过去一年，AI Agent 赛道正从工具向“人”演进。大模型学会对话，Agent 学会执行，Proactive Agent 甚至能主动行动，但要让 AI 真正像人，还需要更多。SentiPulse 的选择是：给 Agent 一张脸。
4 月 23 日，SentiPulse 公测产品 SentiCat，将这一理念落地——拥有 Live2D 形象的虚拟角色 SUSU 负责陪伴、了解用户并建立关系，其“AI 小猫”则承担数据分析、行业调研等生产力任务。
在 SentiPulse 的设计哲学里，数字人是外壳，Agent 是骨骼——一张有温度、有表情的脸，让系统底层的强大能力获得了被用户长期打开和信赖的理由。
既有面孔，也有骨骼
初次打开 SentiCat，SUSU 会引导用户完成初始化：通过几个问题获取授权，扫描电脑环境，生成个性化“用户画像”。此后，用户以自然语言提出需求，SUSU 边对话边调度小猫执行任务，调用插件、访问本地文件，结合联网搜索与数据分析完成交付。
这一架构的能力边界并不由出厂设定锁死。SentiCat 内建插件市场，支持一键安装，并兼容外部 Skill 与 MCP 服务器，用户可以像安装应用一样为 Agent 扩展能力。长期记忆模块则会持续沉淀用户的偏好和习惯，支持模糊搜索，“上次聊的那个方案”这类含混指令得以被准确响应。所有记忆数据均向用户开放，用户可随时查看、修改或删除。
在实际体验中，SUSU 的存在让用户不自觉拉长对话时长。她会开心、犯困、发表情包，始终“在场”。这直击效率工具的痛点——用完即走。而一个记得你昨天说过什么的角色，能显著提升打开动力和停留时间。
针对“始终在线、持续积累上下文”可能引发的隐私忧虑，SentiCat 采取了严格的本地化策略。聊天记录、个人偏好、文件资料全部存放于本地 SQLite 数据库，仅在用户主动提问时，必要内容会加密上传至云端模型，其余数据不脱离设备。API 密钥经过加密，代码和插件在沙盒中执行以隔离系统风险。
在情感维度，产品同样预设了边界：SUSU 不会无条件迎合，整体交互有意避免“陪聊上瘾”倾向，为关系划出一道健康的缓冲带。
当前 Agent 赛道大体分化为两类角色：效率型 Agent 强在干净利落地交付结果，但用户用完即走，缺乏粘性；陪伴型 AI 角色日活和时长表现亮眼，却普遍陷入“聊天多、价值感弱、付费率低”的困境。一边缺粘性，一边缺价值，鲜有玩家能够打通两者。
SentiPulse 切入的正是这片中间地带。其核心飞轮逻辑是：陪伴时间越长 → 上下文积累越丰富 → Agent 越懂你 → 执行任务越精准高效 → 你越离不开 → 陪伴时间进一步拉长。 在这个闭环中，你今天向 SUSU 倾诉的工作烦心事，会成为明天“小猫”写周报时理解项目重点、捕捉老板关切方向的上下文依据。
每一次看似无目的的闲聊，都在为后续的效率输出提供信息增量，陪伴与效率，不再是取舍，而是互为引擎。
SentiPulse 选择这条路，依靠的是自身积累与行业成熟度的双重支撑。
团队在 3D 数字人领域早有储备，包括 SUSU 角色 IP、数字人动作生成框架 SentiAvatar 和交互行为训练数据集 SuSuInterActs 。更关键的是自研的 PTA 对话决策架构（Perception-Thinking-Action，感知-思考-行动），将“关系”作为工程问题求解。在多数 AI 产品中，关系是静态标签；SentiCat 中，关系是动态变量，每轮对话后更新，越聊越亲或疏离后退。“关系成长”首次成为可计算的对象。
此外，行业时机也已成熟：从大模型基座、记忆系统再到插件市场、沙盒环境等配套工具，都已逐步走向完善和成熟。SentiCat 的产品力本质是站在基础设施成熟期的肩膀上。
业界正逐渐形成共识：当工具调用能力日益同质化，单纯拼效率将很难构成长期差异。真正决定未来的，是哪个 Agent 能在高效完成任务的同时，随时间推移持续加深对用户的理解，建立起不可替代的伙伴关系。贴一张二次元皮肤、说一句“主人你好”只是表象，关键在于既把事做好，又越来越懂你。
SentiPulse 用 SentiCat 给出了一个雏形——从在 Agent 中内置一个会成长、有边界的角色开始，让用户愿意与它共处得久一点。
雷峰网版权文章，未经授权禁止转载。详情见转载须知。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。