SoulSync：用 Python 构建 8 维情感引擎的架构实践

为什么要做一个情感引擎？

在聊天机器人领域，大多数对话系统是无状态的——每次对话都是全新开始，没有记忆，没有情感积累。SoulSync 的目标是让机器人具备持续的情感记忆和渐进的关系演进能力。

这个项目作为 AstrBot 的插件运行，纯 Python 实现，零强制依赖。经过 3 个大版本迭代，已经发展成一个包含 20+ 模块、141 项配置的完整情感计算系统。

核心架构：双通道情感分析

SoulSync 采用关键词 + LLM 双通道架构进行情感分析：

• 关键词通道：每轮必做，基于预定义的正面/负面/亲密关键词词典进行快速匹配，O(n) 复杂度，延迟极低

• LLM 通道：按四维决策（关键词强度、时间压力、强制计数器、LLM 标记）触发，调用辅助 LLM 进行深度情感分析

• 权重融合：关键词权重 0.6 + LLM 权重 0.4，惩罚奖励权重 0.6 独立融合

# 双通道融合示意
keyword_result = engine.analyze_keywords(text)  # 每轮必做
if smart_updater.should_trigger_llm(...):
    llm_result = await llm_analyzer.analyze(text, profile)  # 按需触发
    final_delta = (
        keyword_result["fav_delta"] * 0.6 +
        llm_result["fav_delta"] * 0.4
    )python

8 维情感模型

借鉴 Plutchik 情绪轮模型，SoulSync 定义了 8 个情感维度，每个维度值域 0~100：

当两个维度同时达到阈值时，会激活复合情绪标签，例如「感动」= 喜悦≥60 + 信任≥60，「醋意」= 愤怒≥50 + 恐惧≥50。

十二阶段关系演进

关系不是二元的「喜欢/不喜欢」，而是一个连续的演进过程。SoulSync 定义了 12 个正向阶段：

1. 🌱 初识期（阈值 15）→ 🌿 好感期（35）→ 🤝 信任期（55）

2. 🍀 熟悉期（75）→ 💬 交心期（95）→ 💛 深化期（115）

3. 🧡 心动期（135）→ 💜 默契期（152）→ 💖 依恋期（168）

4. 💞 缠绵期（180）→ 🌳 承诺期（185）→ 🌸 共生期（200）

每个阶段都有独立的对话风格配置（称呼、口吻、互动倾向），LLM 会根据当前阶段自动调整回复风格。例如「初识期」保持礼貌克制，「心动期」则变得害羞又甜蜜。

阶段判定使用滞后带保护机制——上升需要超过阈值+缓冲分，防止在阶段边界反复跳动。负好感走独立路线：冷淡→反感→厌恶→敌对。

遗忘曲线记忆系统

记忆不是永久的。SoulSync 的长期记忆采用指数衰减遗忘曲线：

def vividness_of(event, half_life_days=30.0):
    """遗忘曲线：清晰度 = base × 0.5^(天数/半衰期)"""
    if event.get("important"):
        return 100  # 重要记忆永不遗忘
    days = (now - anchor) / 86400.0
    return max(5, round(base * 0.5 ** (days / half_life_days)))python

关键设计点：

• 半衰期可配：默认 30 天，可通过 WebUI 调整

• 记忆唤醒：被回忆的记忆清晰度重置为 100，从当前时刻重新衰减

• 重要标记：用户可标记重要记忆，永不遗忘

• 模糊化输出：清晰度低于 60% 的记忆只输出「模糊的回忆（温暖的一段记忆·清晰度 35%）」

惩罚奖励机制

关系需要维护。SoulSync 实现了 6 种行为机制，所有效果带 72h 半衰期自然衰减：

存储架构演进

v1.0 使用 JSON 文件存储，v3.0 迁移到 SQLite：

• WAL 模式连接池：单例模式，10s 超时，支持并发读

• 月度分表：每日快照按月分表，避免单表膨胀

• 排行榜缓存：独立缓存表，避免每次全表排序

• 一键回退：环境变量 SOULSYNC_DB_FALLBACK=true 切回 JSON 模式

架构亮点总结

• 事件总线解耦：favor.changed / stage.advanced 等事件驱动模块间通信

• 钩子机制：前置钩子（意图识别）+ 后置钩子（prompt 泄漏清理）

• 热更新配置：141 项配置通过 WebUI 保存即生效，无需重载插件

• 渐进式摘要压缩：记忆超过阈值自动压缩旧记忆为泛化摘要，TF-IDF 关键词提取

• 转生系统：好感达阈值自动转生（递增式无限轮回），每转关键词敏感度 +5%

完整代码已开源在 GitHub，欢迎 Star 和 PR。