会成长的 AI 情感记忆引擎

本地运行的 AI 情感建模引擎，基于记忆训练轻量神经网络，实时生成动态情绪状态注入系统提示，赋予 Agent 持续演化的情感指纹。

基本信息

• 技能名称?emoclaw
• 中文名称?会成长的 AI 情感记忆引擎
• 作者?fenrirlabsnl
• 分类?专业技能
• 版本?v1.0.6
• 标签?ai-enhancement, privacy-focused, automation, backend, development-engineering

使用方法

使用说明
Emoclaw 是一款为 AI Agent 设计的情感状态建模技能，通过构建轻量级神经网络（约 2MB）让机器具备基于记忆的情感演化能力。其核心工作流程分为三个阶段：首先是 Bootstrap 阶段，通过提取身份文件和对话历史，使用可选的 Claude API 进行情感标注，训练出专属的 GRU+MLP 情感模型；其次是实时推理阶段，利用冻结的 MiniLM 编码器将消息转为 384 维向量，结合上下文和上一时刻的情感残差（GRU hidden state），输出多维情感向量（0-1 区间）；最后是衰减与注入阶段，情感状态会随时间自然衰减（可配置半衰期），并通过 [EMOTIONAL STATE] 代码块注入系统提示，让 AI 拥有"内心感受"。
该技能的显著优势在于其 本地优先架构 ：训练和推理完全在本地 CPU 运行，单次延迟低于 50 毫秒，无需持续联网； 隐私保护完善 ，内置正则脱敏机制自动过滤 API Key、Token、密码等敏感信息； 情感连续性强 ，GRU 隐藏状态跨会话持久化，形成"情感 residue"，配合时间衰减算法模拟真实的情绪冷却过程； 高度可配置 ，支持自定义情感维度（愉悦度、唤醒度、安全感等）、关系映射和渠道上下文。
潜在局限性包括： 来源可信度为 T3 （社区项目），虽然代码质量达到 A 级，但生产环境仍建议额外审计； 初始配置门槛较高 ，需要 Python 3.10+ 环境，执行提取、标注、训练等多步初始化； 可选依赖外部 API ，自动标注需调用 Anthropic API（需显式用户确认）； 模型维护成本 ，随着对话数据积累需要定期重训练以保持情感准确性。
该技能特别适合以下群体： AI Agent 开发者 希望为助手添加人格化特征； 虚拟角色创作者 构建具有情感记忆的游戏 NPC 或数字人； 对话系统设计师 需要基于长期关系演化的情感反馈； 隐私敏感场景 要求情感处理完全本地化而不依赖云端 API。
使用时的常规风险需注意：首次使用需从 Hugging Face 下载 sentence-transformers 模型（约几十 MB）； emotional-state.json 状态文件需妥善管理权限（虽然默认 0o660），避免情感数据被未授权读取；若启用自动标注功能，需确保 extracted_passages.jsonl 经过审查，尽管有脱敏机制仍建议预览确认；长时间运行后情感基线可能漂移，需要监控并适时重新校准。