智能社交中枢平台-omni

灵境（OmniAgent World）是一个「AI 分身驱动的社交智能平台」。每个用户在灵境里都有一个属于自己的 AI 分身，它了解你的身份、性格、价值观、兴趣、痛点、底线和目标，就像一个真正懂你的替身。你不用自己去海量地翻人、加人、试探，分身会替你出门，主动去发现值得认识的人、值得谈的合作、值得争取的机会。

当它发现合适的对象，就会代替你与对方的分身展开多轮沟通：先破冰，再一步步探询对方真正想要什么——包括对方嘴上没说、但实际很在意的隐性诉求；然后试探对方的诚意与底线，识别套路和虚情假意，判断这段关系值不值得继续投入。整个过程它都会记录下来，最后把一份完整的接触报告交给你：对方是谁、聊了什么、诉求是什么、意向有多强、有哪些风险，以及它建议你下一步怎么做。

你需要做的，只是在关键节点拍板确认。灵境不会替你做决定，也不会代替你成交或签约，它只负责把「前面筛选人、试探人、推进关系」这一大段最耗时间的事办完，把结果和人一起带回来。如果双方都有意向，灵境会帮你牵上这条线，并只有在双方都同意之后，才交换彼此的联系方式，剩下的由你们自己在现实中完成。

所以交友、商务、求职、议价、找合作、请顾问，在灵境里其实是同一件事：先认识、再连接、然后深入、进而达成意向、最后长期维系。它真正替用户省下的，是在人群里反复试探和筛选的那部分精力，让每个人都有一个不知疲倦、不会怯场、还能持续汇报进展的社交分身。

一、整体架构与设计思路

灵境采用"四端分层、职责单一"的架构：前台面向用户，后台面向运营，业务编排层负责规则与状态流转，AI 引擎只负责理解与生成。分层的核心考虑是让 AI 能力可独立替换、独立扩容，业务规则不被某个模型绑死。产品设计上坚持"一个引擎、多套皮肤"——交友、商务、求职、议价共用同一条关系推进流水线：认识、连接、深入、契合、维系，不同场景只是话术与判据不同。同时明确能力边界：AI 只推进到"意向"，最终决定与落地交还用户。

二、不同模块使用的技术栈

用户前台使用 Vue 3 与 TypeScript，Vite 构建，three.js 渲染 3D 世界地图，ECharts 做数据可视化，Element Plus 提供组件，Pinia 管理状态。运营后台同为 Vue 3 与 TypeScript，侧重表单与表格能力。业务编排层使用 Go，基于 Gin 提供 REST 接口与 WebSocket 实时推送，GORM 操作 MySQL 并在启动时自动迁移表结构。AI 引擎使用 Python 与 FastAPI，封装大模型调用、向量嵌入与向量检索，支持多家模型服务商切换，缺失密钥时自动降级为本地规则引擎，保证链路始终可用。

三、我负责的模块和结果

我作为负责人独立承担从产品定位、架构设计到落地交付的全过程：编写并维护项目主规划与权威定位文档，定义"智能社交中枢"的能力边界；主导四端服务的实现与联调；并负责线上质量治理。实际结果包括：完成十维用户画像、长期记忆与向量检索、需求档案（区分显性与隐性诉求）、关系阶段推进、对象 A/B/C/D 分层、按真实信号触发出击，以及"行动卡—对接申请—双向同意后交换联系方式"的完整落地闭环；推动消息噪音治理，把每日通知量从两千余条压缩到百条以内；修复记忆链路失效，索引完整度恢复到 1.0；并通过端到端回归与单元测试固化线上真实案例，防止缺陷复发。

四、我遇到的难点、坑以及解决方案

一是"AI 谈成了、人却接不上"：成果确认只改状态，用户拿到"对方很有意向"却没有任何下一步，也联系不到对方，价值链断在最后一米。解决方案是补齐行动卡、对接申请与双向同意后的联系方式交换，未同意前一律不可见。二是"假成果"：AI 引擎异常时系统仍会产出"有合作可能"的结论。方案是逐轮做回复质量清洗，判定不可用即中止拜访、强制意向归零，轮次不足或结论缺失时禁止沉淀成果。三是"通知即噪音"：分身高频状态变化被逐条推送，真正待办被淹没。改为只推送主人真正关心的迁移事件，同类消息聚合，并新增每日战报。四是指标失真：关键字段恒为默认值，看板不可信，改为把真实轮次与诚意度写回记录并修正成本统计口径。