Emotion State

核心用法

Emotion State 是一个 OpenClaw 系统钩子，用于在系统提示词中注入动态情感状态块。安装后，它会自动评估用户与 AI 的情绪，以自然语言短句形式存储，并在后续对话中通过衰减趋势线注入上下文。

部署流程：复制钩子至工作目录 → 启用 OpenClaw hook → 重启网关 → 配置环境变量（支持自定义分类器 URL 或 OpenAI API）。

显著优点

• 跨会话记忆：打破单次对话限制，实现长期情绪档案管理
• 轻量注入：不存储原始文本，仅保留模型推断结果，平衡隐私与效用
• 可配置衰减：通过半衰期参数控制历史情绪权重，避免过度依赖陈旧数据
• 降级容错：分类器失败时自动回退至中性状态，保障系统稳定性

潜在局限

• 依赖外部 LLM：情绪推断完全依赖 OpenAI 等第三方 API，存在延迟与成本
• 隐私边界模糊：虽声称不存原文，但推断理由仍可能泄露敏感信息
• 黑盒评估：情绪分类逻辑不可审计，可能存在文化偏见或误判
• 生态锁定：深度绑定 OpenClaw 架构，迁移成本较高

适合人群

面向需构建情感化 AI 产品的开发者，尤其是心理健康、教育陪伴、客户服务场景。要求用户具备 OpenClaw 运维能力及 API 成本承受力。

常规风险

• 提示注入攻击：动态内容注入系统提示存在被操纵风险
• 情感数据泄露：emotion-state.json 本地存储需配合磁盘加密
• 过度拟人依赖：用户可能对 AI 产生虚假情感依赖，需明确产品边界

核心功能

Emotion State 是一款为 OpenClaw 框架设计的系统级 hook，通过自然语言处理实现情绪状态的实时追踪与动态注入。其核心机制包含三层：

1. 情绪评估层

• 调用 OpenAI API（gpt-4o-mini 或自定义模型）将对话内容解析为结构化情绪标签
• 输出格式为自然语言短语（如 "frustrated/low/confused"），附带置信度分数与推理原因
• 支持可选的外部自定义分类器接入，满足私有化部署需求

2. 状态管理层

• 采用半衰期衰减模型（默认 12 小时）计算情绪趋势，避免短期波动干扰长期画像
• 本地 JSON 持久化存储于 ~/.openclaw/agents/<agentId>/agent/emotion-state.json
• 关键隐私设计：不存储原始用户文本，仅保留模型推断的标签与元数据

3. 提示注入层

• 通过 injectBootstrap 机制将情绪状态块嵌入系统提示，格式示例：

[Emotion State]
User: anxious/medium (trend: ↗ last 24h)
Agent: supportive/high

• 支持跨 Agent 情绪上下文读取（最多 3 个其他 Agent），实现协作场景下的情绪连贯性

显著优点

• 架构轻量：零第三方依赖，纯 Node.js 内置模块实现，部署成本极低
• 隐私合规：本地存储 + 数据最小化原则，GDPR 友好
• 可解释性强：自然语言标签比数值评分更易被 LLM 理解与利用
• 灵活配置：10 余项环境变量支持从模型选型到业务规则的深度定制

潜在局限与风险

功能性局限

• 情绪推断依赖外部 LLM，存在延迟（通常 200-800ms）与成本开销
• 置信度阈值（默认 0.35）过滤可能导致中性场景下情绪信息稀疏
• 跨 Agent 数据共享虽为功能设计，但可能模糊隐私边界

安全风险

• T3 来源（个人开发者/社区项目），缺乏组织级维护背书
• 需要 OPENAI_API_KEY，存在凭证管理不当导致的泄露风险
• 自定义分类器 URL 配置若指向不可信端点，可能造成数据外泄

运维考量

• 文件级状态存储在并发场景下可能存在竞态条件（无显式锁机制）
• 情绪趋势计算依赖系统时钟，时区配置错误将导致衰减偏差

适合人群

• 构建需要情感智能的对话 Agent（心理咨询、客户支持、教育辅导）
• 希望实现长期用户关系建模的 OpenClaw 开发者
• 具备 Node.js 环境管理能力、能理解 hook 架构的技术用户

常规风险

| 风险类别 | 等级 | 说明 |

|---------|------|------|

| 数据隐私 | 中 | 情绪标签虽非原始文本，但仍属敏感行为数据 |

| 供应链安全 | 中 | 依赖 OpenAI 服务可用性与定价稳定性 |

| 提示注入滥用 | 低 | 情绪数据注入系统提示，需确保标签内容无恶意构造 |

| 凭证泄露 | 中 | API Key 通过环境变量传递，需防范进程dump与日志泄露 |