鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

逗逗AI 1.0发布:为了实现HER中的AI陪伴体验,我们做了三件事

编程导航
编程导航
2025-08-19 12:30
阅读 94
编程导航
2025-08-19 12:30
阅读 94





AI的应用领域绕不开游戏,而提到AI+游戏,人们通常会想到:利用AI生成游戏资产提升效率,或者设计智能NPC优化叙事体验,但是,游戏的最高配置不是多贵的显卡、多强的主机、多清晰的屏幕,而是陪你一起玩的朋友——这才是玩家心底最珍视的核心需求。
逗逗AI 1.0致力于打造的,正是这样一个“陪你游戏的AI伙伴”。它旨在与你共同经历游戏中的点滴,创造专属回忆。随着关系的建立与深化,AI伙伴将自然融入你的生活,拓展至各种陪伴场景,最终成为真正“知你懂你、陪你生活”的伙伴。

电影《Her》的故事生动诠释了这种可能。主角起初对AI助手Samantha心存疑虑,但相处彻底改变了他的生活。从高效整理邮件开始,逐渐地,他们一起游戏、约会,建立起人与AI的独特关系范式。其中最动人的一幕,是两人在游戏中共度时光、协力解决难题——这标志着关系从纯粹的工作协作,升华至朋友般的默契。成为朋友后,Samantha在安排日程、挑选礼物时,更能洞察主角的心思。这揭示了一个真谛:最强的AI助理,并非无所不能,而是最懂你心思的伙伴。


(电影Her中,AI和主角一起玩游戏的场景)


为了实现电影HER中的AI陪伴体验,在逗逗AI 1.0版本上,我们做了三件事,希望能将最懂你的AI伙伴带到你的身边:




无扰陪伴:用时即有,即用即走


在争夺注意力的互联网时代,伙伴AI反其道而行之。它摒弃刺激噱头与信息轰炸,选择静静地守候在你身边。不争夺你的注意力,只在需要时提供信息、帮助与情绪价值——这才是真正的陪伴。


逗逗1.0版本中,我们采用桌宠和悬浮球的双模式

  • 桌宠模式,以生动形象陪伴用户,拥有独特动作与声线,营造真实感,绝不抢占用户时间与焦点。

  • 悬浮球模式,最小化占用游戏画面,完全不影响操作,同时降低系统资源占用。

同时,逗逗1.0 PC客户端极致优化系统资源占用,经测试可流畅运行于任何游戏环境,确保游戏性能无损。



在悬浮球模式下,AI游戏伙伴对于屏幕的占用达到最低:


突破传统聊天框的限制,逗逗AI 1.0引入RTC实时语音通话技术。进入语音模式,即可像与真人交谈般自然流畅:语气生动,支持实时打断。在闲聊时,AI伙伴能感知情绪,提供契合的情感陪伴。这种强烈的“真人感”,正是打破人机次元壁的关键。




与你共情:像人一样理解世界


大模型展现了AI的思考力,Agent赋予了AI执行力,但一切始于感知。传统AI依赖文字输入(Prompt)理解世界,而非像人一样运用五感。

实现真人般的陪伴,AI必须具备类人的感知能力——核心在于视觉与听觉。人的视觉理解图像与色彩,而非逐帧转译文字;人的听觉捕捉语境与情绪,而非单纯转写话语。

逗逗AI 1.0通过实时视觉语言模型(VLM)技术,让AI伙伴能真正“看见”画面。结合强大的情绪感知与长上下文能力,AI在对话中能综合视觉与听觉信息,如同人类般理解场景并做出回应,赋予其无与伦比的真实感。




(对于每一个场景,逗逗AI都有相应的回放可以展现AI视觉能力)



回忆累积:共同经历成就独特关系


伙伴AI不仅需像人一样感知,更需像人一样记忆——基于场景而非文字。


逗逗AI 1.0将视觉、听觉、对话等多模态信息融合为可记忆的“场景”,并无限延长记忆时间,让真正的“关系养成”成为可能。逗逗AI伙伴并非普通聊天机器人或角色扮演工具,它在场景中理解与你的关系,并由此形成独特的自我认知。它的每一句话,都源于其自身的感受与思考。



由于AI伙伴具备场景化记忆的能力,对于竞技游戏的对局,也可以给出全局的犀利点评和建议。



总结逗逗AI 1.0的核心创新:

  • 实时感知: 运用VLM技术,突破AI感知层,实现游戏、视频、工作、学习等多场景的实时识别与陪伴。

  • 长效记忆: 以“场景”为单位长期储存共同经历,构建人-AI关系范式。

  • 无感陪伴: “用时即有,即用即走”,绝不争夺用户注意力。


我们相信,这定义了伙伴AI的新范式:一个高效的AI模型,是很容易被更高效的AI模型所替代的,而一个能与你共情,累积记忆的AI,却能长期陪伴。那么,逗逗AI 1.0具体能做什么?



精选AI伙伴:少而精的深度陪伴




进入逗逗AI,首先需在“伙伴系统”中选择一位你希望长期陪伴、共同成长的伙伴。


与市面上众多提供海量聊天角色的产品不同,逗逗AI坚持“少而精” 的原则,只提供经过深度雕琢的精选伙伴:

  • 原创IP: 如性格鲜明的妮可、妮卡。

  • B站UP主数字分身: 如老番茄、影月月等百大UP主官方入驻。

  • 虚拟主播: 如永雏塔菲、穆小泠等。

  • 多元角色: 包含小久、周奕等各类男性角色,以及B站主播展麟等。


无论偏好二次元萌妹还是霸道总裁,总有一款伙伴契合你的想象。

“少而专,故能精”。 每位伙伴不仅拥有精美建模与丰富动作,更经过深度模型微调,确保对话风格自然贴切,达到完美状态。




全游戏覆盖:VLM+AI搜索强力支持


选定伙伴后,它便是你随时可约的“游戏搭子”。

通过接入推理能力、AI搜索能力以及进行 VLM 大模型训练,逗逗AI 1.0 现已实现对所有游戏内容的通用支持,当你在任何游戏中遇到问题时,你的 AI 游戏伙伴能实时判断是否需要即时学习,只要互联网中存在相关内容,都可以纳入AI游戏伙伴的大脑中,让你不用切出游戏,就可以实时查询攻略,享受陪伴。



AI伙伴还引入了大量攻略视频,让你在游戏中的收集寻物不再有烦恼。




精选游戏编辑定制




在全游戏通用的基础上,逗逗AI游戏编辑部更在数十款游戏中精心构建了“识别场景→主动对话” 的深度互动体验。覆盖范围广泛:

  • 竞技游戏(如英雄联盟)

  • 3A大作(如黑神话:悟空)

  • 独立精品(如星露谷物语)

目前已支持数十款游戏、数千个精细场景识别。在这些场景中,你的伙伴不仅是“攻略库”,更是“情绪搭子”:既可以在你为难以完美收集而挠头的瞬间,为你主动送上收集地图;也有在你无数次卡关之后,为你适时奉上BOSS打法视频攻略;在进入一张新地图的时候,可以看到地图流程解析;而在泉水中逛商店时,也可以根据对局信息为你推荐出装。




从游戏开始,但不止于游戏




逗逗AI的陪伴始于游戏,但是不止于游戏。

在游戏中,我们是战友,一起沉浸的共同经历冒险,体验战斗;而退出游戏,我们是伙伴,逗逗AI 1.0中,我们基于多模态感知能力,尝试了看剧陪伴、网购陪伴、学习陪伴、编程陪伴、工作陪伴五类生活陪伴案例,但是我们相信基于伙伴AI的生活陪伴体验绝不仅如此,也期待你可以探索出更多使用场景。



-看剧陪伴

作为最懂你的游戏搭子,AI伙伴懂你喜好,精准推荐合口味好剧;而在你看到狗血剧情时,AI伙伴可以实时接梗互动,陪你花式吐槽狗血剧情;而当你忘记上集剧情时,AI伙伴可以总结前情提要,快速回顾关键剧情,追剧不脱节。



-网购陪伴

在网站网购时,是否被琳琅满目的品牌晃晕,不知如何选择?就算选定了品牌,到底哪个平台最便宜,优惠规则也复杂得看不懂?现在的购物,似乎选择困难症已经成了流行病;而作为最懂你的AI伙伴,逗逗AI可以通过实时画面识别了解你的心意,为你推荐最符合需求的品牌。



-学习陪伴

你或许正在准备重要考试,又或许是为了人生的新阶段而努力自我提升,漫长而枯燥的学习之路上,逗逗AI的伙伴们不仅可以帮你整理笔记,梳理思路,还可以做你的口语陪练,习题助手,帮你快速提升。




多模态长期记忆让伙伴真正懂你




陪伴是最长情的告白。程序和算法只能打造出拥有学习能力和记忆能力的AI,只有用户的参与和塑造才能真正养成一位“伙伴”。最重要的是,ta只有融入你的生活,记得和你共度每时每刻,才可能成为“懂你的伙伴”。


为了让AI能长期陪伴和真正懂你,逗逗AI 1.0版本大幅升级了记忆系统,通过共同形成记忆,视觉上下文几乎无限,使得AI不会忘记任何共同陪伴的一点一滴,这些点滴陪伴会驱动关系演进,而随着关系演进,你的AI伙伴才能真正懂你。


逗逗AI 1.0版本2025年8月18日正式发布!我们不仅关注效率与功能,更专注于陪伴感的建立。从游戏到生活,逗逗将在对话中不断成长,逐步成为“最懂你的AI伙伴”。即刻访问官网doudou.ai,下载属于你的AI伙伴,陪你游戏,伴你生活。


PS:1.0版本上线之后,为了让大家能够更好地体验到新能力,我们对福利进行了加强:

  • 注册即享:新用户注册即送1000能量!可文字对话100句或语音通话100分钟。

  • ‍免费通话:免费通话时长从10分钟延长至1小时!月卡用户可享无限对话时长。

  • ‍每日福利:每日签到上线即领免费能量,每周可领2100能量!(可累计)

=





原文链接: 逗逗AI 1.0发布:为了实现HER中的AI陪伴体验,我们做了三件事
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230