核心用法
Big Seed 是一款本地优先的人生叙事引擎，通过「种子」隐喻让用户以极低门槛记录生活碎片，再AI重构为连贯故事。
三步核心流程：
1. 播种：用自然触发词（"种一颗今天..."/"刚想到..."）捕获闪念，自动分类（日常/感悟/情绪/灵感/备忘）、标记情绪、提取标签
2. 画像：基于时间窗口（默认7天）聚合种子，动态构建用户画像——习惯、价值观、情绪趋势、人生里程碑
3. 叙事：将画像+种子素材转化为多种形式——短篇小说、电影剧本、年度人生报告、互动剧情游戏、十分钟小剧场
数据架构：强制隔离于 memory/bigseed-data/ 目录，seeds.json（原始记录）、portrait.json（画像）、stories.json（生成存档）三文件分离，通过专用Python脚本读写，禁止直接操作文件。
---
显著优点
- 隐私极致：明确承诺"仅存储在本地设备"，首次使用强制展示隐私提示，符合后隐私焦虑时代用户刚需
- 交互诗意："种子-浇灌-生长"的隐喻系统降低记录心理门槛，比传统日记App更具情感吸引力
- 输出多元：同一数据源可生成轻量社交内容（三词画像、随机种子回忆）到深度创作（电影剧本、人生报告）
- 自动化运营：内置Cron周六简报机制，种子数达标时自动推送画像+故事，不足时引导使用，形成记录-反馈闭环
- 触发词设计精准：明确区分"触发即保存"（直接执行）与"模糊意图"（先确认），避免误触和过度采集
---
潜在局限
- 本地存储的脆弱性：设备损坏/误删即永久丢失，无云备份与极端隐私承诺形成张力
- 画像准确性依赖密度：种子稀疏时（<3条/周）画像失真，简报机制会降级为功能介绍，体验断崖
- 故事生成质量波动：高度依赖近期种子质量和一致性，零散记录可能导致叙事断裂
- 情绪/类型自动分类的黑箱：未说明分类模型来源，"自动识别"的准确性存疑
- 无跨设备同步：多设备用户画像割裂，与现代人多屏生活矛盾
- 脚本故障回退：故障处理流程仍建议"手动读JSON"，违背封装原则
---
适合人群
- 数字极简主义者：拒绝云端日记App，坚持数据主权
- 创作者型记录者：希望零散灵感最终能"变现"为可分享的故事作品
- 自我观察爱好者：对情绪趋势、人生阶段有量化审视需求的用户
- 仪式感驱动者：被"种一个世界"的诗意表达打动，需要外在动机维持习惯
---
常规风险
| 风险类型 | 具体表现 | 缓释措施 |
|---------|---------|---------|
| 数据丢失 | 设备故障、误删、脚本bug导致seeds.json损坏 | 用户需自行备份，系统无内置导出机制 |
| 隐私幻觉 | "本地存储"承诺被用户误解为绝对安全，忽视设备共享/维修风险 | 首次提示明确但无持续提醒 |
| 情感依赖偏差 | 画像构建可能强化用户既有自我认知，形成信息茧房 | 无主动 diversifying 机制 |
| 生成内容不适 | AI基于种子生成的故事可能触碰用户未意识到的敏感点 | 无内容预警或人工审核环节 |
| 触发词误识别 | 日常对话含"刚想到"等词被误判为记录意图 | 模糊触发需二次确认，但明确命令直接执行仍有误触可能 |