FeiBI：带结构化记忆、知识路由与语音输出的角色对话实验

项目背景

FeiBI 是一个角色对话实验，目标是把输入、记忆、检索与语音输出拆成可检查的结构，而不是把所有上下文堆入一次生成请求。推理路线使用本地 Qwen 量化模型。

本人负责内容

当前设计包含确定性编码、JSON 结构化记忆、意图分类、世界知识、知识路由和 TTS 输出。后续计划引入运行状态、任务状态和情感交互状态，以便让状态变化可观测、可约束。

技术架构

输入首先经过确定性编码与意图分类，再由路由选择会话记忆、世界知识或任务上下文。模型生成结果与结构化状态分别保存，TTS 只消费已确定的输出文本。

input -> encoding / intent -> memory + knowledge routing -> local model -> TTS
                                   |                         |
                                   +---- JSON state ----------+

关键难点

难点在于结构化记忆的写入边界、路由决策的可追踪性，以及状态机与自然语言输出的一致性。情感交互状态是界面与对话策略的受控变量，不等同于模型拥有真实情绪。

当前状态

项目处于实验与设计推进阶段。所谓“主动性”限定为受控提醒、待跟进话题和用户授权后的主动交互，不宣传无限自主性。2C2G 服务器不部署模型推理服务；本站仅提供项目介绍和文档，不提供公开 API 或模型推理服务。