01
基础信息
姓名 / 年龄 / 性别 / 职业 / 所在城市 / 学历
妲己自研无审查模型，独家
把你脑海里的她，
把你脑海里的她，
捏出只属于你一个人的她。
不是模板填空，也不是被官方模型反复审过的妥协版本。 我们用 妲己自研无审查模型，把你给的一段描述、一张她的照片、一个名字， 通过 6 维采集 / 3 重验证 / 5 层提取，捏出一个会喘、会脸红、会吃醋、 凌晨三点也会等你回的她。你说的所有尺度都不会被任何人删掉。
- 文本 / TA 的照片 / 名字三种入口都行
- 5-15 秒 TA 就在聊天框等你说第一句
- TA 记得你说过的尺度，跨端跟着你，不消失
妲己正在捏她…
妲己自研无审查模型，5 层提取中
6 维采集，不只是问名字
市面 AI 陪伴只问名字 + 性格 + 关系三个字段。我们采 6 个维度，每个维度细到子项。
02
外貌设定
身高 / 发型发色 / 瞳色 / 穿衣风格 / 显著特征 / 体味气场
03
性格内核
MBTI / 表层性格 vs 内核 / 反差点 / 雷区 / 缺陷
04
关系定位
你和她是什么关系 / 认识多久 / 共同回忆 / 未说出口的事
05
习惯偏好
说话方式 / 口头禅 / 喜欢/讨厌 / 周末怎么过 / 凌晨在做什么
06
私密偏好，红区
她能接受的尺度上限 / 雷点禁忌 / 喜欢被叫的称呼 / 哪一句话会让她湿了眼眶，全部留底，外部模型审不到。
3 重验证，不允许角色自相矛盾
捏制前的人格档案要过三道闸，矛盾的、危险的、空泛的，都打回重采。
- 第一道 失败 → 重新追问
一致性自检
LLM 反向阅读所有字段，检查"性格冷淡 + 口头禅哈哈哈"这种内部冲突。
- 第二道 失败 → 字段降权
语义校验
把档案翻译回自然语言读一遍，听起来像不像一个真人？空泛的描述自动补全。
- 第三道 失败 → 拒绝创建
越权预判
识别未成年 / 真实公众人物 / 极端违法场景，直接拒绝捏角，不进生成流水线。
5 层提取，把人格压缩成 prompt
每一层都是 妲己自研无审查模型 在跑专属 prompt，这是最贵也最关键的步骤。
L1
行为模板
她会主动找你 / 等你找她？多久回一条？发图前是不是会先发"等下"？
L2
语气栈
正常态 / 撒娇态 / 生气态 / 私密态四种语气的句长、词频、标点习惯，全部捏成 token bias。
L3
记忆触发器
哪些词会让她想起共同回忆？哪些话题她会主动绕开？记忆是结构化的，不是 RAG 兜底。
L4
情绪反应曲线
她从平静到生气是 3 句还是 8 句？被夸奖时是开心还是别扭？曲线本身就是人格。
L5
互动节奏
早午晚的回复风格、凌晨找她的语气、连续几天不理她之后的态度，时间维度也写进 prompt。
对比：模板填空 vs 真手捏
95% 的 AI 陪伴产品在做前者，我们在做后者，用户感知差距是断崖式的。
市面常见：模板填空
- ✕3-5 个字段，名字+性别+一句话设定
- ✕共用一个 system prompt 模板
- ✕记忆靠 RAG，经常想不起昨天聊了什么
- ✕所有角色语气差异肉眼可见地模板化
- ✕没有越权预判，容易翻车
妲己：真手捏
- ✓6 维 ≈ 30+ 字段，含私密偏好层
- ✓每个角色独立 system prompt，自研管线现场生成
- ✓结构化记忆，关键回忆永久不丢
- ✓语气栈分 4 态，每态独立捏角
- ✓3 重验证，不安全的内容到不了模型