image-20260825155131015

起心动念

首届恋爱黑客松——这五个字往桌上一放，我就知道要动手了。

一个专门给“恋爱”这件事开的黑客松，本身就是一件挺浪漫的事情：一群理工科的、平时忙着写代码调模型的人，被拉到同一个题目下讨论“人和人怎么好好在一起”。这个赛道足够新，也足够真诚。

命题一出来，我脑子里第一个冒出来的念头是：别再做一个“更聪明的 AI 聊天机器人”了。

朋友们，坦白讲，2026 年的相亲/交友市场，最不缺的就是“AI 帮你聊天”。你给它一张对方的照片，它能编一段土味情话；你给它一句“晚安”，它能接一段莎士比亚。可是——

然后呢？

聊得再好，见面还是尴尬。因为聊天的那个人，从来就不是你。

名片 vs 博物馆

我们这一代人的自我介绍，早就“名片化”到骨子里了。

打开任何一款交友软件，你看到的都是同一张二维名片：

姓名 · 年龄 · 身高 · 学历 · 年薪 · 城市 · 爱好列表 · 三张精修照片

**这是一个人吗？**这最多是一张海关申报单。

海关申报单能告诉你这个人**“是什么”**，但没法告诉你 TA “怎么想”。你没法从“身高 175”里推出 TA 在冲突里是先说狠话还是先转身走；没法从“爱好：旅行、电影”里读出 TA 会不会为了陪读放弃自己的事业；没法从年薪那一栏里知道 TA 到底是“细水长流型”还是“及时行乐型”。

所以我想做的事情，是从二维名片里，把一个人立起来。

一个真实的人是三维的。TA 是一座人生博物馆：

  • 每一段经历，都是一件展品
  • 每一个态度维度（亲密关系、冲突、成长、家庭、金钱），都是一个展厅
  • 每一句“我曾经这样、现在这样、以后大概还会这样”，都是展品旁边的那张说明卡
  • 而你自己——你是这座博物馆唯一的策展人

相亲/交友这件事，真正该发生的动作，不是“翻名片”，而是走进彼此的博物馆。两个人的展品对上眼，你走到 TA 的“摩擦与冲突”展厅前发现“哦她也是选择先冷静再说清”，那一刻的共鸣，比“我们都爱旅行”这种话头厚重一百倍。

AI 在这件事里的正确位置，从来不是“替你聊天”——是当你的布展师。

它蹲下来跟你讲故事、抛问题、翻你嘴里那些自己都没意识到的经历，然后把它们打灯、上标签、码进对应展厅。展厅盖好了，剩下的对话，是你自己的事情。

这就是「人生 Attitude 册子」的立意。仓库地址是 guanlili/LifeAttitudeBooklet。

一句话产品定位

面向 18-35 岁追求长期真诚关系的人群：AI 用渐进式小故事引导你表达人生态度 → 沉淀为一座属于你的「Attitude 册子」（你的私人博物馆）→ 复用于匹配推荐、破冰话题、长联触达。

四条原则，写在 README 的第一行，也写在每一个 prompt 的最前面：

  • 真实真诚不娱乐化 — 不整活、不土味情话、不打颜值分
  • 无痛引导 — 每次会话短、每轮一问，不批量灌问卷
  • 态度优先 — 沉淀的是“你怎么看”，不是“你多有钱、身高多少”
  • 真人主导 — AI 只辅助，不代聊、不替你做决定

第四条最不像 2026 年一个 AI 产品会写的话。但它是这座博物馆的灵魂——博物馆的价值，从来不在讲解员讲得多好，而在展品是不是真的。

用户旅程：AI 在博物馆里的五个岗位

image-20260825234748505

image-20260825235128158

产品拆开来看，其实就五个场景，AI 在每一个场景都有明确的、极其克制的分工。我用博物馆的隐喻把它们串起来：

场景 1：布展师（AI 讲故事 + 抛问题）

用户选一个展厅（我抽象成 5 个维度：love / conflict / growth / family / values，对应亲密关系、摩擦冲突、成长选择、家庭承诺、金钱价值观），AI 用一个 60-120 字的真实生活化小故事破冰，然后抛出第一问。

关键约束：每轮只问一个问题、不超过 50 字、不给建议、不代替用户总结。

为什么这么克制？因为一旦 AI 开始“总结”你，用户就会开始“迎合” AI——这在心理学上叫 anchoring，是所有基于聊天的态度采集工具的原罪。我做了两轮用户测试，发现 AI 每多说一句“我理解你的意思是……”，用户下一句就会变得越来越像 AI 想听到的样子。

一个称职的布展师，不会替艺术家解释作品的意义。TA 只负责把光打对。

所以 prompt 里死死写着：只共情一句 + 追问一句。

场景 2：上展品（从对话里提炼一条册子条目）

对话进行到用户表达清晰了（大约 3-5 轮），AI 做一次结构化提取——把这场对话打包成博物馆里的一件展品：

{
  "title": "有话摊开说",
  "story": "我经历过一段有话不说的关系……现在的我宁可当场吵一架，也要把话摊开。",
  "attitude": "憋着才伤感情，坦诚地把话说开，是我用一段关系换来的答案。",
  "stance": "坦诚沟通型",
  "tags": ["坦诚", "摊开说"],
  "depthLevel": 3
}
  • title 是展品的名字
  • story 是展品本身（用户口述的经历改写成第一人称）
  • attitude 是展品旁边的说明卡
  • stance 是展品被归入的分类标签
  • depthLevel 1-3 是这件展品被摆在哪个位置——是玄关随手一挂（1），还是主展厅 C 位（3）

看到 stance 那个字段了吗？它不是 AI 自由发挥的。 它必须从我写死的一份“立场词表”里选一个——每个维度大概 15-25 个规范立场，比如亲密关系维度里有“坦诚沟通型”“高质量陪伴型”“慢热磨合型”“高频情感反馈型”等等。

为什么要这么设计？ 因为下一步的匹配算法要用它做集合运算——“坦诚沟通型”和“坦诚型”在人眼里是一样的，在 Set.has() 里就是两个东西。词表化之后，AI 输出的自由度降了 90%，但匹配的稳定性提了 10 倍。

这是我在这个项目里最得意的一个取舍——把 AI 的创造力限制在故事和文案里，把匹配决策交给确定性代码。 布展师可以自由发挥打灯角度，但展品必须归入正确的展厅。

场景 3：博物馆序言（画像总结）

有了几件展品之后，AI 用第三人称写 40-80 字，作为整座博物馆的入口序言：

“晨曦是一个在亲密关系里选择坦诚摊开的人，她相信慢热磨合胜过一见钟情，也认为家庭承诺不是一句话能替代的责任。”

约束：真诚具体、不堆砌形容词。我 prompt 里写了一句话：“不要用’温暖’‘美好’’独特’这种正确废话。”

好的博物馆序言从来不会写“这是一座伟大的博物馆”——它会写“这座博物馆讲了一件事”。

场景 4：跨馆对望（匹配理由 + 破冰话题）

两个用户匹配的时候，本质上是两座博物馆开始互相参观。AI 干两件事：

  • 生成 2-3 条匹配理由（30 字以内，基于立场共鸣或有张力的互补）——两座博物馆里摆着同款展品的那些位置
  • 生成 恰好 3 个破冰话题（40 字以内）——站在共同展品前可以起的头

核心约束：绝对不泄露对方册子里故事的任何原文细节。 AI 只能看到“立场标签”，看不到“故事正文”。

这条约束是我做产品测试时才补上的——第一版 AI 会热情地写：“我看你们都经历过感情里的沟通问题……” 大姐，那是用户的隐私啊！

博物馆的介绍词，只能讲展品分类，不能讲展品内容。 内容是策展人自己走过去讲的。

场景 5：新展厅通知（长联触达）

沉默一段时间后，AI 帮你代拟一条重新联系的消息——代拟，不是代发。

三种触发场景：

  • 对方在某个展厅新加了一件展品（new_entry）——“你昨天刚加了一件’家庭承诺’的展品，我想过去看看”
  • 双方在同一个展厅立场相近（resonance）——“我发现我们的’成长选择’展厅摆得很像”
  • 单纯沉默太久（silence）——“好像很久没在你的展厅里走过了”

60 字以内、不卑微不油腻、给对方一个容易接的话头。

这里就是我说“真人主导”最较真的一处：AI 可以写草稿，但按下“发送”的那只手，永远是你。博物馆可以自动推送新展讯，但走不走过来，是访客自己决定。

三个工程取舍

这个项目 48 小时能跑起来的核心，是三个为了 Demo 不翻车做的决定。

取舍一：真实 AI + Mock 双通道，全场景可离线演示

黑客松最怕什么？你的 API 挂了。

所以我一开始就做了个决定：7 个 AI 场景，每一个都要有确定性 Mock 兜底。

架构长这样：

// server/src/ai/index.ts
async function callReal<T>(pair: PromptPair): Promise<T | null> {
  if (aiMode !== 'real') return null;
  try {
    const text = await chatCompletion([
      { role: 'system', content: pair.system },
      { role: 'user', content: pair.user },
    ]);
    return parseJson<T>(text);
  } catch (err) {
    console.warn('[ai] 真实 AI 调用失败，回落 mock:', (err as Error).message);
    return null;
  }
}

export async function extractEntry(dimension, messages) {
  const fallback = mock.extractEntry(dimension, messages);
  const real = await callReal(prompts.extractEntry(dimension, messages));
  // 任何字段脏了，整体回落
  if (!real || !STANCES[dimension].includes(real.stance)) return fallback;
  return { ...merged };
}

翻译一下：

  • 没配 API Key？走 Mock，全功能可用
  • 配了 API Key 但接口挂了？走 Mock，用户无感
  • API 通了但 JSON 解析失败？走 Mock
  • JSON 解析成功但 stance 不在词表内？走 Mock

Mock 不是“降级方案”，Mock 是我的护身符。 它跟真实 AI 输出同一份数据契约，前端根本不知道自己拿到的是 GPT-5 还是我写的 if-else。

用博物馆的话说：布展师请假了，我还有一份手写的备用讲解词。参观体验不会中断。

Demo 那天上午我 API 额度果然被烧完了，评委面前丝滑演示，无一处报错——这个决定，值回票价。

取舍二：匹配算法一行 AI 都没有

我知道 2026 年做 AI 项目不用 AI 做核心决策会被人喷“你这也叫 AI 产品？”，但我杠就是你对。

匹配算法我用了确定性纯函数：

score = 0.6 × 加权 Jaccard(立场集，权重按 depthLevel/3)
      + 0.3 × 维度 Jaccard
      + 0.1 × min(1, 对方条目数/5)

翻译成人话：

  • 60% 权重看立场重合度——两座博物馆摆着多少同款展品
  • 30% 权重看维度覆盖——两座博物馆开了多少个相同展厅（避免“半个博物馆”和满馆匹配）
  • 10% 权重看对方条目数——博物馆里到底摆了几件东西（避免“空展厅”骗匹配）
  • 深度加权——同一件“坦诚沟通型”展品，摆在玄关（depthLevel=1）和摆在 C 位（depthLevel=3）在匹配里权重差 3 倍

为什么不用 AI 直接算相似度？ 因为 AI 的输出每次都不一样。同一对用户上午匹配是 87 分，下午变 82 分，用户会怀疑人生。匹配这种关乎信任的核心决策，必须可解释、可复现、可回滚。

AI 只负责把匹配理由翻译成人话。计算是我算的，讲故事交给它。

取舍三：立场词表 + JSON 输出 + 双重校验

前面提过的 stance 词表。放在这里再展开一次，因为它是整座博物馆能稳定运转的地基：

  • AI 的 prompt 里显式列出“必须从这些词里选一个”
  • AI 输出后，代码里再校验一次 STANCES[dimension].includes(real.stance)
  • 校验失败整条丢弃，回落 Mock

双重校验的意义：LLM 就算被明确告知只能从 20 个词里选，也会偶尔冒出个“温柔坚定型”这种词表里没有的新词。这个词单看很好听，但塞进匹配算法里就是脏数据——它跟“坚定型”和“温柔沟通型”都不匹配，会污染整个用户的匹配池。

博物馆的分类学，必须由策展总监拍板，不能让每个布展师现场生造。

结论：不要相信 AI 的自律，要相信代码的校验。

踩坑实录：gpt-5 把我的 10 秒超时打爆了

第二次 commit（09f7963）你猜是干嘛的？

feat: 接入真实 AI，将 AI 请求超时从 10s 调整为 90s（适配 gpt-5 推理模型）

血泪史。

第一版我信心满满地把超时设成 10 秒——毕竟 gpt-4o-mini 平均响应 2-3 秒，10 秒的余量已经很宽了。上线切 gpt-5 那天，前端一片红。

gpt-5 是推理模型（reasoning model），它会先“想”再答。 “想”这个过程，普通问题也要 15-30 秒，复杂 prompt 直接 60 秒起步。10 秒对它来说，约等于让博尔特起跑 3 米就撞线。

改成 90 秒之后一切正常。但代价是：如果真实 AI 卡满 90 秒最后失败，用户等了整整一分半才看到 Mock 兜底的内容——体验灾难。

所以我加了一个额外的规则：前端在等待 AI 时展示“正在为你构思……“的骨架屏，超过 8 秒开始滚动小故事。用产品的耐心，去接工程的等待。博物馆的门开着，你先在前厅看几幅速写，正厅的灯还在打。

教训：推理模型的超时策略必须做两层——一层是 client 的骨架屏节奏，一层是 server 的 hard timeout。

用了 AI 之后，反而更想守住“人”的部分

写完这个 side project 之后我最大的感受是——

AI 越强，你越要想清楚 AI 不该做什么。

我可以让 GPT-5 帮用户“生成完美的第一次约会话术”，那样 Demo 会更炸；我可以让 AI 直接算“你俩契合度 92 分”，那样匹配页更好看。但我不。

因为一段真实的、长期的关系，从来不是靠一段完美话术开始的。它是靠你自己想清楚了自己是谁、对方也想清楚了对方是谁，然后两个“想清楚”的人对上眼。

二维名片解决“是什么”，三维博物馆解决“怎么想”。 前者一秒钟就能滑过去，后者你得走进去、蹲下来、读展品说明卡。

AI 在这个流程里的正确位置是：

  • 布展师——帮你打光、码展品，不替你写作品意图
  • 序言撰稿人——写一段真诚具体的入口简介，不吹嘘
  • 导览员——告诉访客你这里有什么展厅，绝不剧透展品内容
  • 展讯推送——新展厅上了帮你发通知，但发不发、来不来，是双方自己的选择

它可以帮你把博物馆盖起来，但它不该假装自己是你。

不代聊、不打分、不娱乐化——这三条克制，是我最想留给这个项目的东西。

尾声：顺便拿了个最佳人气奖

写到这里其实文章可以结束了。但补一笔，因为它挺出乎我意料——这个项目在首届恋爱黑客松上拿了最佳人气奖。

坦白讲，做完那一晚我是有点忐忑的。因为在一堆“AI 帮你写代码”“AI 帮你剪视频”“AI 帮你 XXX”的项目里，我这个东西反着来——AI 什么都不帮你做，只帮你想清楚自己。何况是“恋爱”这个赛道，大家更期待的往往是“AI 帮你追到心动的人”这种即时满足感的方案。评委会不会觉得“你这也叫 AI 产品”？

结果人气奖是大家投出来的。

那一刻我才后知后觉地意识到一件事：其实每个人心里都渴望被当成一座博物馆看，而不是一张名片翻。只是平时没人给这个机会。你在相亲软件上被“175 cm、年薪 30w、爱好旅行”定义了太多次，突然有个东西蹲下来问你“你上一次为一段关系摊开说话，是什么时候”——那种被看见的感觉，是会传染的。

首届恋爱黑客松的人气奖，某种程度上也是一次投票：投票的人在说，恋爱这件事，我们其实想要的不是更花的话术，是更真的自己。

所以——顺便拿了个奖。但真正的奖，是那一堆帮我投票的、认真跟“晨曦”聊过五分钟的陌生人。

702d99f10116c2b36581cc63ae8642c9

遗憾与展望

48 小时的项目，遗憾自然不少：

  • 多模态没接——语音输入其实更适合“讲故事”这个场景，比打字更容易松弛（未来的博物馆应该能收藏一段用户的声音展品）
  • Long context 没吃透——用户册子多了以后，画像总结应该做成 RAG 而不是一次性喂全部条目
  • 反 AI 检测没做——真到线上会有一批用户直接用 ChatGPT 生成“人设”，需要一层反注入（假展品是所有博物馆的敌人）
  • 匹配的解释性还能更强——现在匹配理由是“两条一起给”，未来应该做成“逐维度归因”，让访客真正看见“两馆同款展品在哪几个展厅”

但也就够了。48 小时不该追求“做完”，应该追求“把最想说的那句话说清楚”。

我最想说的那句话，其实就一句：

每个人都值得拥有一座属于自己的博物馆，而不是被压扁成一张海关申报单。

收束

有幸这个夏天参加了这场黑客松，逼自己把一个想了很久的 side project 从 idea 变成 git init。仓库还在 guanlili/LifeAttitudeBooklet，欢迎路过的朋友 star 或 fork——但更希望你 clone 下来跑一遍 npm run seed && npm run dev，跟“晨曦”聊上五分钟，看看你在“金钱与生活价值观”展厅里，最后摆出来的第一件展品，会是什么。

那件展品，就是你博物馆的入门票。

你是唯一的策展人。

道阻且长，行则将至。

记于 2026.08.25，一个想清楚的夏末。