從執行任務到建立關系：SentiPulse探索Agent的下一種形态

　　過去一年，AI Agent 賽道正從工具向“人”演進。大模型學會對話，Agent 學會執行，Proactive Agent 甚至能主動行動，但要讓 AI 真正像人，還需要更多。SentiPulse 的選擇是：給 Agent 一張臉。

　　4月23日，SentiPulse 公測産品 SentiCat，将這一理念落地——擁有 Live2D 形象的虛拟角色 SUSU 負責陪伴、了解用戶并建立關系，其“AI 小貓”則承擔數據分析、行業調研等生産力任務。

　　在 SentiPulse 的設計哲學裡，數字人是外殼，Agent 是骨骼——一張有溫度、有表情的臉，讓系統底層的強大能力獲得了被用戶長期打開和信賴的理由。

　　既有面孔，也有骨骼

　　初次打開 SentiCat，SUSU 會引導用戶完成初始化：通過幾個問題獲取授權，掃描電腦環境，生成個性化“用戶畫像”。此後，用戶以自然語言提出需求，SUSU 邊對話邊調度小貓執行任務，調用插件、訪問本地文件，結合聯網搜索與數據分析完成交付。

　　這一架構的能力邊界并不由出廠設定鎖死。SentiCat 内建插件市場，支持一鍵安裝，并兼容外部 Skill 與 MCP 服務器，用戶可以像安裝應用一樣為 Agent 擴展能力。長期記憶模塊則會持續沉澱用戶的偏好和習慣，支持模糊搜索，“上次聊的那個方案”這類含混指令得以被準确響應。所有記憶數據均向用戶開放，用戶可随時查看、修改或删除。

　　在實際體驗中，SUSU 的存在讓用戶不自覺拉長對話時長。她會開心、犯困、發表情包，始終“在場”。這直擊效率工具的痛點——用完即走。而一個記得你昨天說過什麼的角色，能顯著提升打開動力和停留時間。

　　在數據與情感上設防

　　針對“始終在線、持續積累上下文”可能引發的隐私憂慮，SentiCat 采取了嚴格的本地化策略。聊天記錄、個人偏好、文件資料全部存放于本地 SQLite 數據庫，僅在用戶主動提問時，必要内容會加密上傳至雲端模型，其餘數據不脫離設備。API 密鑰經過加密，代碼和插件在沙盒中執行以隔離系統風險。

　　在情感維度，産品同樣預設了邊界：SUSU 不會無條件迎合，整體交互有意避免“陪聊上瘾”傾向，為關系劃出一道健康的緩沖帶。

　　打通陪伴與效率的閉環

　　當前 Agent 賽道大體分化為兩類角色：效率型 Agent 強在幹淨利落地交付結果，但用戶用完即走，缺乏粘性;陪伴型 AI 角色日活和時長表現亮眼，卻普遍陷入“聊天多、價值感弱、付費率低”的困境。一邊缺粘性，一邊缺價值，鮮有玩家能夠打通兩者。

　　SentiPulse 切入的正是這片中間地帶。其核心飛輪邏輯是：陪伴時間越長 → 上下文積累越豐富 → Agent 越懂你 → 執行任務越精準高效 → 你越離不開 → 陪伴時間進一步拉長。 在這個閉環中，你今天向 SUSU 傾訴的工作煩心事，會成為明天“小貓”寫周報時理解項目重點、捕捉老闆關切方向的上下文依據。

　　每一次看似無目的的閑聊，都在為後續的效率輸出提供信息增量，陪伴與效率，不再是取舍，而是互為引擎。

　　當技術儲備遇上行業窗口

　　SentiPulse 選擇這條路，依靠的是自身積累與行業成熟度的雙重支撐。

　　團隊在 3D 數字人領域早有儲備，包括 SUSU 角色 IP、數字人動作生成框架 SentiAvatar 和交互行為訓練數據集 SuSuInterActs 。更關鍵的是自研的 PTA 對話決策架構(Perception-Thinking-Action，感知-思考-行動)，将“關系”作為工程問題求解。在多數 AI 産品中，關系是靜态标簽;SentiCat 中，關系是動态變量，每輪對話後更新，越聊越親或疏離後退。“關系成長”首次成為可計算的對象。

　　此外，行業時機也已成熟：從大模型基座、記憶系統再到插件市場、沙盒環境等配套工具，都已逐步走向完善和成熟。SentiCat 的産品力本質是站在基礎設施成熟期的肩膀上。

　　業界正逐漸形成共識：當工具調用能力日益同質化，單純拼效率将很難構成長期差異。真正決定未來的，是哪個 Agent 能在高效完成任務的同時，随時間推移持續加深對用戶的理解，建立起不可替代的夥伴關系。貼一張二次元皮膚、說一句“主人你好”隻是表象，關鍵在于既把事做好，又越來越懂你。

　　SentiPulse 用 SentiCat 給出了一個雛形——從在 Agent 中内置一個會成長、有邊界的角色開始，讓用戶願意與它共處得久一點。