立项原因：现有 AI 聊天产品（ChatGPT、Claude 等）缺乏长期记忆能力，换窗口即失忆，无法持续了解用户的身体状况、生活习惯和历史对话。本项目旨在解决 AI 伴侣场景下的长期记忆、健康数据感知和个性化陪伴问题，构建一个真正"认识用户"的 AI 应用。
行业场景：AI 情感陪伴 / 个人健康管理方向。通过 HealthKit 接入可穿戴设备数据（心率、HRV、睡眠、步数），结合向量数据库（Qdrant）构建五层记忆架构实现长期语义召回，配合多模型 LLM 编排（Gemini / DeepSeek）和 11 路并行上下文组装，让 AI 在每次对话中都能感知用户当前状态并关联历史记忆。全栈独立开发，已部署至 TestFlight。
独立开发的全栈 iOS AI 伴侣应用，从零编程基础到完整上线，历时 12 个月，一人完成前端、后端、部署全流程。
技术架构：Vue 3 前端 + Express 后端（9 个路由模块）+ Qdrant 向量数据库 + 多模型 LLM 编排（Gemini / DeepSeek），通过 Capacitor 8 打包 iOS，Codemagic CI/CD 分发至 TestFlight，部署于腾讯云。
核心技术点：五层记忆架构（向量召回 + 日记摘要链 + 核心记忆 + 事实自动提取 + 闪回），11 路并行上下文组装（Promise.all），HealthKit 健康数据接入（Apple Watch 心率/HRV/睡眠/步数），LLM 驱动的上下文感知注入与话题切割。
独立负责前端、后端、部署、设计全流程，无团队无导师。
前端：Vue 3 + Vite，7 个模块 20+ 手写组件，每个页面独立视觉风格（暗色哥特浪漫），纯 CSS3 动画（Keyframes + Vue Transition），Canvas API 实现 ECG 心率动画和像素头像状态机。
后端：Express 9 个路由模块，核心是 llm.js 的 11 路并行上下文组装（Promise.all），每次对话同时拉取摘要、向量召回、健康数据、日记、用户画像等信息。记忆系统为五层架构：Qdrant 向量语义召回（含相似度阈值调优、冷却衰减、情绪惩罚）、日记摘要链、核心记忆标签匹配、自动事实提取（三元组去重 + 矛盾检测）、闪回随机召回。
难点：向量检索阈值需要反复实测调优，过低召回噪声大，过高记忆丢失严重；长上下文管理通过话题切割 + 累积摘要链解决；iOS 端 HealthKit 数据采集受后台限制，采用前台触发 + 定时轮询方案。
评论