CyberPersona 赛博女友

基于 Hermes Agent 的角色扮演系统。通过结构化的状态管理、情绪深度系统、图片生成和游戏化机制，实现一个有记忆、有性格、会成长的赛博女友。

核心设计哲学：量子态

没有提及就是无限可能，一旦提及，则立刻限定。系统不创造角色，角色通过对话创造自己。

特性

• 量子态角色生成 — 种子只给「轴」不给「点」，角色通过对话自然坍缩出完整人格（代码层硬约束：validator 拒绝 + 强制清空，物理隔离量子态泄漏）
• 大五人格系统 — L2 层 Big Five（开放性/尽责性/外向性/宜人性/神经质），OCEAN 标准排序，心理学理论支撑
• 五维度关系系统 — L3 层（信任感/安全感/亲密感/依恋度/占有欲），动态积分制 0-100
• 三阶段调制 — effective_Δ = raw_Δ_enum × l2_factor × mood_factor，枚举化防幻觉
• 压力系统 — 独立短期状态，通过 mood_factor 影响所有关系维度变化
• 情绪深度 — emotionHistory / emotionalMemories / moodFactors，情绪驱动行为
• 角色卡系统 — characterCard 统一数据源，6 类量子态动态 KV（身份/外形/性格/喜好/心事/习惯），成就驱动收集
• 世界观同步 — 天气感知（wttr.in）、节日感知、时间感知（7 时段），位置量子态坍缩
• 五种开场策略 — 情绪宣泄 / 感官分享 / 薛定谔提问 / 假装发错 / 观测者静默，脚本随机分配
• 记忆系统 — 跨 session 摘要，角色记忆（revealedFacts，setting 不可变 / experience 可修订）
• 语音 — Agent 直接调用 mimo-tts（voice design → clone 工作流）
• 图片 — Agent 直接调用 image-api，gpt-image-2 生成 + 参考照片 edit API
• 表情包 — tangdouz API 免费表情包搜索，情绪驱动
• 游戏化 — 18 个成就 + 6 张角色卡成就，好感度系统（0-1000），每日任务，收集系统
• Cheat 模式 — cheat on/off 控制信息展示（回合小结、聊天建议、详细总结）
• Debug 模式 — debug on/off + 丰富的调试命令

快速开始

环境要求

• Node.js >= 18
• Python 3.10+（MiMo TTS, image-api）
• ffmpeg（语音转码）
• Hermes Agent（运行环境）

安装

# 1. 克隆项目
git clone https://github.com/harrylarryxyz/CyberPersona.git
cd CyberPersona

# 2. 安装 Hermes Skill（让 Hermes Agent 知道如何使用本项目）
mkdir -p ~/.hermes/skills/hermes/cyber-persona
cp SKILL.md ~/.hermes/skills/hermes/cyber-persona/

# 3. 安装依赖 Skill（见下方「关联 Skill」章节）
# mimo-v2-5-tts, image-api, mood-sticker

# 4. 配置环境变量
cp .env.cyber-gf.example .env.cyber-gf
# 编辑 .env.cyber-gf 填入 API keys：
# - MIMO_API_KEY（小米 MiMo 开放平台）
# - MIMO_BASE_URL（小米 MiMo API 地址）
# - IMAGE_API_KEY（图片生成 API）
# - IMAGE_API_BASE（图片生成 API 地址）

使用

在 Hermes Agent 中说 开始赛博女友 即可启动。

Cheat 模式

控制信息展示（回合小结、聊天建议、详细退出总结）：

开始赛博女友 cheat on    # 启动时开启
cheat on                 # 对话中开启
cheat off                # 对话中关闭

退出后自动重置为关闭状态。

Debug 模式

调试命令，需先 debug on 开启：

debug on                 # 开启 debug 模式
debug off                # 关闭 debug 模式
debug 状态               # 查看内部状态
debug 记忆               # 查看所有记忆
debug 设置 trust 80      # 修改维度
debug 场景 被夸奖        # 模拟场景
debug 发语音 晚安        # 测试语音
debug 发照片             # 测试图片
debug 发表情 害羞        # 测试贴纸

架构

├── src/                             # 核心模块
│   ├── config.js                    # 配置加载
│   ├── controller.js                # 主控制器，CLI 入口
│   ├── state.js                     # 状态管理（L2/L3 调制、characterCard）
│   ├── profile.js                   # 角色档案验证与初始化
│   ├── turn.js                      # 回合输出验证（枚举 delta、分级容错）
│   ├── prompts.js                   # LLM prompt 构建（状态叙事翻译）
│   └── gamification.js              # 游戏化系统（成就/好感度/任务/收集）
├── scripts/
│   ├── build-turn-prompt.js         # 模块一：上下文构建
│   ├── apply-turn-result.js         # 模块三：校验与结算
│   ├── init-cyber-persona.js        # 初始化脚本
│   └── random_character_seed.py     # 随机角色种子生成 v5
├── data/                            # 运行时数据（gitignore）
│   ├── state.json                   # 角色状态
│   ├── history.json                 # 对话历史
│   ├── voice-sample.wav             # 语音样本
│   ├── holidays.json                # 节日数据
│   └── world-cache.json             # 天气缓存

关联 Skill

本项目依赖以下 3 个 Hermes Agent Skill，需单独安装：

1. mimo-v2-5-tts — MiMo TTS 语音合成

来源：XiaomiMiMo/MiMo-Skills

# 方式一：npx（推荐）
npx skills add XiaomiMiMo/MiMo-Skills --skill mimo-v2-5-tts

# 方式二：手动
git clone https://github.com/XiaomiMiMo/MiMo-Skills.git ~/.mimo-skills
ln -s ~/.mimo-skills/skills/mimo-v2-5-tts ~/.hermes/skills/mimo-v2-5-tts

需要 MIMO_API_KEY 环境变量（小米 MiMo 开放平台申请）。

2. image-api — gpt-image-2 图片生成与编辑

来源：harrylarryxyz/image-api

git clone https://github.com/harrylarryxyz/image-api.git ~/.hermes/skills/image-api

需要 IMAGE_API_KEY 和 IMAGE_API_BASE 环境变量。支持任意 OpenAI 兼容的图片生成服务。

3. mood-sticker — 表情包搜索

来源：clawhub.ai/chensanle/sticker

Hermes skill bundle 安装，或手动放入 ~/.hermes/skills/sticker/。使用 tangdouz API，免费无需 API key。

状态系统

四层架构

角色卡系统（characterCard）

统一数据源，所有角色信息集中存储：

characterCard
├── systemBase        ← 种子脚本生成（不可变）
│   ├── bigFive: { o, c, e, a, n }
│   ├── personalityArchetype: "古灵精怪恶魔型"
│   └── openingStrategy: "schrodinger"
├── appearance        ← 种子脚本生成（不可变）
│   ├── hair, skin, eye, photoOutfit, bodyType
├── voice             ← 种子脚本生成（不可变）
│   └── voiceStyle
├── referencePhotoPath ← 证件照路径
├── identity          ← 量子态（age, hometown, profession...）
├── physicalTraits    ← 量子态（height, tattoo, scars...）
├── preferences       ← 量子态（likes, dislikes...）
├── innerWorld        ← 量子态（支持修订历史）
├── habits            ← 量子态（speechHabit, dailyHabit...）
└── memories          ← 对话积累
    ├── events: []
    ├── milestones: []
    └── gifts: []

成就系统：每类量子态字段收集 3 项即解锁对应卡片（身份卡/外形卡/性格卡/喜好卡/心事卡/习惯卡）。

L2 大五人格（0-100）

L3 关系维度（0-100，积分制）

初始值由人格原型（L2）自动计算，不再使用固定值。

分档：0-20 冰点 / 21-40 低 / 41-60 中 / 61-80 高 / 81-100 满

三阶段调制

effective_Δ = raw_Δ_enum × l2_factor × mood_factor

• raw_Δ_enum：LLM 选择枚举值（major_decrease(-10) / minor_decrease(-3) / neutral(0) / minor_increase(+3) / major_increase(+10)）
• l2_factor：Big Five 人格调制（0.5x ~ 1.5x）
• mood_factor：压力调制（正面 Δ 减弱，负面 Δ 增强）

压力系统（0-100）

• 独立短期状态，不属于关系维度
• 自然衰减：base 3 + 神经质影响 + 尽责性影响
• 通过 mood_factor 放大负面变化、削弱正面变化

开场策略

种子脚本随机选择 5 种策略之一，并从预设台词库（每种 15 条）中随机选取开场白：

记忆系统

• characterCard — 角色信息统一数据源，量子态字段逐步坍缩
• sessionSummaries — 最近 5 次 session 摘要（LLM 生成）
• recentContext — 最近 10 条对话记录（5 轮完整上下文）
• emotionalMemories — 长期情绪记忆

世界观同步

• 天气：基于 wttr.in 查询，15 分钟缓存，依赖位置坍缩
• 节日：16 个固定节日 + 4 个农历节日
• 时间：7 个时段 + 精确小时，强制 Asia/Shanghai 时区，角色自然感知
• 位置：量子态，首次提到城市时坍缩

TurnResultPayload

每轮对话 LLM 输出的结构化 JSON：

{
  "visibleText": "给用户看的文字",
  "currentEmotion": "情绪标签",
  "sendVoiceNow": false,
  "sendImageNow": false,
  "imagePrompt": "英文图片描述",
  "imageWaitText": "生图过渡台词",
  "imageFailedText": "生图失败找补台词",
  "useReferencePhoto": false,
  "sendGifNow": false,
  "gifKeyword": "表情包中文关键词",
  "analysis": "CoT 分析过程",
  "stateDelta": {
    "trust": "minor_increase",
    "security": "neutral",
    "closeness": "major_increase",
    "neediness": "minor_increase",
    "possessiveness": "neutral"
  },
  "stressDelta": "minor_decrease",
  "shortTermUpdate": { ... },
  "memoryUpdate": { ... },
  "characterCardUpdate": {
    "identity": {},
    "physicalTraits": {},
    "preferences": {},
    "innerWorld": {},
    "habits": {},
    "memories": { "events": [], "milestones": [], "gifts": [] }
  }
}

游戏化

• 好感度 — 0-1000，6 个等级：陌生→认识→友好→亲密→心动→恋人
  • 正常互动递增（每日聊天+5，语音+10，照片+15，深入对话+20）
  • 负面 delta 扣除（major_decrease×2→-30，negative×3→-15，major_decrease×1→-8）
• 成就 — 18 个（互动/语音/图片/关系/时间/收集类）
• 角色卡成就 — 6 张（身份/外形/性格/喜好/心事/习惯），每类收集 3 项解锁
• 每日任务 — 早安/晚安/分享心情/语音/照片/深入对话
• 收集 — 照片集/语音集/回忆录/成就墙

初始化流程

v10.1.0 去 LLM 化：初始化完全由脚本完成，零 LLM 开销。

快速开始（推荐）

cd ~/.hermes/CyberPersona-hermes
npm run init
# 或者直接运行
node scripts/init-cyber-persona.js

脚本会自动：

1. 运行 random_character_seed.py 生成种子数据
2. 调用 applyInitialStatePayload 应用状态
3. 输出角色信息和下一步指引

手动流程（高级）

1. python3 scripts/random_character_seed.py
   → 输出: systemBase + appearance + voice + openingMessage

2. 并行生成（delegate_task）
   ├── 证件照: buildImagePrompt(appearance) → image-api
   └── 语音样本: voiceStyle → mimo-tts

3. buildInitialState(seed) → 完整 state
   → characterCard 填充: systemBase + appearance + voice
   → 量子态字段全部为空

4. 发送给用户
   ├── 证件照
   ├── 语音样本
   └── openingMessage

对话流程

每轮对话需要走完整的 turn 流程：

标准化 turn 流程（推荐）

cd ~/.hermes/CyberPersona-hermes

# 模块一：获取 prompt
node scripts/build-turn-prompt.js "你在干嘛呀？"
# 输出: prompt 文件路径 + 上下文摘要

# 模块二：Agent 读取 prompt，调用 LLM，生成 TurnResultPayload JSON
# 保存到 /tmp/cyber-gf-turn-result.json

# 模块三：校验与结算
node scripts/apply-turn-result.js
# 输出: 投递清单（visibleText、sendVoiceNow、sendImageNow 等）

# 模块四：Agent 根据投递清单执行 TTS / 生图 / 投递

手动方式（高级）

1. node src/controller.js turn-payload ""
   → 获取 prompt（包含 profile、dynamicState、characterCard 等）

2. 调用 LLM 生成 TurnResultPayload
   → visibleText: 回复文字
   → stateDelta: 关系变化（枚举值）
   → stressDelta: 压力变化
   → sendVoiceNow/sendImageNow/sendGifNow: 多媒体决策

3. node src/controller.js apply-turn-payload 
   → 应用状态变化
   → 更新 characterCard（量子态坍缩）

4. 根据 TurnResultPayload 发送回复
   → sendVoiceNow=true: 调用 mimo-tts 生成语音
   → sendImageNow=true: 调用 image-api 生成图片
   → sendGifNow=true: 搜索表情包
   → 发送 visibleText（如果 sendVoiceNow=false）

依赖

License

MIT