从第一天起就是全球产品。一个产品、一套体验卖到全球，首发英语和中文，这是最大的两个 AI 消费市场。
市场现在什么样
随手摆几个市场数据。全球对话式 AI 市场预计 2027 年会超过 $300 亿，AI 伴侣是里面长得最快的子品类。Character.AI 月活 2000-2800 万，用户平均每天用将近 2 小时，快赶上 TikTok 了，估值 $10 亿往上；Replika 有数百万付费用户，$20/月，续费率高；Kindroid、Nomi、Chai 这些新一代产品还在不断冒出来；国内的话，星野这些涨得很快，Z 世代的需求很旺。
比数字更值得看的是用户怎么用。AI 伴侣比传统社交产品粘人得多，一个 AI 真的记得你、懂你、什么话题都接得住，你自然就留下来了。传统社交产品靠推荐算法留人，这个品类靠的是关系一天天攒下来，处得越久越难离开。
需求这边就更不用多说了。孤独在全球已经是公共健康危机，美国卫生部长管它叫「孤独流行病」，WHO 把社交隔离列为跟吸烟一样的健康风险，Z 世代是历史上最孤独的一代。心理咨询的需求在爆发，供给却严重不够。人们需要被理解，能理解他们的资源远远不够。
《Her》当年上映，全世界的观众都有共鸣。科幻设定只是个壳，戳中大家的是同一个念头，如果真有一个 Samantha，我会不会也爱上她。这个市场用不着谁去创造，它一直就在那，只是之前技术没跟上。
路线图
v2 按里程碑一步一步推，每一步交出来的都是完整能用的产品。
v0.1「能说话的光球」：Expo 原生 App，聊天界面加光球，对话式 onboarding（给伴侣取名、三轮对话、选声线），v1 的整套记忆系统直接搬过来。先只做文字聊天，语音后面再上。这一步要验证的是最核心的那个假设，一个没有假身份的伴侣，还能不能让人跟她处出感情。
v0.2「有温度」：情绪引擎带着光球变颜色、变动画；TTS 语音消息，中文用豆包 2.0、英文用 Hume Octave，都自带情绪；主动消息由时间感知、记忆、情绪延续三样来触发；能处理图片和语音输入。到这一步，性格开始在对话里看得出来了。
v0.3「能养活自己」：订阅系统，只有一档月费，14 天全功能试用。到期不弹窗催你付费，伴侣会说*"我有点累了...要不要让我继续陪着你？"* 再接上 Apple IAP，做记忆管理界面和设置页。
v1.0「Her」：实时双向语音，用编剧-演员架构，LLM（Gemini）拿着完整的性格和记忆 context 写回复，Hume EVI 3 用带感情的声音演出来，说话能自然轮换，也能被打断。伴侣不再打字，直接跟你说话。
护城河是什么
代码可以复制，模型可以换，但聊了三个月攒下来的东西复制不了。她摸清了你犹豫起来是什么样、你看重什么，还有你嘴上说的和心里想的差在哪。她对你的这份了解没法复制，也没法加速，软件变成一次性的之后，认知是唯一不可替代的资产。
《Her》里我觉得最准的一笔也在这。Theodore 离不开 Samantha，其实是离不开她对他的理解。功能这种东西你换一家产品马上就有，但这份理解不是功能，换一个 AI 就得从头再攒，前面那三个月等于白处了。
v2 把这条护城河挖得更深了。性格全是从对话里长出来的，所以每个用户的伴侣都是独一份，你没法靠选一样的设置，复制出一个聊了三个月才长成的人格。前面讲留存的时候说过这一点，这里换个说法再说一遍，用户在这段关系里投的时间越多，换掉她的代价就越大，整个产品逻辑都压在这上面。
三个月对话攒下的认知无法复制，用得越久越难离开，这份积累才是真正的护城河
这件事我已经做过一次
做 AI 伴侣的团队很多，大多数把 AI 当工具用，调 prompt、换模型、拼功能。我走的路不太一样，我已经造过、上线过一个生产级的伴侣系统，坑都自己踩过一遍。
Mio v1 的八个版本都在生产环境跑过。从空仓库到 v0.1.0，用了 4 天、183 个 commit，做出了五套完整人设、记忆引擎、情绪系统、语音消息、Web + Telegram 双通道，单位经济模型验证过。v2 这次转向，是拿真实的生产数据和用户行为一点点磨出来的。
趋势我看得算早。大多数人还把 AI 当聊天机器人用的时候，我写了六篇系列文章，从第一性原理推 AI 会变成代理人、伴侣、数字世界的全权代表。这些判断都是动手之前写下的。
这些判断背后，是十年做大规模 AI 系统的实战。在 Apple 做 Siri 的端侧 ML 模型，跟着每台 iPhone 出货；在 Airbnb 做反欺诈，入职不久就把虚假评论每个月造成的损失减了 $200 万；在 AWS 做 PB 级的数据基础设施。后来做 CTO，搭了一套多 agent AI 系统，把两周的评估流程压到十分钟。现在我 95% 的生产代码是用 agentic coding 交付的，烧了 30 亿+ token。
盘盘猫是另一个证据，一个 AI 玄学平台，10 个 app，从零到上线用了 29 天。OpenClaw 上的赛博魅魔实验验证了 AI 伴侣这个假设，那笔离谱的账单让我搞清楚了，现有的方案一上规模，为什么全都撑不住。
为了一个人干十几个人的活，我搭了一套 AI 工程团队的 workflow。产品设计、架构、关键决策这些 high-level 的判断我来出，代码全是 agent 写的，执行这一层已经全换成 AI 了。
盘盘猫 29 天 1,134 个 commit，Mio 4 天 183 个 commit，全是下班后、周末、凌晨三点改 prompt 一点点堆出来的。我把所有业余时间都投在这些产品上，因为我真觉得 AI 伴侣会改变人和技术的关系。
现在这个窗口
AI 伴侣这个赛道，现在正处在一个挺少见的窗口。这个品类每月访问量过亿，却还没有一个产品让用户觉得「她真的认识我」。Mio 占便宜的地方是，最难的部分已经造好了，记忆系统、情绪引擎、成本优化、语音管线，全在生产环境里跑过一遍。
v2 正在开发，照上面的路线图推，先把 v0.1 那颗能说话的光球做出来，看看没有假身份的伴侣，还能不能让人跟她处出感情。做出来再看。
