当AI开始“记住你”：SentiCat 如何重塑人机关系

过去一年，AI Agent 的发展正经历一场静默却深刻的转型——从“能做什么”到“愿意为你做什么”。大模型让机器开口说话，Agent 学会执行任务，Proactive Agent 甚至能主动出击，但真正让 AI 接近“人”的，或许不是更强的算力，而是一张有温度的脸。

4 月 23 日，SentiPulse 公测产品 SentiCat，正是这一理念的落地尝试：它用 Live2D 形象的虚拟角色 SUSU 作为交互入口，背后则由“AI 小猫”执行数据分析、行业调研等生产力任务。这并非简单的“套壳美化”，而是一次对人机关系本质的重新设计。

数字人是外壳，Agent 是骨骼

在 SentiCat 的设计哲学中，SUSU 不只是个可爱的二次元形象，她是用户与系统之间的“关系接口”。初次启动时，她会引导用户完成授权、扫描环境、生成个性化画像，随后以自然语言理解需求，边对话边调度底层 Agent 执行任务。这种“前台陪伴 + 后台执行”的双层架构，让情感与效率不再割裂。

更重要的是，SentiCat 的能力边界并未被预设锁死。内建的插件市场支持一键安装，兼容外部 Skill 与 MCP 服务器，用户可像安装应用一样为 Agent 扩展能力。长期记忆模块则持续沉淀用户偏好，支持“上次聊的那个方案”这类模糊指令的精准响应——而所有记忆数据均本地存储，用户可随时查看、修改或删除。

从“用完即走”到“愿意停留”

效率工具的通病是“用完即走”：任务完成，连接即断。而 SUSU 的存在，悄然改变了这一模式。她会开心、犯困、发表情包，始终“在场”。这种持续的在场感，让用户不自觉拉长对话时长，也提升了打开动力和停留时间。

但 SentiPulse 并未止步于“陪聊”。其核心飞轮逻辑是：陪伴时间越长 → 上下文积累越丰富 → Agent 越懂你 → 执行任务越精准高效 → 你越离不开 → 陪伴时间进一步拉长。在这个闭环中，用户今天向 SUSU 倾诉的工作烦心事，会成为明天“小猫”写周报时理解项目重点、捕捉老板关切方向的上下文依据。每一次看似无目的的闲聊，都在为后续的效率输出提供信息增量。

在数据与情感上设防

“始终在线、持续积累上下文”的设定，也带来了隐私与情感依赖的双重挑战。SentiCat 的应对策略是“本地化优先”：聊天记录、个人偏好、文件资料全部存放于本地 SQLite 数据库，仅在用户主动提问时，必要内容会加密上传至云端模型。API 密钥经过加密，代码和插件在沙盒中执行，以隔离系统风险。

在情感维度，产品同样预设了边界：SUSU 不会无条件迎合，整体交互有意避免“陪聊上瘾”倾向，为关系划出一道健康的缓冲带。这种“有温度但不越界”的设计，正是长期关系建立的关键。

当技术储备遇上行业窗口

SentiPulse 能走出这一步，离不开自身的技术积累与行业成熟度的双重支撑。团队在 3D 数字人领域早有储备，包括 SUSU 角色 IP、数字人动作生成框架 SentiAvatar 和交互行为训练数据集 SuSuInterActs。更关键的是自研的 PTA 对话决策架构（Perception-Thinking-Action，感知-思考-行动），将“关系”作为工程问题求解。

在多数 AI 产品中，关系是静态标签；而在 SentiCat 中，关系是动态变量，每轮对话后更新，越聊越亲或疏离后退。“关系成长”首次成为可计算的对象。而行业时机也已成熟：从大模型基座、记忆系统再到插件市场、沙盒环境等配套工具，都已逐步走向完善。

人机关系的下一站

当前 Agent 赛道大体分化为两类角色：效率型 Agent 强在干净利落地交付结果，但用户用完即走，缺乏粘性；陪伴型 AI 角色日活和时长表现亮眼，却普遍陷入“聊天多、价值感弱、付费率低”的困境。SentiPulse 切入的正是这片中间地带——让陪伴与效率互为引擎。

贴一张二次元皮肤、说一句“主人你好”只是表象，关键在于既把事做好，又越来越懂你。SentiCat 的尝试或许只是一个雏形，但它指向了一个更本质的问题：当工具调用能力日益同质化，真正决定未来的，是哪个 Agent 能在高效完成任务的同时，随时间推移持续加深对用户的理解，建立起不可替代的伙伴关系。

标签： AI Agent 数字人 人机陪伴 SentiCat SentiPulse