小春Agent秘书

一句话：小春是一个有身份的 AI 秘书 Agent。你用语音、文字或直接对着摄像头跟她说话，她读懂你的状态和意图，把任务拆开派给不同的 AI Agent 去做，逐项验收合格后交付给你。 一、我们要解决的问题 谁在用：每天同时使用多个 AI 工具的开发者、创作者和知识工作者。 现在怎么解决：自己判断该用哪个工具，自己写提示词，自己盯进度，自己检查结果。 为什么不够好：AI 越来越能干，但"管理 AI"的成本全压在人身上。人在最累、最急的时候，最没精力做这些。现有的语音助手能聊天但不能交付，现有的 coding agent 能交付但不懂人，也不会替你验收。 我们的答案：一个懂人的调度者。她先判断你需要什么、此刻该怎么和你说话，再指挥 AI 帮手把事办完，并且证明办完了。 二、小春是谁：给 Ghost 一个身份 形象：Live2D 动态角色，表情随她自己的情绪变化，说话时口型与声音同步。 性格：自然、轻松、像好相处的朋友，短句口语，不卖萌、不说教。人设写在 YAML 里，可替换。 三种交互方式：实时语音对话、文字对话、摄像头视觉感知（看表情与现场）。 快速响应：对话层接入【Google 实时语音模型】，支持随时插话，回应接近真人对话节奏；判断在用户说话过程中就提前开始，情绪调整在她开口前落地。 关系记忆：持久化记录关系阶段、共同经历、约定和未完成事项，关系会慢慢养熟。 三、核心能力：再交给她一项真实任务 1. 读懂你：每轮对话判断情绪极性、能量、投入度与安全风险，据此切换应对模式（安慰、降温、庆祝、拉回话题、推进目标）。情绪不是装饰，它决定她何时打扰你、先做哪件事、怎么汇报。 2. 拆任务、派帮手：把一句口语需求拆成子任务，从 Agent 注册表中为每一步选择最合适的执行者：【Codex 写代码、Cursor、文本写作、生图/视频/语音、桌面操作】。 3. 验收与自我纠错：每个子任务都带验收标准，代码跑测试、文件核对存在与完整、生成物核对产出。不合格就带着失败原因重派或换一个 Agent，超过重试上限则如实告诉用户卡在哪里，不假装完成。【如已实现：任务状态持久化，程序中断后可从断点继续。】 4. 真实系统执行：在真实电脑上操作，打开应用、切换窗口、输入内容、驱动 Codex/Cursor 修改真实代码仓库，而非沙箱演示。 5. 全程可视化：任务看板实时显示子任务、执行者、状态、验收结果与失败原因。 四、典型场景 深夜用户说："好累，明天要交三件事还没弄完。"小春听出疲惫，先安慰，再说"交给我"。她把事情拆成修 bug、写说明、做配图三份，分派给不同 Agent。修 bug 的第一次没通过测试，她读取失败原因后重派，第二次通过。三件事全部验收后，她用语音汇报，并在屏幕上展示交付物。 五、技术方案与关键难题 三层模型分工，互不越界： 判断层（Jev System One）：只回答类型化问题（选择题、是非概率、等级分），例如情绪、派给谁、能否安全执行、是否通过验收。从不生成文本。 思考层（LLM）：任务拆解与长时规划，异步运行，不阻塞对话。 对话层（【Google 实时语音模型】）：只负责按人设说话。 执行层（Go）：所有真实副作用只在代码中发生。 我们解决的关键难题： 幻觉控制：所有"决定做什么"的环节都是闭集选择题，模型无法编造不存在的操作。 上下文溢出：长期记忆每轮只注入最相关的一小段，而不是整库塞给对话模型。 低延迟：慢思考全部异步，推测性判断在用户说完前开始，语音永不被规划卡住。 安全：操作白名单、默认拒绝、置信度与安全阈值门控、连续失败自动终止；自我修改仅限可写白名单，越界文件自动回滚。 工程质量：Go 实现，【157】个单元测试覆盖判断、记忆、调度、音频、窗口等核心模块。 每次判断、派发、验收、重试都写入 runs/ 日志，可逐条回查；现场演示为实时运行。 六、商业价值与路径 受众明确：重度 AI 工具用户，愿意为节省"管理 AI 的时间"付费。 第一步，个人桌面秘书：订阅制，按任务量与接入的 Agent 数分层。 第二步，团队工作流秘书：接入企业已有的 Agent 与系统，按席位收费。 可扩展：新 Agent 登记进注册表即可被调度；人设 YAML 可替换，同一套能力可服务陪伴、客服、教育等不同身份。 七、团队 许靖（队长）：【技术研发与架构】；刘书畅：【产品设计、市场与展示】