FeiBI 的结构化记忆、路由与情感状态机设计

记忆应当可读取，也应当可审计

FeiBI 选择把长期信息和会话线索放入 JSON 结构，而不是只依赖自然语言摘要。结构化字段可以标记来源、更新时间、置信度和适用范围，也能让调试时明确看到一次回答使用了哪些事实。

确定性编码负责把稳定规则从生成过程里拿出来。例如固定的用户偏好、显式授权与任务状态不必每次交由模型猜测。模型擅长处理表达与关联，规则系统则应处理需要可重复结果的部分。

路由决定上下文成本

输入先做意图分类，再决定读取会话记忆、世界知识、任务上下文，还是仅保留当前轮次。路由日志应记录选择理由和命中数据，避免“模型似乎记得”成为无法排查的结论。

input -> intent -> route -> structured context -> local Qwen -> text -> TTS

本地 Qwen 量化模型是当前路线。2C2G 服务器不承担模型推理，只承载项目介绍、文档与未来轻量 API，因此模型运行环境与公开站点保持分离。

情感交互状态不是情绪声明

计划中的运行状态、任务状态与情感交互状态，目的是让界面和对话策略有明确输入。它们可以影响提醒节奏、话题延续或措辞选择，但不表示模型具备真实情绪。

主动交互同样需要边界：仅在用户授权下进行提醒，或提示待跟进的话题。状态机的价值在于让这些行为可关闭、可解释、可回放，而不是追求无限自主性。