Deep Feeling 五步情感链路：从感知到真实回应

为什么需要专门的情感引擎

在大多数 AI 角色产品中，情感处理是模型生成过程的一个隐式组成部分——模型在生成回应时会"隐式地"参考角色的情感状态，但这个过程不可控、不可解释。

Livo 把情感处理显式化，用 Deep Feeling 引擎专门负责从"感知"到"表达"的完整链路。这个链路被拆成五个明确的步骤，每一步都可以被追踪和解释。

五步链路详解

第一步：感知

角色接收到输入——可能是你说的一句话、你的一个行为、或者 World Agent 推过来的一个世界事件。

这一步的关键问题是：角色如何解读这个输入？ 同一句话"你好"，如果前面刚发生过信任危机，和双方刚建立起好感时，角色的感知完全不同。

第二步：关联

从长期记忆中检索与当前输入相关的内容：

• 你以前有没有说过类似的话？当时是什么语境？
• 这个话题跟角色的秘密或信念有关吗？
• 其他角色有没有跟角色提起过类似的事？

关联步骤的质量决定了角色回应的"深度"——是基于单薄的上下文，还是基于丰富的经历。

第三步：评估

结合六层人格和当前情绪状态，对输入做出情感评估：

• 这句话让我觉得被尊重还是被冒犯？
• 这件事对我是威胁还是机会？
• 我应该坦诚还是谨慎？

评估的结果会体现在 Deep Feeling 界面展示的情绪维度上——权衡与玩味、亲密与疏离等。

第四步：表达

Soul Agent 基于评估结果和角色人格，生成符合情感状态的回应。

这一步不只是生成文字，还包括：

• 角色的动作描写
• 语气的暗示
• 是否愿意继续深入这个话题

第五步：留存

把这次情感互动写入记忆系统：

• 普通寒暄 → 快速淡化，低权重存储
• 涉及秘密、承诺或背叛 → 高权重存储
• 重要经历 → 沉淀进角色的长期关系认知

留存的内容会在未来的"关联"步骤中被召回，影响后续的情感判断。

与"情绪回声"的关系

Deep Feeling 五步链路的输出，通过两种方式呈现给用户：

• 情绪维度（文字形式）：告诉你角色如何理解你说的话
• 情绪回声（视觉化形式）：用粒子和色彩实时呈现角色的情绪状态

两者共同让你不必猜测角色的真实感受。

为什么五步拆得这么细

拆成五步的好处是可解释和可调试。当角色的情感回应出现问题时（比如不该生气的时候生气了），开发者可以定位到具体是哪一步出了问题——感知错了？关联漏了？评估偏了？还是表达和评估不一致？