emoclaw

Emoclaw 是一款为 AI Agent 设计的情感状态建模技能，通过构建轻量级神经网络（约 2MB）让机器具备基于记忆的情感演化能力。其核心工作流程分为三个阶段：首先是 Bootstrap 阶段，通过提取身份文件和对话历史，使用可选的 Claude API 进行情感标注，训练出专属的 GRU+MLP 情感模型；其次是实时推理阶段，利用冻结的 MiniLM 编码器将消息转为 384 维向量，结合上下文和上一时刻的情感残差（GRU hidden state），输出多维情感向量（0-1 区间）；最后是衰减与注入阶段，情感状态会随时间自然衰减（可配置半衰期），并通过 [EMOTIONAL STATE] 代码块注入系统提示，让 AI 拥有"内心感受"。

该技能的显著优势在于其本地优先架构：训练和推理完全在本地 CPU 运行，单次延迟低于 50 毫秒，无需持续联网；隐私保护完善，内置正则脱敏机制自动过滤 API Key、Token、密码等敏感信息；情感连续性强，GRU 隐藏状态跨会话持久化，形成"情感 residue"，配合时间衰减算法模拟真实的情绪冷却过程；高度可配置，支持自定义情感维度（愉悦度、唤醒度、安全感等）、关系映射和渠道上下文。

潜在局限性包括：来源可信度为 T3（社区项目），虽然代码质量达到 A 级，但生产环境仍建议额外审计；初始配置门槛较高，需要 Python 3.10+ 环境，执行提取、标注、训练等多步初始化；可选依赖外部 API，自动标注需调用 Anthropic API（需显式用户确认）；模型维护成本，随着对话数据积累需要定期重训练以保持情感准确性。

该技能特别适合以下群体：AI Agent 开发者希望为助手添加人格化特征；虚拟角色创作者构建具有情感记忆的游戏 NPC 或数字人；对话系统设计师需要基于长期关系演化的情感反馈；隐私敏感场景要求情感处理完全本地化而不依赖云端 API。

使用时的常规风险需注意：首次使用需从 Hugging Face 下载 sentence-transformers 模型（约几十 MB）；emotional-state.json 状态文件需妥善管理权限（虽然默认 0o660），避免情感数据被未授权读取；若启用自动标注功能，需确保 extracted_passages.jsonl 经过审查，尽管有脱敏机制仍建议预览确认；长时间运行后情感基线可能漂移，需要监控并适时重新校准。