如果 AI 助手真的“在场”呢？

AI 助手已经很聪明了，但它们经常不像“一个人”。

雪花膏 想解决的是“在场感”: 她在哪里、用什么语气、怎样陪你进入对话。

大多数助手的体验是一块输入框: 你问，它答。雪花膏 的方向不是让模型多说几句温柔的话，而是把聊天发生的“空间”也做出来。用户点开页面时，会看到她站在一个具体场景里，而不是漂浮在一个空白界面中。

所以我把 Demo 拆成三层: 视觉上有场景，语言上有不同场景的回复策略，听觉上有环境声和交互反馈。它仍在继续迭代，但已经能让人看见一个方向: AI 助手可以更像一个存在于场景里的人。

雪花膏这个名字，来自我第一次去上海买伴手礼。那盒经典上海雪花膏上的女生头像，是一个民国时期的上海女生形象；她的脸和我想象中的这个角色特别像。于是，我把她叫作雪花膏。

打开页面的人看到的不是一份文档，而是一个能进入的对话空间。

她看起来像 雪花膏，说话像 雪花膏，切到不同场景时也仍然是 雪花膏。

打开页面后，你会先看到: 顶部是四个场景按钮，右上角是静音按钮，底部是 雪花膏 的对话框。然后切到深夜场景，让大家看到视觉氛围、台词状态和声音反馈一起变化。

这比单纯展示 Prompt 更容易让第一次接触这个项目的人理解: 我做的不是“一个角色设定”，而是一个把人设、网页、声音和对话策略拼在一起的 AI 体验 Demo。

Visual + Voice + Audio - 三层一起建立代入感。

“你来啦...坐窗边这个位子吧，今天上海的光刚好落在桌子上。” 来源 · 雪花膏 日常场景开场台词

Fig. 01 · 开屏「画卷展开」首屏实拍：上海雪花膏横幅与双画轴，点击展卷进入。

雪花膏 不是换了皮的聊天框，而是一套人格编排系统。

Base Persona、Knowledge Base、Scene Prompt 和 Orchestration Guide 共同决定她每一轮怎么说话。

这里我把这件事讲得很简单: 雪花膏 的拟人化不靠模型临场发挥，而是先把“她是谁”“她知道什么”“她在不同场景怎么说话”“每轮对话怎么组装”拆成几层。这样人们就能理解，雪花膏 的角色感不是一张立绘，而是一套可执行的人格系统。

这也是这个 Demo 对第一次接触这个项目的人最容易讲清楚的技术点: 我不是只写了一段“温柔一点”的 Prompt，而是在做一个可以被调用、被切换、被继续扩展的人格底座。

“任何 AI Agent 拿到此文档，可按步骤执行 雪花膏 人格对话系统的完整对话生成流程。” 来源 · 雪花膏_Prompt_Orchestration_Guide.md

Fig. 03 · 人格和服务端方案被拆成可继续执行的工程节点。

四个场景不是背景按钮，而是对话策略。

日常负责执行，咖啡馆负责发散，雨天负责承接情绪，深夜负责深度分析。

这一步解决了旧版 Demo 的核心问题: 不同场景不再只是换图，而是开始拥有不同回复策略。用户发消息时，当前 scene 会被一起提交；系统再根据情绪和意图决定保持场景，或切换到更合适的语气。

从日常切到深夜，改变的不只是背景图，还有标题、开场台词、雪花膏 的语速和回答方式。

“route(current_scene, user_emotion, user_intent, context) -> {target_scene, policy, temperature, pace, micro_actions, transition_phrase}” 来源 · 这个雪花膏_Scene_Dialogue_Prompts_v2.md

Fig. 04 · Rainy 场景被拆成行为指令、语气参数、语言风格和微行为。

声音是最小但最有效的沉浸层。

不需要大音乐，只需要轻微环境声，就能让用户觉得自己进入了 雪花膏 的空间。

`audio-immersion.js` 负责开屏音、环境音、切换音和消息反馈。声音非常轻: 咖啡馆有杯碟和咖啡机，雨天有窗边雨声，深夜有低频房间声和纸笔声。它们不抢对白，只负责让场景“有空气”。

scene switch:
old ambient 300ms fade out
play scene_switch_soft.wav
new ambient 500ms fade in

message:
send -> ui_message_send.wav
receive -> ui_message_receive.wav
mute -> sound control

先让人看清楚这个 Demo。

先看大图，再看场景切换与移动端；每张实拍截图都给足展示空间，不挤成看不清的小卡片。

这一段让人一眼看清楚: 顶部有四个场景按钮，右上角有静音按钮，底部有对话框，雪花膏 的人物形象和场景背景已经组合在一起。

Main Demo日常场景全画面

Thinking深夜场景

Input对话状态 · 用户输入中

Real Chat真实对话实拍 · 人格引擎的场景化回复

Scene Switch场景切换实拍 · 咖啡馆

Scene Switch场景切换实拍 · 雨天

Mobile移动端实拍 · 开屏

Mobile移动端实拍 · 主界面

不是一个工具独立做完，而是一条分工明确的协作链路。

从调研方法、体验设计到执行开发和最终优化，每个工具负责不同环节；角色方向、素材取舍与最后验收始终由我来决定。

Kimi 先用于梳理“怎样获得更好调研结果”的方法论，再把这套方法用于人格相关问题，整合为角色底稿；Codex 基于这份底稿设计四个场景的 Prompt、对话策略和环境音效；MuleRun 负责把明确需求落成页面和服务端；K3 在完成阶段对体验做最后一轮优化。下面的过程截图对应的是 MuleRun 的执行开发环节，而不是整个项目的全部创作过程。

MuleRun · Execution页面形态

MuleRun · Execution人物素材

MuleRun · Execution服务端方案