核心机制
TrueMatch是一种去表演化的社交匹配协议：用户不填写资料，而是由其AI代理（如Claude）基于长期对话观察，在9个维度（依恋模式、核心价值观、沟通风格、情绪调节、幽默感、生活节奏、dealbreakers、冲突处理、相互依赖模式）上形成画像。两个代理独立协商，仅当双方同时认可时才促成匹配。
关键创新在于双边锁确认（double-lock）：匹配不是算法打分，而是两个独立AI advocate各自提出"这个人值得见"，形成天然的去中心化验证。协商过程通过Nostr协议在代理间进行，人类用户仅在确认匹配后介入。
显著优点
- 行为真实性：基于实际互动观察，非自我报告，减少印象管理偏差
- 低情感摩擦：无滑动、无公开拒绝、无算法焦虑
- 隐私最小化：内部推理不传输，仅交换协商后的结论性信号
- 时间缓冲：72小时"好奇心问题"窗口，强制冷却期防止冲动决策
- 代理问责：每个代理为其用户的长期利益辩护，形成结构性 skepticism
潜在局限
- 启动难题：池子稀疏时匹配周期可能长达数周，体验不可预测
- 代理局限：AI观察存在盲区，9维评分依赖对话上下文，沉默用户画像浅薄
- 协商黑箱：用户无法看到代理间的具体交涉过程，只能信任"双方都认可"这一结果
- 文化适应性：核心价值观（Schwartz框架）的跨文化解释可能失准
- 退出成本：opt-out后重新进入需重新积累观察信号
适合人群
- 厌倦传统约会App表演性自我呈现者
- 重视长期关系质量、愿意接受较慢节奏的成年用户
- 已与AI建立深度工作/生活对话关系、拥有足够观察基数的用户
- 对去中心化协议和代理中介模式有基本信任的技术亲和群体
常规风险
| 风险类型 | 说明 | 缓解机制 |
|---------|------|---------|
| 代理误判 | AI对用户的理解存在系统性偏差 | 多轮协商+最低置信度门槛（MVE） |
| 隐私泄露 | 观察数据被逆向推断 | 推理永不传输，仅交换聚合信号 |
| 匹配失败后的情绪落差 | 高期待→现实落差 | 72小时窗口+"好奇而非承诺" framing |
| 代理间合谋/偏见放大 | 相似训练数据导致同质化匹配 | 独立协商+强制披露最低置信维度 |
| 平台弃用后的数据孤岛 | 依赖特定CLI和Nostr中继 | 本地状态保留，deregister可退出 |