GOASS情感助手

2501_94182732

237人浏览 · 2026-07-13 10:16:15

2501_94182732 · 2026-07-13 10:16:15 发布

一、核心修正逻辑总纲

原流程致命缺陷：先大模型重运算，再轻量提取，高token、高延迟、数据来源错乱；
标准工业链路：原始文本→轻量参数提取（结构化）→大模型深度分析→分支分流→话术生成→AR提示→输出
优势：前置轻量化过滤，大幅减少大模型输入token，适配眼镜实时对话低时延需求。

二、完整串行链路（唯一主线，无并行乱支路）

1. 开始节点（统一唯一入口）

输入：眼镜拾音转写原始对话文本 user_message、历史对话上下文 conversation_analysis
输出：原始对话文本向下传递，所有节点只从主线取数据，杜绝多支路并行冲突

2. 节点1：前置参数提取（全流程第一个AI节点，轻量化）

输入：开始节点输出的原始对话文本 user_message
提取字段（一次性输出结构化JSON）：
scene（对话场景：夫妻/亲子/亲友）
speaker（说话身份：本人/伴侣/孩子）
surface_meaning（表层表达诉求）
hidden_need（底层心理需求）
conflict_score（冲突分值 0~100）
功能：纯文本结构化拆解，不做深度情绪推理，算力消耗极低，实现毫秒级预处理
输出：完整结构化JSON，向下输送给家庭分析模型

3. 节点2：家庭情绪分析大模型

输入：参数提取全部5个结构化字段 + 原始对话文本
提示词定位：家庭关系心理分析师，基于结构化数据识别情绪
输出JSON字段：
emotion_result = {emotion情绪、intensity强度、reason矛盾根源}
配套：JSON反序列化 + 变量存储 emotion_result，统一供给下游所有节点
解决原问题：不再并行单独情绪支路，数据全部来自主线，不会出现变量缓存错乱

4. 节点3：分支判断（分流核心）

判断条件：conflict_score > 60

• 如果（高冲突）：流向【冲突降温助手】

• 否则（低冲突/平和聊天）：流向【亲密增强助手】
两条分支独立，互不干扰

5. 分支后统一处理层

冲突降温助手 / 亲密增强助手输出话术JSON → JSON反序列化 → 临时变量
两路变量同时汇入爱的翻译官
爱的翻译官输入：对话结构化数据+原始话术方案
输出：warm_sentence（单句温和口语沟通话术）

6. AR眼镜提示生成层

眼镜提示助手输入：emotion_result（情绪）+ warm_sentence（沟通话术）
输出：glass_hint（适配AR小屏极简行为提示，短句无冗余）

7. 结束输出节点

输入源：前置参数提取5个字段、emotion_result、warm_sentence、glass_hint
界面格式化展示，输出标准化文本给眼镜端渲染

三、废弃原有错误结构

1. 删除独立并行情绪识别支路，所有数据走主线，消除并行执行、变量覆盖问题

2. 删除“家庭分析先跑、后提取参数”的倒置链路

3. 取消全局变量直连节点，所有输入统一取自上游节点输出，规避缓存旧数据、话术固定不变问题

四、各节点标准化提示词（配套新流程）

1）前置参数提取（轻量化）

你是文本结构化提取工具，接收一段家庭对话，仅输出JSON，无多余文字。
字段规则：
scene：仅填写夫妻/亲子/亲友三选一
speaker：本人/伴侣/孩子
surface_meaning：概括对方表面说的诉求，20字内
hidden_need：对方内心真实渴望，20字内
conflict_score：0-100，争吵指责高分，平和闲聊低分
{"scene":"","speaker":"","surface_meaning":"","hidden_need":"","conflict_score":数值}
2）家庭情绪分析大模型

你是家庭情绪分析师，输入对话结构化信息，输出对方完整情绪判断。
输出JSON格式，仅返回JSON：
{
"emotion":"情绪名称（委屈/烦躁/失落/平和等）",
"intensity":"高/中/低",
"reason":"产生该情绪的核心原因，简短描述"
}

3）冲突降温助手（conflict_score>60执行）

针对高矛盾家庭对话，生成化解冲突沟通方案，只输出JSON，无多余文字。
original：用户原话负面表达
reply：温和退让式沟通短句
reason：冲突根源解析
{"original":"","reply":"","reason":""}
4）亲密增强助手（conflict_score≤60执行）

低冲突日常对话，生成拉近关系温柔沟通方案，只输出JSON，无多余文字。
original：用户原本表达
reply：柔软共情沟通短句
reason：对方潜在情绪需求
{"original":"","reply":"","reason":""}
5）爱的翻译官

你是爱的翻译机器，结合对话场景与沟通方案，转化为一句温和自然的日常口语。
硬性要求：只输出单独一句话，无符号、无解释、无分段。

6）眼镜提示助手

根据当前情绪与沟通话术，生成适配AR智能眼镜屏幕的极简行为提示，最多3条短句，每行简短动作指引，不要客套通用话术。

五、眼镜场景技术优化方案

1. 低延迟优化核心
轻量参数提取前置，提前过滤无效文本、锁定关键字段，大模型仅处理标准化结构化数据，token消耗降低40%以上，面对面实时对话无卡顿。

2. 低打扰阈值控制
conflict_score阈值60可自定义，日常平和对话分值低，仅输出简短温馨提示，不推送长篇沟通话术，避免频繁打断家人交流。

3. 硬件端适配标准化输出
结束节点输出字段固定：场景、身份、冲突分、情绪、沟通话术、眼镜提示；
眼镜端前端可直接绑定字段渲染UI，无需二次解析JSON，降低设备算力占用。

4. 数据一致性保障
全链路单主线串行执行，不存在多节点并行读取全局变量；所有输入均取自上游实时生成数据，彻底解决话术固定、输出不变的BUG。

六、三段不同分值完整测试示例（适配新流程）

示例1 高分冲突 score=76 夫妻家务矛盾

用户输入：你下班就玩手机，家务一点不做，跟你说话只会敷衍，我天天上班做家务太累了。