不是一段固定人设就能解决对话体验。
EchoMate 关注对话如何保持角色与上下文，也关注陪伴场景中的安全与反馈边界。
记忆与反馈，分别处理什么问题？
01
把记忆看作明确的数据
将角色与记忆组织为可管理的结构，而不是依赖不可解释的“它记得”。
02
反馈与安全也是主流程
把意图处理、安全判断与反馈记录放进原型，而不是只追求对话顺滑。
保留原型边界，不展示私人对话。
能够持续对话不等于已经建立可信的陪伴体验。需要区分角色设定、可用记忆和不能承担的责任。
一次对话，在进入人设之前先经过边界判断。
- 01安全分流
先判断年龄和危机等需要停止角色生成的场景。
- 02上下文编排
安全通过后再选择角色、记忆和知识。
- 03生成与清理
清理舞台动作、过度标点和重复表达。
- 04低风险记忆
仅保留适合长期使用的低风险事实与偏好。
安全返回不是人设提示词里的附注。
编排源码中，安全层如果返回回复，会直接记录并结束该次角色生成；通过后才进入检索、模型生成和记忆提取。这使安全路径在结构上先于沉浸体验，而不是依赖角色“自行记住不要越界”。
回归关注具体错误，而不是只评价“像不像真人”。
测试场景包含偏好记忆、安全分流、动作描述清理、重复回复重写等具体问题。知识层当前仍包含 mock 检索与本地回退路径，不将它描述为已完成向量检索系统。Web/H5、渠道脚手架和真实公网部署也分开看待。
交付与复盘
交付物
可以查看的交付
当前可以展示真实前端初始状态和可检查的对话编排代码，不包含私人聊天、角色记忆或心理效果承诺。
项目记录
已有验证记录
安全与回复质量有对应测试代码；本轮未连接模型服务或复跑场景，也不把代码中有安全分支写成现实中的安全效果已获证明。
设计 AI 对话，也是在设计它应该在哪里停下来。
