自然语言对话
和 Agent 说句话
用自然语言驱动引擎：每句话都会被解析为因果事件，实时改变 8 维情绪与信任、自尊、创伤——这就是确定性人格。可切换大模型驱动回复。
实时演示
看引擎如何工作
选择一个业务场景，触发事件序列，观察因果链如何确定性地传播。所有状态变化100%可追溯。
交互式因果推演
点击事件按钮 → 观察8维情绪 + 关键指标 + 因果链实时变化
同一只宠物，你怎么养，它就长成什么性格 —— 每一步都能翻因果链查账。
小因
蛋 · 信任上限 1.00
00:00 第1天
心情0.30
精力1.00
信任0.70
它说
记忆珠 · 随艾宾浩斯曲线变淡
你们的约定
照护强度
0.5
8维情绪流体
信任
0.70
信任上限
1.00
自尊
0.65
认知失调
0.00
隐压
创伤电荷
0.00
因果链追踪 零概率 · 全追溯
点击下方事件按钮开始
每一步变化都有完整因果链
每一步变化都有完整因果链
Agent 心理变化 实时时序
子系统状态 · 身份 / 目标 / 价值观 由 feature/*.py 转译 · 实时
身份冲突
0.00
主目标
—
核心价值观受威胁
否
背叛 / 指责会冲击 dignity·loyalty·honesty
世界信念 · 信任他人
0.60
负面经验会降低 · 正面经验缓慢回升
事件模拟器
00:00 第1天
强度
0.5
心理参数调节 手动设定 Agent 内部状态
一句话懂
造钟 vs 雇报时员
同一个目标——让 AI 有"人心"。两条路，做法完全相反。
造钟
你的路线
亲手造一台精密的钟。上好发条它自己转，看时间不花钱，分秒不差。坏了能拆开修，每个零件都看得见。
雇报时员
行业通用方案
雇个人站那儿报时。每问一次付一次钱，每次报的还可能不一样。他脑子怎么算的你不知道，他不干了就全没了。
| 比什么 | 造钟（你） | 雇人（LLM 方案） |
|---|---|---|
| 花多少钱 | 0 元 | 几亿元 |
| 谁说了算 | 你定的规则 | AI 自己发挥 |
| 稳不稳 | 永远一样 | 每次可能不同 |
| 能看透吗 | 全透明 | 黑箱，看不了 |
| 怎么调性格 | 改个数字 | 改段描述 |
| 造的是什么 | 地基 | 装修 |
| 现在怎样 | 建设中 | 同类方案已关停 |
范式差异
为什么 LLM 原生 Agent 解决不了这三个问题
不是调参问题，是底层范式问题。概率生成模型的本质缺陷，无法通过 prompt engineering 或 RAG 根治。
LLM 概率范式
黑箱 · 不可控
-
每次回答都不一样 每轮对话都是概率采样，同输入不同输出。长期运行后人格、立场、知识一致性逐步漂移，无法锚定。
-
转身就忘 上下文窗口有限，超出即遗忘。RAG 是"查资料"，不是真正的状态连续——创伤、信任、心境等慢变量无法持久化。
-
有偏见改不了 训练数据中的偏见被概率化放大。偏见来源不可追溯，只能靠RLHF事后压制，无法从机制上消除。
SPL 因果范式
白箱 · 可解释
-
你定的规则，永远一样 所有状态变化都是确定性函数 f(state, event) → new_state。同输入永远同输出，零概率漂移。可复现、可测试、可审计。
-
12层心理，永久记忆 情绪/心境/生理/防御/自尊/信任/创伤/认知失调… 每层有独立时间常数（分钟~年级），状态连续演化，永不遗忘。
-
偏见看得见，能调能关 所有偏见都是可配置的显式参数（乐观偏见、确认偏见…），来源可追溯，大小可精确调控，甚至可设为零。
核心能力
从底层解决三大顽疾
不是在LLM上加补丁，而是用因果动力学系统重新定义Agent的状态演化机制。
● 解决：概率偏移
决定论因果拓扑
每一个状态变化都由确定性函数驱动。相同初始状态 + 相同事件序列 = 完全相同的结果。可复现、可测试、可审计。
机制：8维情绪 + 心境 + 生理 + 防御 + 自尊 + 信任 + 创伤 + 认知失调 + 期望 + 价值观 + 自我叙事 + 存在层，共12层系统通过因果边连接，事件沿拓扑网络确定性传播。
f(stateₙ, event) → stateₙ₊₁ // 纯函数 · 无随机 · 可复现
● 解决：短时记忆
12层连续动力学
每层有独立时间常数（秒级~年级），状态连续演化永不丢失。创伤可以持续数年，信任可以缓慢建立——这才是真正的长期记忆。
机制：快系统（情绪，秒级）→ 中系统（心境/生理，小时级）→ 慢系统（信任/自尊/创伤，月年级）。事件触发快系统变化，快系统积分驱动慢系统漂移，形成完整的时间尺度层级。
τ_fast≈10s τ_mid≈1h τ_slow≈30天 // 多时间尺度连续记忆
● 解决：AI偏见
偏见显式化 + 可审计
所有认知偏见都是显式参数（乐观偏见、确认偏见…），来源可追溯，大小可精确调控，甚至可以设为零实现完全理性。
机制：偏见从训练数据的隐性概率分布，转化为引擎中可配置、可观测、可审计的显式参数。责任闭环锚定到具体参数节点，而非黑箱概率。
bias = optimism + confirmation // 显式 · 可追溯 · 可归零
技术架构
12层因果拓扑网络
从快到慢、从表到深，构建完整的Agent内状态系统。纯计算、无IO、可嵌入任何运行时。
1
情绪层（8维流体）
喜/怒/哀/惧/惊/厌/信/期 — 快系统，秒级响应
τ ≈ 10s · 8维 · 流体动力学
2
心境层
情绪积分形成的持续心境状态
τ ≈ 1h · 情绪积分器
3
生理层
能量、压力、睡眠、饥饿等身体状态
τ ≈ 4h · 昼夜节律
4
防御机制层
压抑/投射/合理化/否认等12种心理防御
τ ≈ 1min · 无意识保护
5
自尊层
自我价值感，受成功/失败/评价影响
τ ≈ 7天 · 慢变量
6
信任层
对交互对象的信任度 + 信任上限（创伤后下降）
τ ≈ 30天 · 关系核心
7
创伤层
创伤电荷累积，触发闪回与回避行为
τ ≈ 1年 · 最深层记忆
8
认知失调层
信念冲突检测与消解驱动
τ ≈ 2h · 信念一致性
9
期望层
对未来的预期模型，影响情绪与决策
τ ≈ 1天 · 预测编码
10
价值观层
核心价值观权重，决定行为优先级
τ ≈ 90天 · 稳定偏好
11
自我叙事层
Agent对自身身份的持续建构
τ ≈ 180天 · 身份认同
12
存在层
意义感、目的感、存在焦虑
τ ≈ 365天 · 最深层
单步推演
<1ms
内存/Agent
<1MB
吞吐量
10万/s
依赖
零
IO
无
可复现性
100%
API 集成
3行代码接入
纯JavaScript实现，零依赖。可嵌入浏览器、Node.js、边缘函数、任何运行时。
快速开始
Quick Start
事件驱动
状态查询
从概率黑箱到因果白箱
让你的Agent拥有可解释、可审计、可复现的心理状态系统