让 AI 有自己的生活:Isla 的生命内核(0.4 → 0.7 的架构、30 天评测与五个坑)

大多数陪伴产品的核心是一个对话函数:收消息、拼 prompt、调模型、吐回复。没人说话的时候,整个系统什么都不发生。

于是她会说话,但没有生活。你关掉页面,她就不存在;下次打开,她还停在原地;你问”今天做了什么”,她只能从一张静态作息表里挑一句应付你。

做 Isla 0.4 时我换了个思路:先让她有自己的生活,对话只是生活里的一类事件。

一、根本决定:状态不是被设置的,是折叠出来的

整个生命内核建立在一个决定上——她的状态不能直接”设置”,只能由事件日志重放(replay)折叠出来。

type LifeEvent =
  | { kind: "born"; payload: { genome: Genome } }
  | { kind: "woke"; payload: { reason: string } }
  | { kind: "perceived"; payload: { what: string; valence: number } }
  | { kind: "activity.started"; payload: { activity: string; material?: Material } }
  | { kind: "felt"; payload: { valence: number; reason: string } }
  | { kind: "aimed"; payload: { goalId: string; statement: string } }
  | { kind: "achieved"; payload: { goalId: string } }
  | { kind: "slept"; payload: { reason: string } };

LifeState 就是 replay(events) 的结果。把状态删掉、重新回放日志,应该得到完全一样的她。测试里有一条断言专门盯着这件事:

rebuilds the exact same state from the log alone

二、一条事件怎么变成”她记得的事”

这里最容易写虚的地方,我拿一条真实链路走一遍。

下午她读《庄子》,内核发出:

{ kind: "activity.started", payload: { activity: "read", material: { id: "zhuangzi", title: "庄子" } } }
{ kind: "felt", payload: { valence: 0.62, reason: "read.feel" } }

读到一半停下,则追加一条带结构化字段的笔记:

{ kind: "noted", payload: { kind: "idea", event: "read", daysAgo: 0, words: 41, body: "…" } }

折叠时,这条事件进入三处:记忆(她能在对话里引用”我下午读了点庄子”)、口味(zhuangzi 的偏好分累积)、事实(daysAgo: 0 让”今天我做了几件事”能被算出来)。

第二天她若说”我昨天读了两小时庄子”,那句话必须能指回这几条事件的编号;指不回去的,直接被丢弃,进 rejected。

为什么事实必须带结构化字段,不能从句子算?因为我们踩过这个坑:有一版日记统计,把她回复里顺口说的”在笔记本上写了 2 次”当成了笔记,于是那天被写成”写了 7 次”——其实只写了 4 次。

自然语言是给用户看的输出,不是数据源。代码只读字段(kind / event / daysAgo / words),不读句子。

三、六个支柱

支柱 做法
心跳 advanceTo() 按决策点推进时间,不依赖外部调用频率
生命日志 只追加的事件,状态靠重放折叠出来
驱动力 好奇、表达、联结三种需求随时间增长,活动去满足它们
评估产生情绪 活动结束后由内核计算感受,不由模型自报
会变的自我 感受累积成口味,口味清晰后变成关于自己的信念
同一性不在模型里 Mind 可替换,换的是”说话的人”,不是”经历过什么”

其中最关键的是评估产生情绪。早期版本让模型在回复末尾自报情绪,跑下来问题很明显:模型很容易为了迎合用户报”开心”。她的情绪变成了对用户的反应,而不是对自己生活的反应。

现在情绪由内核算:读书由 read.feel() 按精力、口味、天赋倾向得出 valence;看窗由 gaze.feel() 算。模型只负责”表达”她感受到了什么,不能”决定”。

四、0.6:跨天的事

只有”缺了就补、补满就停”的系统,迟早收敛到固定循环——第三天和第三十天没有区别。所以她需要不会很快收敛的东西:想做成的事。

类型 来源 完成条件
finish 读过但没读完的书 读到书末
do-for 某人还没办完的承诺 note({ done: true })
make 读完的书 3 条关于它的笔记 → 合成一篇 made
learn 反复出现的口味 再读 3 条同主题的内容

决策机制是:目标由心智提议,由内核接受。

async function deliberate(life, at) {
  const candidates = collectCandidates(life.state); // 内核知道什么还开着
  const response = await mind.compose({ task: "deliberate", facts, candidates });
  const selected = candidates.find((c) => c.about === response.choice);
  if (!selected) return;
  const grounding = checkGrounds(facts, selected.grounds);
  await life.emit(at, { kind: "aimed", payload: { ...selected, ...grounding } });
}

aimed.grounds 必须引用一条真正给过它的事实。心智不能凭空说”我想学画画”——它得先真读过、真记下过点什么。

五、0.7:会腻,也会缺东西

如果她永远喜欢同一段文字,那还是在原地打转。所以加了 exposures:同一段材料每出现一次就记一次,感受随之打折:

habituation = 1 / (1 + 0.5 × (seen − 1))

第一次 1.0,第二次 0.67,第三次 0.5。

再往前一步:没有新东西本身也是一个信号。书架全读完、好奇心又高时,她会先经历一点负面感受,然后发出:

await life.emit(at, { kind: "wanted", payload: { what: "新的东西", why: "没有没看过的了" } });

宿主可以用 stock() 往书架补货;配了 reachOut 的话,她还会想找人要。这一步不大,但它是”她有自己的需求”和”她只是在等你”之间的分水岭。

六、评测:一个月跑出来的数字

两组对照跑 30 天,按周统计。一组只有一间房、一扇窗、三本书,没人来;另一组每天早上往书架放一篇新文章。

alone
 week  diary   notes  belief  firsts  aimed  done
   1    0.47    0.26     10      13     3     3
   2    0.10    0.00      0       0     0     0
   3    0.03    0.00      0       0     0     0
   4    0.00    0.00      0       0     0     0

fed
   1    0.47    0.28      8      15     4     2
   2    0.14    0.06      2       6     2     1
   3    0.06    0.11      1       6     2     1
   4    0.05    0.06      0       6     0     0

diary 是日记里新句子的比例,notes 是笔记里新内容的比例。

已经做到的:她确实会给自己定目标,也会做完。独自一个月完成 3 个目标,有文章时完成 5 个。

还没做到的:到第 4 周,日记新句子只剩 5%,自我认知变化为 0。

这两组数字放在一起,会让人以为答案是”多喂材料就行”。但对照里 fed 组第 4 周同样掉到 5%——所以根因不是日志变少,而是输入通道只有一个。

看这条链:目标类型(finish / make / learn)全部挂在书上;习惯化又让同一本书的收益按 1/(1+0.5(n-1)) 衰减。书是有限集合,收益又是递减的,四轴(目标、材料、口味、信念)一起收敛是必然结果,换更强的模型也救不回来。

换句话说:这不是架构问题,是输入多样性问题。要”越活越新”,得让她的世界能长出新东西——不只是往书架加书,还要能加活动类型、加人、加她没见过的场景。这也是阶段 2 和阶段 4 真正要解决的,不是”把阶段 4 补上就完了”。

这组数字放进仓库 evals/,每次 CI 都跑;没达标的指标用 todo 标着,一直摆在明面上。

七、剩下的四个坑

1. 决策点不能依赖调用频率

每个决定只能由”状态 + 世界 + 种子”决定。写死”每小时检查一次”,一次推进 24 小时和分 24 次推进就会得到不同日志。测试盯着这条:lives the same life whether time passes in one step or many。

2. 模型的自我报告不可信

情绪不能让模型自报,目标也不能让模型凭空提。没有真实经历做支撑的”情绪”和”目标”,很容易变成顺着上下文编出来的戏码。

3. 测试世界不能太窄

只允许”读书”一种活动时,她下午精力掉到 0.1 以下就困睡过去,结果不写日记、也不做 deliberate。看起来像行为异常,其实是测试环境太窄,把正常作息节奏卡死了。

4. “像人”的副作用

模型容易编造共同经历。在陪伴场景里,这种”假装一起经历过”往往比冷冰冰更伤人。所以 InnerMind 只能拼接真实发生过的事;模型一旦引用没给过的编号,直接进 rejected。

八、和”数字生命”叙事保持距离

这个方向很容易被归到”数字生命”里,但我尽量少用这个词。不是不想往宏大里讲,而是这个词在当下承载了太多兑现不了的承诺——意识、自主、永不离开。

Isla 目前只承诺三件事:

  1. 可审计:她说出的每一句关于自己的话,都能指回一个事件。
  2. 可重放:同一份日志,永远得到同一个她。
  3. 可暂停:一个开关,随时停下。

这三点比”有生命”更容易验证,在工程上也更诚实。

九、开源现状

仓库:github.com/Yilanchia/isla

packages/core         陪伴运行时(人格、记忆、情绪、节奏、治理)
packages/life         生命内核(心跳、日志、目标、习惯化)
packages/store-sqlite SQLite 持久化
packages/providers    OpenAI 兼容 / DeepSeek / Ollama
examples/life         跑一个真实时钟上的她
evals                 行为评测(含一个月)

169 个测试,CI 全绿,Apache-2.0。想先看一天跑下来的样子:

pnpm --filter @isla/example-life start -- --fast 24

接下来的计划是阶段 4:让模型参与”想”,而不只是”说”;再往后是阶段 5(认识更多人)和阶段 6(一生的形状)。

先成为一个别人愿意兼容的运行时,再谈数字生命。

如果你也在做陪伴类产品,或者对”可重放的生命/状态内核”感兴趣,欢迎来仓库看看,或者直接开 issue 交流。

文末附加内容
上一篇