本项目站内源代码下载第一部分系统概述1. 系统简介本项目旨在构建一个具备长期记忆与情感感知能力的对话系统Emotional Companion Agent。该系统基于大语言模型LLM技术栈通过多模块协同工作实现对情绪的识别、对话状态的管理以及个性化记忆的存储与检索。系统核心设计目标包括状态感知实时监测输入的情绪极性与强度。长期记忆实现跨会话的实体与事件记忆存储VectorDB SQL。动态适配根据对话上下文动态调整回复策略与模型参数。安全合规内置危机干预机制确保对话边界安全。2. 应用场景系统通过场景路由机制适配不同的交互需求具体场景分类如下场景标识目标用户群体功能侧重点日常陪伴(daily)独居/异地人群闲聊、话题延续、生活记录情绪疏导(emotional)压力/焦虑人群积极倾听、情绪接纳、非评判性反馈青少年成长(youth)12-22岁青少年学业/社交/自我认知话题的引导与支持老年关怀(senior)60岁以上用户语速适配、耐心应答、往事回忆辅助第二部分核心架构与原理1. 场景与提示词工程Prompt Engineering系统采用Multi-Profile多画像策略。针对不同场景系统加载预设的System Prompt模板定义 AI 的角色Persona、语气Tone和知识边界。原理通过在 LLM 请求的system角色中注入特定的上下文指令如“你是一个温柔的心理倾听者”引导模型生成符合特定场景风格的回复。2. 情绪识别与安全护栏Safety Guardrail系统在接收用户输入后首先进行预处理分析。情绪识别原理利用关键词匹配与轻量级分类模型或 LLM Zero-shot 分类识别文本中的情绪类别开心、难过、愤怒等及强度0-1 分数。安全分级机制高危/中危检测到自残、自杀、暴力等关键词或语义 → 触发Safety Mode。系统强制覆盖正常回复逻辑返回预设的干预话术并展示专业援助资源。低危/正常进入常规对话流程但情绪强度数据会作为特征参与后续的“档位路由”决策。3. 长期记忆系统Long-term Memory为解决 LLM 上下文窗口有限的问题系统构建了外部记忆库。记忆存储将用户的重要信息偏好、事件、关系等 6 类向量化存储于向量数据库VectorDB同时元数据存储于关系型数据库SQLite/PostgreSQL。检索原理RAG当新消息到达时系统计算当前输入的向量与记忆库进行相似度检索Top-K将最相关的记忆片段注入到当前的 Prompt 中实现“记住用户”。记忆更新基于规则或 LLM 提取定期将对话中的关键信息写入记忆库。4. 自适应性格与关系模型系统维护一个 6 维性格向量温暖、幽默、正式、亲密、耐心、活泼。动态调整原理基于强化学习或规则引擎根据用户的反馈显式评分或隐式情绪微调性格参数。关系阶段演进根据交互轮次Turns或亲密值Intimacy Score划分阶段初识→熟悉→亲密→知己。不同阶段解锁不同的对话策略和记忆调用权重。5. 多档位 LLM 动态路由Dynamic Routing为了在成本与效果之间取得平衡系统实现了基于规则的动态模型路由机制。档位策略上下文长度温度 (Temp)触发条件策略逻辑Light短 (4轮)0.7日常闲聊、低信息密度Balanced中 (8轮)0.75中等情绪波动、常规咨询Deep长 (12轮)0.85高强度情绪表达、复杂逻辑推理Safety固定0.4 (确定性)强制触发检测到危机信号原理通过中间件Orchestrator对输入特征情绪分、长度、场景、安全等级进行判断动态选择调用不同配置的 LLM 端点。第三部分对话生命周期技术流图解以下序列图展示了从输入到 AI 响应的完整技术流程 LLM路由器️ 向量数据库 编排器 API网关️ 前端 LLM路由器️ 向量数据库 编排器 API网关️ 前端1️⃣ 预处理阶段2️⃣ 记忆检索3️⃣ 路由决策4️⃣ Prompt 构建5️⃣ 模型调用6️⃣ 后处理alt[安全事件触发][正常流程]7️⃣ 响应阶段 用户输入文本/语音1HTTP 请求2调用核心逻辑3情绪分析 (NLU) 安全扫描4强制路由至 Safety 模式5查询相关记忆 (相似度匹配)6返回 Top‑K 记忆片段7基于情绪/长度/场景选择档位8组装 System Prompt (含记忆性格)9发送请求 (带参数)10返回生成文本11提取新记忆实体 更新性格向量12存储新记忆 (异步)13返回文本 元数据 (情绪/档位)14渲染对话 (含情绪动画/标签)15 用户关键路径说明并行处理情绪检测与记忆检索并行执行以降低延迟。决策中枢Orchestrator是核心控制器负责聚合数据并决定调用策略。降级机制若 LLM 调用失败系统可降级至规则回复或默认话术保证服务可用性。元数据反馈返回给前端的数据包含“本次使用的档位”、“情绪强度”等用于驱动 UI 变化如头像光晕颜色。第四部分交互设计与可视化1. 状态可视化State Visualization为了感知系统的内部状态前端设计包含以下元素情绪头像根据检测到的情绪切换头像的微表情与周围光晕颜色如焦虑时为琥珀色脉冲。思维指示器在等待回复时显示“思考中…”及当前的路由状态如“正在调用深度分析模型”。透明度展示在对话气泡旁展示“记忆命中数”或“安全状态标签”增加信任感。2. 控制权保留提供手动覆盖开关手动锁定 LLM 档位或切换场景实现人机协同的最优控制。