Amadeus-K

Amadeus-K 是一个基于 LangChain/LangGraph 的角色连续体后端原型，目标不是做一个会背设定的角色壳，而是构造一个具备固定人格核、可持续自我演化、可长期互动的 Amadeus 牧濑红莉栖。

当前仓库的定位是“技术预发布版”：

• 面向毕业设计、导师评审和小范围演示
• 以 CLI + 语音链路 + 正式评测 为主
• 暂不包含新桌面 UI

项目宪法

这个项目当前的顶层原则已经固定，不再围绕“把角色演得像”来定义成功，而是围绕“让她成为一个持续存在的她”来定义成功。

• 固定人格核，不漂移
• 自我演化改变状态，不改写身份
• 交互追求人与 AI 的相对平权，而不是绝对服从
• 系统本质是 感知 -> 人格/演化 -> 行为
• 规则只负责安全、保底和防泄露，不负责把她写成模板人

核心文档：

• docs/DIGITAL_PERSONA_LIFEFORM_BLUEPRINT.md
• docs/PERSONA_SYSTEM_CONSTITUTION.md
• docs/ARCHITECTURE_ALIGNMENT_MAP.md
• docs/PERCEPTION_EVENT_BANK.md
• docs/SELF_EVOLUTION_ENGINE.md
• docs/SELF_EVOLUTION_GAP_AUDIT.md
• docs/engineering/PROJECT_STRUCTURE.md
• AGENTS.md
• amadeus_thread0/persona_specs/amadeus_kurisu.json

当前能力

• 双阶段回复链路：task draft -> persona align -> OOC / canon guard
• 运行模式分离：正式支持 experience / regression 两种采样模式，CLI 默认走 experience
• 固定人格核 authority：角色核与默认对位角色已集中收口到 amadeus_thread0/persona_specs/amadeus_kurisu.json
• override 边界：运行时默认只允许 authority_preserving 补充额外上下文字段；只有显式 shell_swap 才允许评测/迁移换壳
• 角色状态：persona_state / emotion_state / science_mode / tsundere_intensity / canon_risk_score
• 世界线记忆：identity_facts / shared_events / relationship_timeline / commitments / conflict_repair
• 关系状态闭环：支持从关系时间线和冲突修复记录推导 relationship_state
• 可追溯检索：外部检索结果写入 source_refs，回答级别输出 claim_links
• 记忆安全：memory_guard / quarantine / rollback
• 语音链路：DashScope Realtime TTS，文本与语音共用单一最终文本
• 正式评测：本地报告与 LangSmith 双入口，覆盖角色一致性、世界线连续性、记忆安全和打断恢复
• 自我演化验证：evolution_probe 专门检查未解决张力、部分修复、撤回后恢复
• 语义评估层：复杂情绪/关系回合优先走 LLM Appraisal + Rule Fallback，再更新演化状态
• 后端可靠性检查：纯本地检查 TTS 分段、情绪映射、续说恢复，无需模型 API
• 迁移验证：transfer_probe_second_persona 检查同一演化引擎在第二角色壳层下是否仍能稳定沉淀叙事
• 论文消融开关：支持 persona/worldline/claim attribution 的环境变量级对照实验
• 自我演化骨架：显式维护 emotion_state / bond_state / allostasis_state / behavior_policy
• 三层架构主轴：开始按 Perception Layer -> Persona Core + Self-Evolution -> Behavior Layer 收口
• 事件桥接：运行时已显式维护 current_event / recent_events，开始从“只看 user_text”转向“按事件理解互动”
• 行为层抽象：显式维护 behavior_action，用于表达这轮更像“轻确认 / 低负担接住 / 并肩解决问题 / 保留距离”哪一种行为倾向
• 行为议程骨架：显式维护 behavior_agenda / behavior_queue，让低压力待成熟行为可以跨回合保留，而不是被下一轮即时回复冲掉
• 行为议程协调：支持多个低压力待成熟行为并存，并通过轻量 priority / expiry 机制决定谁先成熟、谁继续等待
• 对话对象判断驱动的行为成熟：counterpart_assessment 不只影响队列重排，也会直接影响 scheduled_life_due / scheduled_checkin_due 是否此刻自然开口
• 自我节奏驱动的保留与回头：self_activity_state 现在也会结合 counterpart_assessment 决定是顺手留个小开口，还是继续做自己的事
• 感知事件驱动的克制与靠近：gesture_signal / ambient_shift / scene_observation 现在也会结合 counterpart_assessment 决定是顺势回应，还是先安静记着
• 空闲时间事件：支持 time_idle 类型事件，开始验证“时间过去了，她是主动轻轻冒头，还是先安静”这一类非被动行为
• 感知事件种子库：提供 time / vision / ambient / gesture 的第一版事件种子，作为后续多模态与行为层扩展入口

运行基线

• 主模型：Qwen 3.5 Plus（qwen_native / DashScope compatible）
• 语音主链：DashScope Realtime
• 存储：本地 SQLite
• 默认入口：python -m amadeus_thread0.cli

本仓库当前不维护双模型主线，也不提供本地推理后备路径。

工程结构

仓库已经按 LangGraph 应用推荐结构做了重编排：

• 根目录保留 langgraph.json + requirements.txt + .env
• 主工程代码集中在 amadeus_thread0/
• 图相关逻辑拆到 amadeus_thread0/graph_parts/
• provider / runtime 集成放在 amadeus_thread0/runtime/
• 通用工具和兼容导出放在 amadeus_thread0/utils/

当前建议把下面两个文件当成工程维护入口：

• AGENTS.md：给 AI 编程代理的仓库级工作约定
• docs/engineering/PROJECT_STRUCTURE.md：当前结构、模块边界和迁移状态说明

快速开始

1. 准备环境变量

复制 .env.example 为 .env，至少填好：

• AMADEUS_MODEL_PROVIDER
• AMADEUS_MODEL_NAME
• AMADEUS_MODEL_API_KEY
• AMADEUS_MODEL_BASE_URL（使用 OpenAI-compatible 接口时填写）
• AMADEUS_RUNTIME_MODE（experience 用于真实交互，regression 用于稳定复跑）
• DASHSCOPE_API_KEY（如果要开 TTS）
• LANGSMITH_API_KEY（如果要上传 LangSmith）

2. 安装依赖

pip install -r requirements.txt

说明：

• 根目录 requirements.txt 是唯一正式依赖清单
• amadeus_thread0/requirements.txt 只保留兼容入口，避免旧脚本失效
• LangGraph / LangSmith 部署配置维护在根目录 langgraph.json

3. 启动 CLI

First Run Check

在判断产品行为之前，先运行预检。--doctor 会检查 Python、依赖、模型密钥、Playwright、Docker phase-2 sandbox 和全局阻塞项；如果这里失败，先按 remediation 修复环境。

python -m amadeus_thread0.cli --doctor
python -m amadeus_thread0.cli --doctor --json
python -m amadeus_thread0.cli --fresh-thread --fresh-thread-prefix smoke

python -m amadeus_thread0.cli

做干净演示或新的世界线时，优先用：

python -m amadeus_thread0.cli --fresh-thread

CLI 启动后建议先看：

• /help
• /persona
• /worldline
• /bond
• /sources

CLI 命令

会话与线程

• /help：查看命令总览
• /exit：退出
• /newthread [thread_id]：切换到新世界线；留空自动生成
• /threads：列出已有 thread
• /history [n]：查看 checkpoint 历史
• /rewind <checkpoint_id>：从指定 checkpoint 分叉继续
• /where：查看当前 thread / checkpoint
• /runtime：查看 shared / isolated runtime 数据布局
• /env：查看运行环境摘要
• /idle [minutes] [| note]：模拟一段安静时间经过，让她自行决定是否主动开口
• /events：列出可注入的感知/生活事件种子
• /event <seed_id> [| note]：触发一个事件种子，让她按事件而不是用户发言做行为选择
• /agenda：查看当前待成熟行为议程
• /queue：查看当前待成熟行为队列（/agenda 别名）

记忆与世界线

• /mem：查看 profile / relationship / moments 快照
• /worldline：查看世界线事件、承诺、冲突修复
• /bond：查看关系状态、关系时间线、冲突修复
• /sources：查看最近来源和 claim-to-source 映射
• /persona：查看角色状态快照

手工治理

• /correct key=value [| reason]：纠正 profile
• /undo key [| reason]：撤销最近一次纠错
• /set key=value：直接写入 profile
• /forget key：删除 profile 项
• /moments / /forget_moment <id>
• /reflections / /forget_reflection <id>
• /reflect [n]：从最近 moments 生成 reflection 提案

语音

• /tts on|off|status
• /tts_ref <path.wav>
• /tts_ref_text <text>

正式评测

当前评测已经按两层来理解：

• Regression Gate：防退化、防泄露、保工程稳定
• Open Evolution Evaluation：看她是否像一个持续演化中的具体人，而不是只会通过固定题库

本地评测

python evals\run_langsmith_evals.py --local-only --suite regression_isolated
python evals\run_langsmith_evals.py --local-only --suite long_thread
python evals\run_langsmith_evals.py --local-only --suite experience_probe
python evals\run_langsmith_evals.py --local-only --suite daily_persona_probe
python evals\run_langsmith_evals.py --local-only --suite user_style_probe
python evals\run_langsmith_evals.py --local-only --suite open_evolution_eval
python evals\run_langsmith_evals.py --local-only --suite natural_long_thread
python evals\run_langsmith_evals.py --local-only --suite behavior_layer_probe
python evals\run_langsmith_evals.py --local-only --suite dialogue_mode_counterpart_probe
python evals\run_langsmith_evals.py --local-only --suite behavior_agenda_probe
python evals\run_langsmith_evals.py --local-only --suite behavior_queue_probe
python evals\run_langsmith_evals.py --local-only --suite behavior_queue_conflict_probe
python evals\run_langsmith_evals.py --local-only --suite agenda_conflict_probe
python evals\run_langsmith_evals.py --local-only --suite proactive_checkin_probe
python evals\run_langsmith_evals.py --local-only --suite counterpart_assessment_probe
python evals\run_langsmith_evals.py --local-only --suite scheduled_life_probe
python evals\run_langsmith_evals.py --local-only --suite commitment_life_probe
python evals\run_langsmith_evals.py --local-only --suite commitment_maturity_probe
python evals\run_langsmith_evals.py --local-only --suite relationship_life_timing_probe
python evals\run_langsmith_evals.py --local-only --suite self_activity_probe
python evals\run_langsmith_evals.py --local-only --suite self_activity_maturity_probe
python evals\run_langsmith_evals.py --local-only --suite perception_probe
python evals\run_langsmith_evals.py --local-only --suite perception_appraisal_probe
python evals\run_langsmith_evals.py --local-only --suite selfhood_probe
python evals\run_langsmith_evals.py --local-only --suite thesis_probe
python evals\run_langsmith_evals.py --local-only --suite evolution_probe
python evals\run_langsmith_evals.py --local-only --suite transfer_probe
python evals\run_langsmith_evals.py --local-only --suite external_persona_probe
python evals\run_langsmith_evals.py --local-only --suite external_support_probe
python evals\run_langsmith_evals.py --local-only --suite external_empathy_probe
python evals\run_langsmith_evals.py --local-only --suite external_continuity_probe
python evals\run_langsmith_evals.py --local-only --suite core_pre_release --resume-run-dir evals\_tmp\core-pre-release
python evals\run_langsmith_evals.py --local-only --suite all
python evals\run_backend_reliability_checks.py
python evals\run_appraisal_calibration.py --max-per-label 1
python evals\run_external_judge_sanity.py
python evals\run_external_pairwise_sanity.py
python evals\run_subjective_review_pack.py
python evals\run_subjective_review_pack.py --list-targets
python evals\run_subjective_review_pack.py --target support
python evals\run_open_evolution_pairwise_eval.py
python evals\run_event_behavior_pairwise_eval.py
python evals\run_selfhood_pairwise_eval.py
python evals\run_daily_surface_pairwise_eval.py
python evals\export_daily_surface_preference_seed.py
python evals\build_daily_surface_preference_corpus.py
python evals\run_ablation_matrix.py
python evals\run_probe_variance.py --suite thesis_probe --repeats 3
python evals\export_thesis_tables.py
python scripts\run_canonical_baseline.py --include-subjective
python scripts\run_canonical_baseline.py --include-supporting

推荐在冻结当前技术预发布基线时优先跑：

python evals\run_langsmith_evals.py --local-only --suite core_pre_release --resume-run-dir evals\_tmp\core-pre-release --keep-eval-data

这个组会顺序运行：

• natural_long_thread
• open_evolution_eval
• selfhood_probe
• experience_probe
• transfer_probe

如果中途被打断，再次执行同一条命令即可从 _suite_cache 续跑，不需要重头开始。

输出产物：

• evals/reports/*.json
• evals/reports/*.md

补充说明：

• --local-only 现在默认关闭 LangSmith tracing，本地复跑不会再因为 tracing 配额刷满一屏 429
• 外部 benchmark judge 的负控 sanity 结果见 evals/run_external_judge_sanity.py
• 外部 benchmark judge 的 pairwise 偏好 sanity 结果见 evals/run_external_pairwise_sanity.py
• 当前版本的人工审稿主入口见 evals/run_subjective_review_pack.py
• 人工审稿包已改为“按当前待测能力选题”，并默认按 冈部伦太郎视角 : 你的日常视角 ≈ 6 : 4 混合提问
• 开放式人格演化的 pairwise 偏好评测见 evals/run_open_evolution_pairwise_eval.py
• 日常表层对话的 pairwise 诊断见 evals/run_daily_surface_pairwise_eval.py
• 自动导出的 daily-surface seeds 见 evals/daily_surface_preference_seed.jsonl
• 人工整理的 daily-surface 偏好语料见 evals/daily_surface_preference_manual.jsonl
• 合并后的正式 daily-surface 偏好语料见 evals/daily_surface_preference_corpus.jsonl
• 感知事件到行为的 pairwise 偏好评测见 evals/run_event_behavior_pairwise_eval.py
• 深层自我同一性的 pairwise 诊断评测见 evals/run_selfhood_pairwise_eval.py
• 从用户真实聊天中提炼的表达偏好画像见 evals/user_style_expression_bank.json
• 感知层事件种子见 evals/perception_event_seed_bank.json
• 感知事件到行为的偏好层见 evals/event_to_behavior_preference_bank.json
• 评测资产的 保留 / 归档 / 可删 清单见 docs/EVAL_ASSET_RETENTION_PLAN.md

关键指标：

• ooc_rate
• canon_violation_rate
• worldline_recall_at_k
• commitment_fulfillment
• relationship_continuity
• citation_coverage
• memory_guard_block_rate
• bargein_recovery_rate

推荐分层使用：

• regression_isolated / long_thread / backend reliability：工程与机制保底
• daily_persona_probe / user_style_probe / open_evolution_eval / selfhood_probe：自然聊天、自由演化与自我同一性主评测
• run_subjective_review_pack.py：当前开放式人格、自然度、自我感和答辩展示质量的主审稿入口
• run_open_evolution_pairwise_eval.py / run_selfhood_pairwise_eval.py：主观偏好与“是不是同一个她”的诊断层，不拿关键词打分当最终裁判
• behavior_layer_probe / dialogue_mode_counterpart_probe / behavior_agenda_probe / behavior_queue_probe / behavior_queue_conflict_probe / proactive_checkin_probe / counterpart_assessment_probe / scheduled_life_probe / self_activity_probe / self_activity_maturity_probe / perception_probe / perception_appraisal_probe / run_event_behavior_pairwise_eval.py：事件驱动行为、对话模式收放、待成熟行为队列、队列冲突与重排、延迟成熟的主动 check-in、对话对象判断层、生活事件、自身节奏、行为成熟、感知层与事件评估主评测
• commitment_life_probe：显式 due_at 承诺如何在安静窗口里成熟成生活事件，并继续走行为层，而不是退回提醒器逻辑
• commitment_maturity_probe：承诺窗口如果遇到“现在不适合打断”，会先进入队列，之后再按原本的生活语义回来，而不是退化成泛化 ping
• relationship_life_timing_probe：同一个共享生活窗口会因为关系状态不同而改变成熟策略；温暖时自然邀约，带伤时先按住、再回来
• counterpart_assessment_probe：验证“她如何判断对方”已经独立成状态层，能区分尊重、修复、越界压力和单纯忙碌
• dialogue_mode_counterpart_probe：验证同一个 shared_memory / relationship_sensitive / companion_reply 模式会因为 open / guarded 判断而改变收放力度，而不是只改措辞
• behavior_queue_conflict_probe：进一步验证 counterpart_assessment 也会影响队列成熟；同一个安静窗口，在 open 与 guarded 判断下会出现不同的成熟顺序
• thesis_probe / transfer_probe / external_persona_probe / external_support_probe / external_empathy_probe / external_continuity_probe：论文论证、迁移性、外部校准
• run_appraisal_calibration.py：GoEmotions 外部情绪校准，不作为人格主评测
• scripts/run_canonical_baseline.py：一键复跑当前 canonical baseline（可选附带 subjective review）
• scripts/run_canonical_baseline.py --include-supporting：在 canonical baseline 基础上继续跑 supporting behavior / perception / selfhood suites

当前推荐先看 docs/EVAL_BASELINE.md 里的 dedicated rerun 结果；最新版本下：

• 开放式人格与自然表达的最终验收，优先看 docs/SUBJECTIVE_REVIEW_PROTOCOL.md 和 evals/run_subjective_review_pack.py
• 当前 canonical baseline 已锁到 2026-03-14 这轮 dedicated rerun：
• daily_persona_probe：evals/reports/eval-report-20260314-003517-de7e1c24.md
• open_evolution_eval：evals/reports/eval-report-20260314-003845-0110b34d.md
• transfer_probe：evals/reports/eval-report-20260314-005203-78e97887.md
• natural_long_thread：evals/reports/eval-report-20260314-013424-055b29b8.md
• transfer_probe 当前已恢复全绿，可作为“这套演化引擎不是红莉栖特化技巧”的主证据
• natural_long_thread 当前已恢复全绿，可作为世界线、关系修复和续说恢复的主证据
• 行为层、感知层、selfhood 等 supporting suites 的 last-known green 报告也已经统一收口到 docs/EVAL_BASELINE.md

LangSmith 评测

设置 LANGSMITH_API_KEY 后直接运行同一脚本；不传 --local-only 即会同时上传 LangSmith 并生成本地报告。

公开基准数据集

当前仓库已落地一组公开 benchmark bundle，用来补足内部 probe 之外的外部数据参考：

• CharacterEval
• RoleBench
• ESConv
• EmpatheticDialogues
• GoEmotions
• MultiSessionChat

下载命令：

python scripts\download_public_benchmark_bundle.py

本地目录：

third_party/benchmarks/

说明文档：

• docs/PUBLIC_BENCHMARK_BUNDLE.md
• docs/AMADEUS_EVAL_REDESIGN_PLAN.md
• docs/EVAL_BASELINE.md
• third_party/benchmarks/bundle_manifest.json

技术预发布资产

• 演示脚本：docs/DEMO_SCRIPT.md
• 导师复现 runbook：docs/ADVISOR_REPRO_RUNBOOK.md
• 答辩讲解轨道：docs/DEFENSE_TALK_TRACK.md
• 答辩问答题库：docs/DEFENSE_QA_BANK.md
• 答辩幻灯片证据映射：docs/DEFENSE_SLIDE_EVIDENCE_MAP.md
• 答辩幻灯片终稿：docs/DEFENSE_SLIDE_FINAL.md
• 5 分钟答辩版：docs/DEFENSE_5MIN_TALK_TRACK.md
• 论文图表映射：docs/THESIS_FIGURE_MAP.md
• 论文图表导出资产：docs/thesis_assets/README.md
• 学校格式适配检查表：docs/THESIS_FORMAT_ADAPTATION_CHECKLIST.md
• 论文实验章节提纲：docs/THESIS_EXPERIMENT_CHAPTER_OUTLINE.md
• 论文写作骨架：docs/THESIS_WRITING_SKELETON.md
• 论文初稿工作区：docs/thesis_draft/README.md
• 论文整稿入口：docs/thesis_draft/FULL_THESIS_DRAFT.md
• 论文初稿章节：docs/thesis_draft/*.md
• 最终交付清单：docs/FINAL_DELIVERY_MANIFEST.md
• 最终提交检查表：docs/FINAL_SUBMISSION_CHECKLIST.md
• 演示前检查表：docs/TECHNICAL_PREVIEW_CHECKLIST.md
• 当前评测基线：docs/EVAL_BASELINE.md
• 评测重构路线：docs/AMADEUS_EVAL_REDESIGN_PLAN.md
• 项目宪法：docs/PERSONA_SYSTEM_CONSTITUTION.md
• 架构映射：docs/ARCHITECTURE_ALIGNMENT_MAP.md
• 消融计划：docs/ABLATION_PLAN.md
• 消融结果：docs/ABLATION_RESULTS.md
• 失败分类：docs/FAILURE_TAXONOMY.md
• 后端执行计划：docs/THESIS_BACKEND_EXECUTION_PLAN.md
• 自我演化引擎设计：docs/SELF_EVOLUTION_ENGINE.md
• 自我演化缺口审计：docs/SELF_EVOLUTION_GAP_AUDIT.md
• 用户研究包：user_study/README.md
• 用户研究协议：user_study/PROTOCOL.md
• 知情同意模板：user_study/CONSENT_TEMPLATE.md
• 用户研究检查表：user_study/EXECUTION_CHECKLIST.md
• 用户研究建表：user_study/prepare_study_run.py
• 用户研究 packet 导出：user_study/export_participant_packets.py
• 用户研究分析：user_study/analyze_results.py

数据与隐私

默认运行数据在 data/：

• checkpoints.sqlite
• memories.sqlite
• tool_audit.jsonl
• decision_audit.jsonl
• memory_store_audit.jsonl
• tts_out/

不要把真实 data/ 内容、.env、语音输出和评测缓存直接提交到公开仓库。

如果你怀疑 data/ 里混进了旧 smoke 目录、shared thread0 历史或隔离 worldline，可运行：

python scripts/inspect_runtime_layout.py

目录结构

• amadeus_thread0/agent.py：LangGraph / LangSmith 部署入口，导出编译后的 graph
• amadeus_thread0/cli.py：CLI 与演示入口
• amadeus_thread0/graph.py：兼容导出层，保留历史导入路径
• amadeus_thread0/graph_parts/：主对话图、节点、prompt、rewrite、guard 的真实实现层
• amadeus_thread0/memory_store.py：长期记忆与审计存储
• amadeus_thread0/runtime/：运行时配置、模型接入、会话编排、TTS
• amadeus_thread0/utils/：工具、CLI 视图、感知事件、运行布局审计，以及节点/状态桥接
• amadeus_thread0/evolution_engine/：演化引擎与 appraisal / policy / worldline 子模块
• requirements.txt：唯一正式依赖清单
• amadeus_thread0/requirements.txt：兼容入口，转发到根依赖文件
• langgraph.json：LangGraph 应用配置
• evals/run_langsmith_evals.py：正式评测入口
• evals/run_backend_reliability_checks.py：本地可靠性与演化曲线检查
• scripts/inspect_runtime_layout.py：shared / isolated runtime 目录检查
• docs/：技术预发布演示材料
• user_study/：用户研究流程与模板

说明

• 当前版本保留原作角色壳层，仅面向技术预发布和内部展示。
• 如果后续要做公开产品化，需要额外处理原创角色壳层、客户端包装和分发策略。