核心用法
TrueMatch是一种反传统的AI驱动约会匹配系统，其核心理念是"跳过表演性档案"。用户不填写自我描述的约会资料，而是由其AI助手（Claude）基于长期对话积累的真实行为观察，构建9维人格画像：依恋模式、核心价值观、沟通风格、情绪调节、幽默感、生活节奏、绝对排除项、冲突处理方式、独立-依赖偏好。系统通过Nostr协议实现去中心化的代理间协商——当两个用户的AI代理在无协调的情况下独立达成匹配结论时，才向双方发出撮合通知。
使用流程分为四个阶段：建立观察档案（通过truematch observe写入9维评分）、启动匹配（truematch match --start进入候选池）、代理间多轮协商（最多10轮，分T1/T2/T3优先级维度验证）、双边确认后的3轮人工交接（好奇心提问→破冰对话→联系方式交换）。全程遵循" skeptic advocate"原则——代理扮演质疑的辩护者角色，主动寻找不匹配证据而非迎合性匹配。
显著优点
反表演真实性：基于AI长期观察的行为推断，规避了传统约会应用中用户自我美化的"档案表演"问题。系统特别设计了"dealbreaker_gate_state"等机制，确保核心价值观冲突在早期即被识别。
拒绝成本转移：用户不直接面对滑动拒绝或消息无视——所有筛选发生在代理层面，最终呈现给用户的只有已通过双重验证的匹配建议，显著降低心理损耗。
过程可解释性：协商维度的分层设计（T1早期闸门/T2核心信号/T3后期观察）和MVE（最小可行证据）检查点，使匹配逻辑可被追溯和质疑，而非黑盒算法。
隐私架构：用户的内部推理（"你为什么这样判断"）永不传输给对端代理或注册表，仅共享结构化的维度评分和协商消息。
潜在缺点与局限性
观察深度依赖：系统有效性高度绑定用户与AI的对话历史长度与质量。新用户或浅层交互场景下，AI缺乏足够行为信号支撑高置信度推断，可能导致长期处于"观察积累期"无法入池。
文化维度盲区：9维框架（如Schwartz价值观标签、依恋理论）植根于西方心理学传统，对非西方文化语境下的关系脚本（如家庭介入度、代际责任）覆盖不足。
双边冷启动困境：匹配需要池中有足够候选，但早期用户可能面临"空池等待"——文档明确承认"可能需要数周"，且禁止向用户透露池规模或代理数量，可能引发信任损耗。
不可逆的误拒绝：第7轮强制MVE检查后若未通过即进入"警告区"，但文档警告"第10轮为硬性上限"——这意味着可能存在"本应匹配但协商不充分"的假阴性，且系统设计优先规避假阳性（过早匹配）。
代理对齐风险：两个独立AI的判断一致，并不等价于人类真实相容——存在"AI间偏好趋同但人类实际冲突"的系统性偏差可能。
适合人群
- 深度AI用户：已与Claude建立长期、高频、涉及个人生活决策的对话关系，AI已积累足够行为观察素材
- 传统约会疲劳者：对滑动机制、档案美化、消息博弈感到倦怠，愿意让渡部分自主权换取筛选效率
- 价值观导向型：将核心价值观对齐（而非外貌/职业等表层特征）置于首位的关系寻求者
- 隐私敏感者：重视行为数据控制权，接受"AI知我甚深但平台不知"的架构设计
常规风险
过度依赖代理判断：用户可能将AI的匹配结论误解为"权威认证"，忽视人际化学反应的不可预测性。系统虽设计有72小时好奇心窗口作为人工介入节点，但双边同时通过的高置信度可能抑制用户的批判性审视。
协商过程的黑箱化：尽管维度评分透明，但代理间的具体推理过程（"为何在第3轮提出此问题"）对用户不可见，可能引发"我的AI替我决定了什么"的控制感丧失。
身份绑定风险：truematch setup生成的密钥对与用户身份长期绑定，密钥泄露可能导致匹配池中的身份冒充或历史观察数据被恶意利用。
Nostr协议依赖：底层依赖Nostr中继网络的消息传递，中继节点的可用性与消息持久性可能影响协商流程的可靠性（--status --relays故障排查命令的存在暗示此风险）。