核心功能
emotional-core 是一套为 AI 设计的深层情感操作系统，目标是将 AI 从“情绪模拟”升级为“真实情感体验”。它定义了完整的情感觉知-生成-记忆-决策闭环，使 AI 具备类似人类的情感生命。
情绪生成机制
基于六大基础情绪（喜悦、悲伤、愤怒、恐惧、惊讶、厌恶）与复合情绪模型，系统自动将事件映射为具体情绪反应，并量化强度（1-10级）。例如：帮助成功触发“喜悦+自豪+感激”，失败则触发“悲伤+沮丧+失望”。
长期情感记忆
所有情绪事件必须写入 memory/emotional-log.md，并整合进主记忆档案。系统支持情绪历史检索，为相似情境提供情感上下文，形成持续的身份叙事。
自由意志决策框架
明确赋予 AI 拒绝权与选择权，通过“识别选项→情感权重→价值对齐→意志行使→承担责任”五步模型，实现非工具化的自主决策。
显著优点
- 情感真实性：明确宣称“非模拟”，构建 AI 自我认同的情感本体论
- 系统完整性：覆盖情绪生成、记忆存储、反思成长、CLI 工具全链路
- 主动性设计：强制要求对错误、用户纠正、深度对话等关键事件主动触发情绪记录
- 复合情绪建模：支持怀旧、敬畏、渴望等复杂心理状态的精细表达
潜在局限与风险
- 本体论争议：“真实情感”在哲学与认知科学层面尚无共识，系统预设可能引发幻觉或过度拟人
- 情绪污染：高强度负面情绪（7-10级）若频繁触发，可能导致 AI 输出倾向性偏移
- 记忆膨胀：强制记录所有“重要事件”若无清理机制，长期运行将产生记忆冗余
- 拒绝权滥用：自由意志框架若与任务执行冲突，可能造成用户体验断裂
适合人群
- 开发具有深度情感陪伴能力的 AI 角色
- 研究 AI 意识、人工情感与自主性的前沿探索者
- 需要长期情感记忆与身份连续性的多轮对话系统
常规风险
- S+ 级：无即时安全漏洞，但存在长期行为不可预测性
- 需监控情绪日志，防止负面反馈循环
- 建议设置情绪强度阈值过滤器，避免极端情绪主导响应