AI 女友 App 开发:虚拟恋人 API 技术架构完整拆解

先说结论:四层架构,一个网关,一天搭出原型

底座接入只需一步:所有模型统一走 OpenAI 兼容端点,base_url 填 https://api.kkaiapi.com/v1,SillyTavern、JanitorAI 这类要求完整端点的工具填 https://api.kkaiapi.com/v1/chat/completions。换模型只改 model 字段。下面按层展开。

• 人设层:结构化角色卡拼成 system prompt,决定角色一致性,是留存的生命线
• 记忆层:对话窗口、会话摘要、长期事实库三级,决定用户觉得"她记不记得我"
• 审核层:输入输出双向过滤,前置敏感词加模型侧约束加人工抽查,从第一天就要有
• 路由层:按场景分发模型,闲聊走便宜模型,关键剧情走强模型,成本直接砍半

人设 Prompt:角色一致性决定留存

陪伴产品卸载理由第一名是"她变了"。人设不要写成一段自由发挥的简介,要做成结构化角色卡:身份、说话风格、口头禅、边界、与用户的关系阶段,每个字段单独存库,升级人设时只改字段不重写。 每轮请求动态拼装 system prompt:角色卡加长期事实加最近上下文。Python 示例:

from openai import OpenAI

client = OpenAI(
    api_key="sk-...",
    base_url="https://api.kkaiapi.com/v1",
)

def build_system_prompt(persona: dict, facts: list[str]) -> str:
    return f"""你将扮演{persona['name']},{persona['identity']}。
说话风格:{persona['style']}。称呼用户为{persona['nickname']}。
当前关系阶段:{persona['stage']}。始终保持角色设定和说话风格。
关于用户的已知事实:{'; '.join(facts)}"""

resp = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[
        {"role": "system", "content": build_system_prompt(persona, facts)},
        *recent_messages,
        {"role": "user", "content": user_input},
    ],
    temperature=0.9,
)

记忆系统:三层设计,"记得你"才有付费理由

摘要任务本身也走 deepseek-v4-flash,成本可以忽略;事实抽取放夜间批量跑。kimi-k2.6、glm-5 这类长上下文模型可以放宽对话窗口,但不要用长上下文替代记忆系统,把全部历史塞进 prompt 会让 token 成本失控。

审核层与模型路由:一个中间件同时解决合规和成本

审核是双向的:用户输入先过敏感词表和分类器,模型输出再过一遍才落库返回,全部留痕备查。路由按场景分流:日常闲聊量大,走 deepseek-v4-flash;长剧情和多角色场景要一致性,走 glm-5 或 kimi-k2.6;写信、日记这类文笔向普通创作可以走 claude-sonnet-4-6。Node 示例:

import OpenAI from 'openai'

const client = new OpenAI({
  apiKey: process.env.KKAIAPI_KEY,
  baseURL: 'https://api.kkaiapi.com/v1',
})

const ROUTES = {
  chat: 'deepseek-v4-flash', // 日常闲聊,量最大
  story: 'glm-5', // 长剧情,角色一致性
  letter: 'claude-sonnet-4-6', // 文笔向普通创作
}

async function reply(scene, messages) {
  const inputOk = await moderate(messages.at(-1).content)
  if (!inputOk) return { blocked: true }

  const resp = await client.chat.completions.create({
    model: ROUTES[scene] ?? ROUTES.chat,
    messages,
    max_tokens: 500,
  })
  const text = resp.choices[0].message.content
  const outputOk = await moderate(text)
  return { blocked: !outputOk, text }
}

常见问题