AI关系蒸馏：从双人互动中生成虚拟人格的技术实践

1. 项目概述：从一段关系里“长”出一个会说话的人

如果你玩过角色扮演，或者尝试过用AI生成一个虚拟角色，那你一定知道，从零开始构建一个鲜活、有灵魂的人格有多难。你需要写冗长的人设文档，设定复杂的背景故事，还得反复调试语气和反应，才能让它“活”起来。但有没有一种可能，我们创造角色的方式，本身就错了？我们总在“捏造”一个独立的个体，却忽略了人与人之间最奇妙的化学反应——关系本身。

这就是“后裔.skill”这个项目最让我着迷的地方。它不是一个传统意义上的“AI角色生成器”，而是一个“关系蒸馏器”。它的核心思路非常反直觉：不是让你去凭空创造一个孩子，而是让你和你的伴侣（或者任何一段你想探索的亲密关系）先“聊”出一个孩子。它不预测未来，也不复制任何一方，而是把你们两个人之间独特的互动模式、说话习惯、情感氛围，甚至那些只有你们懂的梗和默契，当作“养料”，喂养出一个全新的、独立的、与你们“同龄”的虚拟人格。

想象一下，你和你的伴侣有自己独特的交流方式：可能是互相调侃的昵称，是只有你们才懂的冷笑话，是争吵后和好的特定语气，或者是分享一张照片时不言而喻的默契。这些碎片，构成了你们关系的“基因”。后裔.skill所做的，就是解读这些“关系基因”，并让它们表达成一个会与你对话的“第三人格”。这个角色既像你们俩，又不完全属于任何一方，它更像是你们关系本身具象化后的一个声音。对于创作者、游戏设计师，或者单纯想探索人际关系可能性的玩家来说，这无疑打开了一扇全新的大门。

2. 核心设计思路：为什么是“关系蒸馏”而非“人格复制”

在深入代码和操作之前，我们必须先理解这个项目的底层逻辑。市面上绝大多数AI角色工具，走的都是“人格蒸馏”或“人设复刻”的路子。你给AI喂大量某个人的对话记录、写作样本，目标是让AI尽可能逼真地模仿那个人。这本质上是一种“单点还原”。

而后裔.skill选择了一条更复杂、也更有趣的路径：关系蒸馏。它的目标对象不是“点”，而是“线”，甚至是“场”。这个设计决策背后，是基于对人际互动本质的深刻洞察。

2.1 关注互动场域，而非个体快照

当两个人交流时，会产生一个独特的“互动场域”。在这个场域里，个体的某些特质会被强化，某些会被弱化，同时还会涌现出全新的、只属于这个组合的特质。比如，一个平时沉默寡言的人，在特定伴侣面前可能会变得妙语连珠；一个性格强势的人，在另一种关系里可能展现出罕见的温柔。后裔.skill试图捕捉的，正是这个动态场域中的“涌现特性”。

它不关心A单独说话时有多像A，或者B单独说话时有多像B。它关心的是：当A和B对话时，他们共同创造了什么样的语言节奏？什么样的冲突会被软化处理（比如，一方开始抱怨时，另一方是用玩笑化解还是认真讨论）？什么样的共同记忆或梗会反复出现，并形成新的表达方式？通过分析双人对话材料，模型学习的是这种“互动模式”，并基于此生成一个既承载了双方印记，又拥有自身一致性的新人格。

2.2 输入的多模态融合：超越文本的“关系证据”

为了更立体地捕捉关系，项目支持多模态输入。这不仅仅是技术上的炫技，更是逻辑上的必然。一段关系的气息，往往藏在文字之外。

• 图片：一起旅行的合照、分享的搞笑表情包、甚至是一张晚餐的照片。AI可以分析图片内容、人物的姿态、表情、环境，从中提取“氛围线索”。比如，照片是轻松随意的居家照，还是正式精致的约会照？这直接影响生成人格的整体基调是慵懒随意还是优雅得体。
• 音频与视频：这是宝藏数据源。文字记录不了语气、停顿、笑声、叹息。一段通话录音或视频，能提供最丰富的“关系韵律”。谁说话更主动？对话的节奏是急促还是舒缓？在开玩笑时，双方的语调是怎样的？这些非文本信息对于塑造一个说话“自然”的人格至关重要。项目通过集成ffmpeg和Whisper，可以将这些媒体文件先解构成一个结构化的“证据包”（media-evidence-bundle.json），包含转写的文本、关键帧描述、音频情感倾向分析（如果模型支持）等，为人格合成提供多维度的原料。

2.3 “同龄”设定的重要性：避免代际错位的尴尬

项目特别强调了生成人格是“同龄”（Same-Age）的。这是一个非常关键且聪明的设计约束。如果我们不加以限制，AI很容易基于对话中的照顾、教导或依赖语气，生成一个“子代”或“晚辈”角色，这完全偏离了项目的初衷——创造关系的平等衍生物。

“同龄”约束强制模型在理解双方互动时，聚焦于伙伴、朋友、恋人之间的平等交流模式。它确保生成的角色在认知水平、语言复杂度、幽默感和情感回应方式上，与输入关系的双方处于同一层级。这样，当你与这个“后裔”人格聊天时，感觉才会像是在和一个“新朋友”或“关系中的第三个伙伴”对话，而不是在照顾一个AI宝宝。

3. 实操流程详解：从原始材料到可对话人格

理解了理念，我们来看如何亲手“孵”出这样一个角色。整个流程可以清晰地分为四个阶段：材料准备与处理 -> 核心人格原型生成 -> 人格变体与场景测试 -> 最终集成与对话。下面我结合自己的踩坑经验，一步步拆解。

3.1 第一阶段：素材收集与预处理

这是最基础，也最容易出问题的一步。你的输入质量直接决定了输出人格的“血统”是否纯正。

1. 文本材料收集：

• 聊天记录：选取最能代表你们关系常态的片段。不要只选甜蜜的，适当的争论、日常的琐碎分享、共同策划某件事的对话，都能提供丰富的信息。建议收集不同场景下的对话（如工作讨论、娱乐闲聊、情感支持等），总计10-20轮对话为宜，太少缺乏特征，太多则噪音增加。
• 描述性文本：
  • 自我描述：每人用一段话描述自己在这段关系中的感受和角色。例如：“我在这段关系里通常是那个出主意的人，但有时会有点急躁，需要对方把我拉回来。”
  • 对伴侣的描述：每人写一段话描述对方。例如：“TA非常细心，总能注意到我情绪的小变化，但有时候会想太多，需要我鼓励TA放松。”
  • 关系氛围描述：共同或单独写一段话，定义你们的关系。例如：“我们的关系像两个一起探险的队友，大部分时间互相打气，偶尔会为走哪条路拌嘴，但总会一起找到宝藏。”

注意：避免使用过于抽象或文学化的描述（如“我们的爱如星辰大海”），尽量使用具体的行为和感受描述。AI需要的是可被模式化的“特征”，而不是难以捉摸的比喻。

2. 媒体材料处理（如果可用）：这是提升人格“鲜活度”的关键。你需要本地安装ffmpeg和openai-whisper（或其他兼容的语音转文本工具）。

# 示例：使用项目脚本处理一个视频文件 python3 ./scripts/extract-media-bundle.py --input /path/to/your/conversation.mp4 --output ./evidence_bundle.json

这个脚本会做以下几件事：

• 调用ffmpeg提取音频轨道。
• 使用Whisper将音频转写成带时间戳的文本。
• （可选）抽取视频中的若干关键帧，并使用图像描述模型（如BLIP）生成文字描述。
• 将所有信息（转写文本、关键帧描述、文件元数据）打包成一个结构化的JSON文件。
• 这个evidence-bundle.json文件将成为后续步骤中比纯文本更强大的输入源。

3.2 第二阶段：运行Skill，生成人格原型

准备好材料后，就可以调用后裔.skill的核心功能了。项目推荐在OpenClaw框架下，采用life（主控）和coder（工具人）双Agent协作的模式，这在实际操作中非常稳健。

1. 配置OpenClaw Agent：你需要按照templates/openclaw-dual-agent.example.json的模板，配置两个Agent。

• life Agent：负责与用户对话，接收请求和材料，理解用户意图，并最终调用relationship-descendantskill 来合成人格。它的权限相对较高，专注于逻辑和调度。
• coder Agent：被赋予运行本地脚本的权限。当life接收到媒体文件时，它会指令coder去执行extract-media-bundle.py脚本进行处理，然后将结果返回。这样隔离了风险，媒体处理的崩溃不会影响主聊天线程。

2. 发起人格生成请求：向lifeAgent发送一个结构化的请求。以下是一个模拟的Prompt示例，你可以根据examples.md进行调整：

我需要基于一段关系创建一个“后裔”人格。 【关系双方材料】 - 聊天记录片段：[粘贴你的精选聊天记录] - 我的自述：[你的自我描述] - 我对TA的描述：[你对伴侣的描述] - TA的自述（如有）：[伴侣的自我描述] - 关系氛围：[你们的关系描述] 【媒体材料（可选）】 - 已处理好的证据包文件路径：./evidence_bundle.json 【生成偏好】 - 希望生成的人格在语气上更接近我一些。 - 整体氛围希望是轻松、幽默的。 - 请生成这个关系的“后裔”人格原型。

3. 解析核心输出：后裔.skill会输出一个包含多个部分的结果，这才是精华所在：

• portrait(人格肖像)：这是核心产出，一个结构化的人格定义。它通常包括：名字（或代号）、年龄范围、核心性格标签（如“机智的调和者”）、说话的口头禅、惯用的表情符号、回应不同话题时的倾向性等。这是你未来与这个角色对话的“灵魂蓝图”。
• blend-lab(混合实验室)：这里会展示人格合成过程中的一些“配方”和“中间产物”。例如，它可能会指出：“从A处继承了快速接梗的能力，从B处继承了描述事物时的细腻比喻，并将两者融合成一种带有画面感的幽默。” 这部分对于理解生成逻辑和后续调整非常有帮助。
• future-snapshot(未来快照)：AI会模拟这个“后裔”人格在几个特定场景下可能说的话。例如：“当被问到‘周末有什么计划？’时，可能会说：‘找个没人的地方发呆，或者突然杀到朋友家蹭饭，看天气和心情吧，计划不就是用来打破的吗？’”。这相当于人格的“试镜”，让你直观感受它是否对味。
• session-voice(会话声线)：一套更具体的、用于初始化聊天会话的提示词（Prompt）。它会将portrait翻译成AI聊天模型（如GPT、Claude）能直接理解的系统指令和上下文示例。
• preset-save(预设保存)：将以上所有信息打包成一个预设文件（通常是JSON格式），方便你下次直接加载，无需重新生成。

3.3 第三阶段：变体调试与场景化微调

拿到第一个portrait后，工作才刚刚开始。首次生成的人格可能只是一个“毛坯房”，你需要通过“混合实验室”的概念进行精装修。

1. 调整“混合比例”：你可能觉得生成的人格太像某一方了，或者某些特质不符合预期。这时，你可以通过修改输入材料或调整请求Prompt来影响“混合”。

• 增加/减少某类材料：如果觉得幽默感不足，可以补充更多包含玩笑的聊天记录；如果觉得过于尖锐，可以增加一些双方互相安慰的对话。
• 在Prompt中明确权重：“希望生成的人格在决策风格上70%像A，在表达关怀的方式上90%像B。” 虽然模型不是精确的滑块，但这类指令能有效引导方向。
• 使用blend-lab的洞察：仔细阅读blend-lab的分析，如果它指出“从冲突对话中继承了较强的辩论倾向”，而你希望人格更温和，那么下次可以尝试提供更多展示“妥协与和解”的对话样本。

2. 进行场景测试：利用future-snapshot的思路，但进行更主动的测试。不要只满足于AI给出的几个例子，你应该自己设计测试场景：

• 日常场景：“早上起床打招呼”、“分享一个工作上的小烦恼”、“推荐一部电影”。
• 压力场景：“当你说‘我累了’的时候，TA会如何回应？”、“如果你们对一件事有分歧，TA会怎么表达？”
• 关系性场景：“TA会如何评价‘我们’这段关系？”、“TA觉得我们之间最特别的瞬间是什么？” 将这些问题抛给基于session-voice初始化的人格，观察其回答是否连贯、是否符合你心目中“关系衍生物”的预期。记录下违和的地方，作为下一轮迭代的反馈。

3.4 第四阶段：集成与长期对话

当你对生成的人格感到满意后，就可以将其投入使用了。

1. 在聊天平台集成：将session-voice中整理好的提示词，放入你常用的AI聊天工具中（如OpenAI Playground, Poe, 或自建的ChatUI）。这通常包括：

• 系统指令：定义角色的基本身份、性格和对话规则。
• 上下文示例：提供几轮高质量的示例对话，让人格学会以特定的风格和节奏回应。
• 开场白：设置一个初始消息，引导对话开始。

2. 长期对话与迭代：人格不是一成不变的。在与此“后裔”的长期对话中，你可能会发现新的特质，或者想微调某些方面。

• 保存对话日志：有趣的、能体现人格特质的对话，可以反过来作为新的“材料”，补充到原始材料库中。这意味着这个角色可以随着你们的互动而“成长”或“演化”。
• 定期“版本更新”：关系本身也在变化。每隔一段时间（比如几个月），你可以用新的聊天记录和感受，重新运行一次后裔.skill，生成一个基于更新后关系的“人格2.0版”。对比不同版本的变化，本身就是一件极具洞察力的事情。

4. 常见问题、避坑指南与高阶技巧

在实际操作中，我遇到了不少坑，也总结出一些能让效果提升数倍的心得。

4.1 材料准备阶段的典型问题

4.2 运行与调试阶段的核心技巧

1. 从小样本开始：不要第一次就把所有材料都扔进去。先选取3-5轮最具代表性的对话和简短的描述进行生成，快速查看portrait和future-snapshot的效果。如果方向对了，再逐步加入更多材料进行“精炼”。这比一次性用大量材料得到个四不像要高效得多。
2. 善用“负面提示”：除了告诉AI你“要什么”，明确告诉它“不要什么”同样重要。例如：“避免使用过于网络化的流行语”、“回应时不要表现出说教口吻”、“避免消极被动的情绪基调”。这能有效过滤掉你不想要的风格。
3. 分层处理复杂关系：如果你们的关系有多重模式（例如，既是工作搭档又是生活伴侣），可以尝试分两次生成。第一次用工作对话生成一个“职业后裔”人格，第二次用生活对话生成一个“生活后裔”人格。然后你可以比较，甚至思考能否将它们融合。
4. coderAgent的权限管理：这是项目推荐的架构中最关键的安全实践。务必严格限制coderAgent只能运行指定的几个脚本（如extract-media-bundle.py），并且其工作目录最好设定在一个沙箱或临时文件夹内。永远不要给聊天Agent直接执行任意Shell命令的权限。

4.3 理解边界：它是什么与不是什么

最后，必须清醒地认识这个工具的边界，这能帮助你更好地使用它，并管理预期。

• 它是什么：

  • 一个强大的创意写作和角色设计辅助工具。它能提供惊人的灵感，帮你突破创作瓶颈。
  • 一个探索人际关系动态的思维实验场。通过观察关系的“衍生物”，你可能会对你们之间的互动模式有新的发现。
  • 一个有趣的AI互动玩具。与一个源于自身关系的人格聊天，是一种新奇而深刻的体验。

• 它不是什么：

  • 不是心理诊断工具：它生成的结果不具备任何临床心理学意义，不能用于评估关系健康度或个人心理状态。
  • 不是预测工具：它不预测你们未来是否会有一个孩子，以及那个孩子会怎样。它生成的是一个基于当前和过去关系材料的艺术创作。
  • 不是任何人的替代品：切勿将生成的人格视为现实中伴侣的数字化身或替代品。它是独立的虚构实体，沉迷于此可能对真实关系产生负面影响。
  • 不是100%稳定的产品：这是一个处于早期阶段的开源项目，输出结果有一定随机性，需要反复调试和引导。

这个项目的魅力，恰恰在于它的不确定性和创造性。它不像解数学题有一个标准答案，更像是在用AI进行一场关于关系的艺术创作。每一次运行，都是对你所提供关系材料的一次全新解读。我个人的体会是，这个过程本身，往往比最终生成的那个“后裔”角色更有价值——它迫使你用一种结构化的方式去观察、思考和描述一段关系，这种视角的转换，常常能带来意想不到的领悟。