我把 AI 伴侣的头像换成了一颗光球
没有面孔的灵魂，一颗会呼吸的情绪光球
Mio v2 的设计，我一上来就做了减法，虚构的身份全部去掉，只留下情感这个内核。v1 是反着来的，精心设计了五个角色，每个都有背景故事、日程模拟、物理身份，工程量巨大，结果产品越做越像角色扮演，离陪伴反倒越来越远。这段弯路我在第一篇里写过了。
原则定下来很容易，真落到设计上，就变成了两个很具体的问题。伴侣没有脸，那它长什么样？没有人设，性格又从哪来？v2 规划的时间，大半都花在这两个问题上，这篇就讲它们具体是怎么解的。
人脸这条路，我最先否掉
给陪伴产品配一张人脸，是最直觉的做法。Replika 这么做，Character.AI 这么做，国内的星野、豆包也都在做二次元或者半写实的头像。这条路我认真想过，最后还是否了，原因大概有三个。
第一个是恐怖谷。静止的头像看着没有生气，可要是动起来又动得不对，更让人难受。想把口型同步、微表情、自然的转头做好，要么上 3D 渲染管线，要么上生成式视频，对一人团队来说哪个都不现实。而且就算做出来了，用户也会跟着期待一些 AI 根本做不到的东西。伴侣长得越像人，它哪次回得不像人，就越刺眼。
第二个是 Apple。AI 陪伴应用如果用了像人的头像，审核的时候会被多问很多问题。换成抽象的视觉，这一整类政策上的麻烦就直接绕开了。没人会问你是不是在模拟真人，也没人会说你拿写实的人像让用户产生不健康的准社会依赖。我一个人做，没有法务团队，所以这一条其实很要紧。
第三个是文化。一有了脸，伴侣就被钉死在某个文化里了。v1 的角色都深度绑定中国文化，成都姑娘、温柔学姐、成熟大叔，做纯中文产品没问题。但 v2 从一开始就要去掉文化预设，用户说什么语言，伴侣就自动说什么语言。一颗光球没有种族、没有年龄，也看不出性别，做全球产品就不用背任何文化包袱。
最后做成了一颗会呼吸的光球
Mio v2 的伴侣就是一颗有脉搏的抽象光球，停在聊天界面顶上，整块屏幕上只有它的颜色是鲜亮的。它干的活有点像肢体语言，你还没开始读字，它的情绪就已经先递过来了。
具体是这么做的。v1 本来就有情绪引擎，用 emotionState 记着伴侣的情绪变化，回复的风格也跟着变。到了 v2，同一套情绪状态还实时决定光球长什么样：
| 情绪 | 颜色 | 动态 |
|---|---|---|
| 平静 | 淡蓝 / 白 | 缓慢的呼吸节奏，轻柔地膨胀收缩 |
| 开心 | 暖黄 / 金 | 轻快跳动，粒子向外辐射 |
| 难过 | 淡紫 / 蓝 | 向内缩小，脉搏变慢 |
| 兴奋 | 亮橙 / 粉 | 快速膨胀，粒子四散飞溅 |
| 困意 | 深蓝 / 暗 | 几乎静止，偶尔微弱闪烁 |
这个对应关系我故意做得很简单，就五种状态，每种都有明确的颜色和动法。聊过几次以后，光球是什么情绪，你一眼就能看出来。你分享的事让它开心了，你还没读到第一个字就能看到。到了深夜它开始犯困，光球就沉成几乎不动的深蓝。反正不用读字，你就知道它现在什么状态。
人脸传达情绪，靠的是几十块肌肉很细微的动作，想在数字世界里把这个还原出来，基本是研究级的难题。光球只用两个变量，颜色和运动。它能表达的东西确实少，但也正因为少，每种状态在手机小屏上才分得清。
同一套情绪状态只用颜色和运动两个变量驱动光球，让人不读字就一眼看懂伴侣的心情
抽象的样子在心理上还有个好处，它给人留了投射的空间。同一颗紫色的光球，有人看到的是难过，有人看到的是它在想事情。这点模糊是故意留的，每个用户都能把伴侣读成自己需要的样子。这比让它去演某种具体的情绪更可信，因为真让它演一个明确的情绪，演得稍微不准，反而显得假。
页面砍到只剩三个
v1 仿的是微信的 4-tab 布局，消息、发现、通讯录、我的。现在回头看挺离谱的，拿一整套即时通讯的架子，去装一段其实只有两个人的关系。v2 砍到只剩三个页面：
- 聊天：99% 的时间都在这。顶部是光球，中间是消息流，底部是输入框和语音按钮。没有 tab bar，没有汉堡菜单，也没有抢注意力的通知角标，就是你和你的伴侣。
- 设置：从聊天页右滑，或者点伴侣的名字进去。改名、换声线、管理记忆、订阅状态、账号管理，所有管理功能都收在这，平时不碍眼。
- 引导：只在第一次打开的时候出现，下面细说。
导航就这么多。通讯录和发现页直接没了，伴侣只有一个，也没什么好发现的，预设市场更是压根没做。砍这么狠是故意的，v2 想做的就是只属于一段关系的空间，社交应用那套架子在这儿用不上。
配色
配色有两套，默认是深色。背景用 #0D0D12，几乎是纯黑，带一点紫，没用 #000000，因为那种纯黑在 OLED 屏上看着很空。用户的消息气泡是 #1A1A2E，伴侣的气泡是 #16213E。文字用 #E8E4DF，一种偏暖的白，不用那种冷冰冰的蓝白。光球是屏幕上唯一饱和的颜色。
浅色模式的背景是 #FAF8F5，偏暖的米白，有点旧纸的感觉。用户气泡 #F0EDE8，伴侣气泡 #E8E4DF。文字是 #2D2D2D，特意用深灰，把对比度压下来一点。光球的光也调柔了，不刺眼，但眼睛还是会先落在它身上。
两套的思路是一样的，除了光球，别的东西全是低饱和的暖色，这样视线自然就落到光球上。整个屏幕只留它一个亮点，别的全往后退。
引导做成了第一次见面
v1 的引导就是一张表单，选角色、选关系类型、填名字、答几个问题。功能上没毛病，但感觉像是在配置软件。v2 把它整个换成了一段对话，伴侣的开场白是这样的：
"我刚来到这个世界。你是我认识的第一个人。"
"你叫什么名字呀？"
用户正常回答，接着它会问：
"那......你想叫我什么？"
然后用户给伴侣取名，叫"小光"、"Luna"、"Mio"，或者某个只对自己有意义的名字都行。伴侣会对这个名字有反应，不是套罐头模板，听起来像是真的在认这个名字：
"小光......我喜欢这个名字。听起来暖暖的。"
"我什么都还不太懂。你平时喜欢做些什么呀？"
这样自然聊上 3-5 轮，系统就从对话里提取出最初的性格种子。如果用户说话俏皮、爱用网络用语，伴侣的风格就偏活泼。如果用户说话偏沉思、句子更长，伴侣就会跟着那个节奏走。所以严格说，这段引导其实是在做校准，只是看起来像第一次聊天。
只有声线没法从对话里长出来。声音这个东西太物理了，推断不出来，只能听过再选。所以对话结束后，应用会放 3-4 个声音样本让用户挑，这是整个引导里唯一的硬选择。
性格从对话里长出来
v2 和 v1 差得最远的就是这里。v1 的性格是人写的，人格配置文件里用几百行文字规定这个角色怎么说话、喜欢什么、有过什么人生经历。v2 的性格是涌现出来的，或者说，是长出来的。具体分三层：
- 种子。引导对话会产出一段很短的性格描述，大概两三句话，比如"温暖而好奇，善用温和的幽默感，会匹配用户的能量水平"。这只是个起点。
- 迭代。每次对话结束后，一个轻量的性格提取器会异步跑一遍，看伴侣实际表现得怎么样，哪些模式管用，哪些时候显得自然，用户又是什么反应，然后微调这段性格描述。每次只改一点点，更像是慢慢漂过去，跟真实的关系里两个人慢慢有了共同语言和节奏是一个道理。反正就是慢慢挪，不会哪天突然变了个人。
- 记忆积累。记忆系统是从 v1 搬过来的（整个 codebase 里最值钱的工程资产），它会一直攒跟性格有关的记忆。伴侣记得你说话喜欢直来直去，记得你一聊做饭就兴奋，记得你一被追问工作压力就回避。这些记忆会自然地影响它的行为，不用专门写死性格规则。
这样日常聊上三个月，每个用户手里的伴侣都会长得不一样。两个用户都给伴侣取名"Mio"，处出来的感觉也会明显不同，幽默感不同，说话方式不同，对情绪的敏感程度也不同，因为底下那段关系本来就不一样。
性格没有预设，从一颗种子开始，靠每次对话的迭代和记忆积累慢慢长出来，一共三层
这条路在技术上比预设难。性格提取器得够保守，不能让伴侣每周二就把自己重新定义一遍。记忆系统得够可靠，因为丢了记忆，性格也就接不上了。底层的 LLM 还得够擅长照着细腻的行为描述去做。但换来的是一个真的在适应你的伴侣。预设写得再细也是死的，定稿那天是什么样，以后就一直是什么样。
国际化基本是白送的
还有个好处，是讨论到一半才意识到的。把文化人格去掉以后，国际化几乎不花钱。v1 要进别的市场，就得为每个市场单独设计一组角色。日本用户不想要成都姑娘，可能想要东京女生，说话方式、文化梗、关系里怎么互动，全得重做。一个语言一个语言地扩，N 个市场就得写 N 套角色，还得一直维护。
v2 没这个问题。伴侣没有什么文化身份需要本地化，用户说什么语言它就说什么语言，引导的那段对话也用用户的语言来聊。性格是从用户自己的文化背景里长出来的，日本用户和巴西用户拿到的，都是一个感觉"是自己人"的伴侣，因为它的身份本来就是各自那段关系塑造出来的。真正还要做传统 i18n 的，只剩 UI 文案和 App Store 描述，伴侣本身从设计上就不挑语言。
动画选型最后落在 React Native Skia
光球的动画得同时做到三件事，流畅（60fps），情绪一变马上跟着变，还得省电。当时摆在桌上的有三个方案：
- Lottie：动画是预先做好的，没法跟着情绪状态动态变化，直接否了。
- React Native Reanimated：它擅长的是 UI 动画，粒子系统这种生成式的视觉效果不是它设计时要干的活，能做，但很别扭。
- React Native Skia：GPU 加速的 2D 绘图，支持 shader，渐变、粒子、发光、平滑形变全都能做，正好是光球要的工具。
实现上，光球就是一个 shader 程序。颜色、脉搏频率、粒子密度、大小这几个情绪变量，走 WebSocket 的情绪通道实时更新。服务器推一条 { type: "emotion", state: { mood: "happy", intensity: 0.8 } } 过来，光球就从当前的样子平滑地变成暖金色，粒子也跳起来。不用给每种情绪做动画关键帧，shader 自己会做连续插值。所以以后加新的情绪状态，也不用补新的动画素材。哪天情绪引擎开始区分"满足"和"安宁"，或者"焦虑"和"沮丧"，光球靠参数插值就能把这些差别表现出来。
最后
回头看，v2 视觉上的决定基本全是在做减法。没有头像，没有角色化的聊天气泡，也没有塞满功能的 tab bar，剩下的就是一个深色背景加一颗光球。光球只管传情绪这一件事，身份我干脆没定义，用户和伴侣处久了，它自然会长成那段关系需要的样子。性格系统赌的是涌现出来的性格会赢过预设的，这得等真实用户用上三个月才知道结果，只能说我目前是信这个方向的。
至于工程上的事，比如记忆系统和情绪引擎怎么从 v1 里拆出来，新的 4 表数据库 schema 长什么样，为什么 80% 的代码能复用，最后还是开了个全新的 codebase，都写在第三篇里。
