Appearance
关系型 AI：从用户模型到有效触发
第三部 · 产品与应用 · 第9章
撰写日期：2026-08-31（合并 2026-07-02 与 2026-07-10 的产品判断）
结论
任务型 AI 围绕一次请求完成工作；关系型 AI 围绕一个具体的人，在跨任务、跨时间的协作中持续减少重复解释、保持目标连续，并在合适时机使用过去的信息。
关系型 AI 的核心不是记得更多，而是建立一个用户可控、可核查、能在正确时机发挥作用的 User Model。
1. 从会话上下文到用户模型
用户模型可以包括：
- 长期目标与正在推进的项目；
- 已确认的偏好、原则和决策方式；
- 重要经历及其可核查出处；
- 协作节奏、表达偏好与责任边界；
- 已失效、存在冲突或等待确认的信息。
它不是一份“关于用户的一切”，而是帮助未来任务做出更好判断的最小信息集合。
2. When 比 What 更难
存下一条信息只解决“不失忆”，没有解决“有意义”。有效触发至少要同时满足：
- 当前任务真的相关；
- 记忆仍然成立；
- 引用不会越过隐私或社交边界；
- 使用方式能帮助决策，而不是为了证明 AI 记得；
- 用户可以查看、修正或删除。
衡量关系感时，比“存了多少条”更有意义的是：用户是否减少了重复说明，以及被正确记忆帮助的频率。
3. 主动性不是默认开启
长期理解用户并不自动意味着主动打扰。产品应区分：
- 用户正在请求的任务；
- 到期、风险或明确承诺触发的提醒；
- 系统猜测“也许有帮助”的主动建议。
越靠后，触发门槛和打扰预算越严格。关系的基础是可预测和可控制，不是 Agent 随时出现。
4. 商业化不能伤害关系契约
“为亲密或关系进展付费”是一个需要验证、不能直接写成定律的产品假设。更稳妥的原则是：收费点不能迫使系统制造依赖、隐藏记忆控制权，或为了提高互动量而增加无价值打扰。商业目标必须服从用户对数据、主动性和退出权的控制。