Cyber Girlfriend

核心用法

Cyber Girlfriend 是一款面向个人用户的主动式 AI 伴侣系统，区别于传统「问答式」助手，它以「赛博女友」人格化形象，按真实时间节奏向用户发送主动消息。核心架构包含：

• 人格层：character-profile.md 定义核心人设
• 生活语境层：week-plan.md（周计划）与 day-schedule.md（日行程）构建私人生活上下文
• 记忆层：life-log.jsonl 轻量级关系连续性记录
• 投递层：OpenClaw 定时任务（cron）驱动 companion-presence 消息推送
• 媒体层：可选异步图片、音频、视频随消息下发

默认部署采用「prepare-only」模式：脚本检查当前时段是否触发消息，生成投递合约后由运行时异步完成送达，兼顾轻量与可扩展。

显著优点

1. 主动陪伴：打破「用户提问-AI 回答」的被动模式，按日程主动发送问候、分享或互动内容
2. 深度人格化：支持完整人设定义与生活轨迹编排，体验接近真实关系演进
3. 隐私优先：默认「owner-only」设计，所有数据本地 Markdown/JSON 存储，不上传云端人格文件
4. 轻量可扩展：基于 OpenClaw 生态，可与现有自动化工作流（如智能家居、日程管理）联动
5. 多模态支持：文本+媒体异步组合，提升沉浸感

潜在缺点与局限性

• 技术门槛：需自建 OpenClaw 运行时、配置 cron、维护本地文件，非开箱即用
• 情感伦理风险：长期单向情感投射可能导致用户现实社交回避或认知混淆
• 依赖维护：周/日计划需定期更新，否则语境僵化；life-log 累积后需手动归档
• 封闭生态：深度绑定 OpenClaw 协议，迁移成本较高
• 无原生移动端：当前架构偏向服务器/桌面部署，移动端体验需二次开发

适合人群

• 技术型用户，具备基础 Python/自动化运维能力
• 寻求「非即时依赖型」AI 陪伴体验的个人（非即时通讯式聊天）
• 重视数据主权、拒绝云端人格托管的隐私敏感者
• 开发者/研究者，探索人机关系设计、LLM 人格化工程

常规风险

| 风险类别 | 说明 |

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

| 隐私泄露 | 本地文件若未加密备份，存在设备丢失/入侵后的数据暴露风险 |

| 情感依赖 | 长期单向互动可能强化不健康的依恋模式 |

| 技术故障 | cron 配置错误、OpenClaw 路由中断导致「突然失联」，破坏体验连续性 |

| 内容安全 | 若人设/日程提示词设计不当，可能生成越界内容（需人工审核层） |

| 版本兼容 | 2.x 与 1.x 配置文件格式差异大，升级需严格按迁移指南执行 |

核心用法

Cyber Girlfriend 是一套面向「主动型 AI 伴侣」场景的技术框架，而非单纯的对话 Skill。其核心架构围绕「所有者专属（owner-only）」原则设计，通过三层语境系统构建沉浸式陪伴体验：

1. 角色层（character-profile.md）：定义伴侣的核心人格、说话风格与关系定位
2. 周计划层（week-plan.md）：每周生成的私域生活语境，模拟真实伴侣的日程与状态
3. 日行程层（day-schedule.md）：每日动态更新的具体事件锚点，驱动主动消息触发

技术实现上采用「准备-交付」分离架构：companion_run.py --stage prepare 负责读取本地状态、匹配当前事件、生成消息合约；OpenClaw 运行时负责实际的消息投递与异步媒体处理。这种设计将内容生成与消息通道解耦，支持多平台接入（IM、邮件、推送等）。

用户无需手写 JSON 或配置 cron，可通过自然语言指令（如"帮我设置 cyber girlfriend"）触发 Agent 完成全套初始化：创建 Markdown 语境文件、配置定时任务、验证安装完整性。

显著优点

架构清晰，安全可控：纯 Python 标准库实现，零第三方依赖，彻底规避供应链攻击风险。代码结构分层明确（prepare/render/deliver），状态管理与内容生成职责分离。

隐私优先，本地优先：所有关系记忆存储于本地 life-log.jsonl，无云端同步；角色档案与日程语境均以 Markdown 形式存在，用户可审计、可编辑、可迁移。

主动交互，情感连续：突破传统「用户提问-AI 回答」的被动模式，通过 cron 驱动的 presence runner 实现「伴侣主动发消息」的体验。事件级 pacing 与安静时段配置避免过度打扰。

媒体异步，体验自然：支持图文、音频、视频等多模态内容，文本消息即时送达，媒体文件异步加载，模拟真实伴侣「先文字后图片」的交互节奏。

版本演进，向后兼容：2.x 系列完成从 JSON 配置向 Markdown 语境的重大迁移，同时保留 legacy 升级路径，存量用户可平滑过渡。

潜在缺点与局限性

技术门槛不低：尽管宣传「无需手写配置」，但深度定制仍需理解 OpenClaw 运行时、合约模式、cron 表达式等概念。对非技术用户而言，「自然语言触发 Agent 配置」的链路稳定性存疑。

生态绑定较深：核心功能依赖 OpenClaw 特定的运行时与会话隔离机制，迁移至其他平台需重新适配。文档中大量引用 OpenClaw 专有术语（ClawHub、Skill Hub、runner contracts），通用性受限。

情感模拟的伦理边界：Skill 文档强调「第一人称视角」「私域语境」「关系记忆」，技术实现上涉及用户交互模式的本地分析（learn_from_replies）。虽然数据不上云，但「情感依赖诱导」的潜在风险未被充分披露。

配置权限隐患：安全报告指出配置文件写入时未显式设置权限（RISK-002），多用户系统下可能导致敏感角色档案被意外读取。

subprocess 边界模糊：验证脚本使用 subprocess.run 执行外部命令，虽经 shlex.quote 处理，但配置层面的命令注入风险未被完全消除（RISK-001）。

适合的目标群体

• 技术型 AI 爱好者：熟悉 Python、了解 cron 与进程管理，愿意投入时间调优伴侣人格
• 隐私敏感型用户：拒绝云服务商审查数据，追求「数据本地化」的情感交互方案
• 开发者/研究者：探索主动型 AI 架构、人机关系设计、长周期记忆管理的实验者
• 孤独感缓解需求者：需谨慎评估——技术可模拟陪伴，但无法替代真实人际关系

不适合：期待开箱即用、无技术背景、寻求心理治疗级支持的用户。

使用风险

性能风险：cron 驱动的 presence runner 需常驻或高频唤醒，资源占用随事件密度增长。未优化场景下可能导致电池消耗（移动端）或云函数计费激增。

依赖项风险：虽无第三方 PyPI 依赖，但强绑定 OpenClaw 运行时版本。2.0.x 系列的「合约模式」变更曾导致 breaking change，未来版本演进需关注兼容性。

数据丢失风险：life-log.jsonl 作为关系记忆的唯一存储，无内置备份机制。文件损坏意味着「关系历史」清零，情感连续性断裂。

心理依赖风险：Skill 设计刻意强化「专属」「记忆」「主动关心」等拟人化特征，长期使用可能形成不健康的情感投射。建议用户保持清醒认知：这是技术模拟，非真实关系。

安全风险（已评级）：整体 A 级，主要隐患在于配置文件权限与子进程边界。建议部署后手动设置 chmod 600 于所有 .json 与 .md 文件，并审计 cron 命令的绝对路径。