AI news

SentiPulse 觉得 Agent 需要一张脸

By 硅星人Pro1 viewsSource: 硅星人Pro
SentiPulse 觉得 Agent 需要一张脸

SentiPulse(思维光谱)公测了一款叫 SentiCat 的产品,把这套理念落了地。一个有 Live2D 形象、有性格的数字角色 SUSU,负责陪你聊天、了解你、跟你建立关系;她的“AI 小猫”,负责写 PPT、查资料、改代码,脏活累活归它。

The full text has not been translated yet. The Chinese original is shown below.

Agent 赛道这一年的演化,其实可以一句话讲完:从工具变成人。

大模型先学会了对话,Agent 学会了干活,Proactive Agent 学会了主动干活。每一步都在朝这个方向走。

但要真的像一个人,这些还不够。有人觉得它要有性格,有人觉得它要有声音,而 SentiPulse 觉得它要有一张脸。

4 月 23 日,SentiPulse(思维光谱)公测了一款叫 SentiCat 的产品,把这套理念落了地。一个有 Live2D 形象、有性格的数字角色 SUSU,负责陪你聊天、了解你、跟你建立关系;她的“AI 小猫”,负责写 PPT、查资料、改代码,脏活累活归它。

文章配图

在 SentiPulse 看来,人和 AI 本质上是一种长期交互。上下文越多,Agent 对人就越了解,当 Agent 跟人成了朋友,效率和价值才能最大化。

数字人是壳,Agent 是骨头

打开 SentiCat 的第一幕,是一个叫 SUSU 的 Live2D 角色跟你打招呼,做自我介绍。

然后她带你走一遍初始化:问你几个问题,拿到你授权的信息范围,扫描你的电脑,生成一份“用户画像”,建立 SUSU 和 Cat 对用户的个性化理解。

文章配图

接下来,你可以用自然语言提出需求,SUSU 可以一边和你对话,一边让 Cat 执行,自动调用插件类工具、电脑本地文件,通过联网搜索、数据分析等能力,帮你处理任务。

在这个过程中,两件底层设计值得拎出来说。一是技能插件市场,支持一键安装,还兼容外部 MCP 服务器——也就是说,能力边界不是出厂决定的,是用户自己装出来的。二是长期记忆。系统沉淀你的偏好和习惯,支持模糊搜索,“上次聊的那个方案”它能找到。

我们测试下来,有一个直观的感受是,区别于市面上的通用 Agent,SentiCat 中 SUSU 的存在,天然会让人不把整个产品当作工具,从而拉长了对话轮次和使用时间。

在 Senticat 中,SUSU 一直“在旁边”——有自己的小情绪,会开心,会思考,偶尔会犯困,会发表情包和颜文字,还有三套装扮可以切换。

文章配图

这恰恰对应了效率工具里最大的问题——用户用完就走。你不会没事打开 Manus 逛一逛。但如果桌面上一直有一个你认识的、记得你昨天说过什么的角色在,你和这个 Agent 的接触时长和对话动力会完全不同。

当然,一个“一直在旁边”、还不断积累上下文的 Agent,也会让人追问一个问题:数据安全怎么办?

SentiCat 的做法是:全部本地存储,用本地 SQLite 数据库,聊天记录、个人偏好、文件资料全在你硬盘上。只有你主动提问时,必要的内容才会发给云端模型,其余数据不离开电脑;且记忆库用户可控,随时查看、修改、删除;API 密钥加密;代码和插件在沙盒里跑,隔离系统风险。此外,情感边界也做了把控——SUSU 不会无底线迎合你,产品本身也在防止“陪聊上瘾”。

总之,使用下来你会发现,SentiCat 不太好归类。

你说它是效率工具?它有一个会犯困的 Live2D 角色跟你聊天。你说它是陪伴产品?它真能写代码、出研究报告。你说它是数字人?背后跑的是一套完整的 Agent 系统。

也许“归类”本身,就是上一代产品思维的遗产。

当效率和陪伴形成闭环

Agent 赛道现在分为大体两类玩家。

效率型——通用 Agent 们,给任务,出结果,干净利落。问题是:用完就走。用户和 Agent 没有关系,每次对话都是一次性交易。能力再强,用户不打开就是零。

陪伴型——Character.AI、星野等 AI 角色。用户粘性高,日均使用时长碾压效率工具。问题是:聊天很多,价值感不足,付费率低。

一边缺粘性,一边缺价值。两边都在自己的框框里解题,很少有人尝试翻过这堵墙。

SentiPulse 想翻的就是这堵墙。它的逻辑是一个飞轮:陪伴时间长 → 上下文积累多 → Agent 越懂你 → 效率越高 → 你越离不开 → 陪伴时间更长。

这个关键就在于上下文打通:今天跟 SUSU 聊工作烦心事(陪伴),明天让小猫帮你写周报(效率)——如果上下文打通,它就会知道你这周在烦什么、重点推了哪个项目、老板关注什么方向。你跟 Agent 闲聊的每一句话,都在帮它建立对你的理解,并反过来让它做事更精准。

目前 SentiCat 的这套陪伴+效率的逻辑刚刚开始公测,接下来他们需要证明的是,这个飞轮真的能转起来。

不过,这个方向本身是结构性的——Agent 赛道,谁先解决“留存”问题,谁最有可能先跑出商业模型。

结语

之所以 SentiPulse 选这条路,靠的是两个条件的交汇。

一是手里有牌。

SentiPulse 不是一家突然决定做 Agent 的公司。

他们在 3D 数字人领域有技术积累——SUSU 角色 IP、SentiAvatar(数字人动作生成框架)、SuSuInterActs 数据集(用于训练数字人交互行为);此外,他们还自研了 Agent 对话的 PTA 架构(Perception-Thinking-Action,感知-思考-行动)——专门为 SUSU 设计的对话决策架构,把“关系”当作工程问题来解。

举一个细节:大多数 AI 产品里,关系是静态标签——“你是我的朋友”,永远这个语气。SentiCat 的关系是动态变量,每轮对话后更新。越聊越亲,或因你生气而后退。“关系成长”第一次成了可计算的东西。

二是行业的时间窗口到了。

三件事在 2026 年同时成熟,从大模型基座来看,SentiCat 接入了 MiniMax、千问、智谱、DeepSeek、Kimi 等多款国内模型,用户自由切换;从记忆系统来看,长期记忆、上下文管理、向量检索在过去一年被快速工程化,SentiCat 的长期记忆、模糊搜索、用户画像都建立在这些成熟组件之上;最后是配套工具,MCP 生态、插件市场、沙盒环境——Agent 需要的基础设施 2025 年基本到位。SentiCat 的技能插件市场和 MCP 兼容设计,本质是站在基础设施成熟期的肩膀上。

Agent 赛道到最后,效率会越来越不构成差异化。大家都能调 API、接工具、跑任务。

真正的问题是:谁的 Agent 更能成为用户的伙伴?贴一个二次元皮肤、说一句“主人你好”,只是表象,能不能既把任务做好,又能随时间越来越懂你,建立独特关系才是关键。

SentiPulse 用 SentiCat 给出了雏形,从给 Agent 一张脸开始,让你愿意跟它待在一起,久一点。

文章来自于微信公众号 "硅星人Pro",作者 "硅星人Pro"

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)