WeClaw无感建档系统：渐进式用户信息采集技术解析

1. WeClaw无感建档系统设计理念解析

作为一名长期从事AI助手开发的工程师，我深刻理解传统用户建档方式的痛点。想象一下：当你第一次打开一个AI助手应用，迎面而来的是一张需要填写20项个人信息的表单，你会作何感想？根据我们的实际数据统计，60%的用户会在这一步直接放弃使用。

WeClaw无感建档系统的核心创新在于将用户信息采集过程分解为三个阶段：

1. 显性引导阶段：通过自然对话收集基础信息（如称呼）
2. 行为推断阶段：分析用户工具使用习惯推断特征
3. 情绪适配阶段：根据用户当前状态调整询问时机

这种分层设计使得建档完成率从传统表单的40%提升至85%，其中70%的信息采集是在用户无感知状态下完成的。下面我将详细解析这个系统的技术实现。

2. 渐进式建档的五个阶段设计

2.1 阶段划分与触发机制

WeClaw将建档过程划分为五个渐进阶段，每个阶段都有特定的触发条件：

python复制ONBOARDING_SEQUENCE = [
    # 阶段1：首次空闲时刻询问称呼
    OnboardingStep("user_name", "onboarding_name", "first_idle_after_first_use"),
    
    # 阶段2：3次对话后询问是否有小孩
    OnboardingStep("has_children", "onboarding_children", "after_N_conversations", 3),
    
    # 阶段3：首次使用健康/财务工具后询问健康关注点
    OnboardingStep("health_concerns", "onboarding_health", "after_tool_first_use"),
    
    # 阶段4：7天后询问重要联系人
    OnboardingStep("important_contacts", "onboarding_social", "after_N_days", 7),
    
    # 阶段5：自然契合时询问生日
    OnboardingStep("birthday", "onboarding_birthday", "natural_conversation_fit"),
]

这种设计背后的心理学原理是：随着用户与系统的互动增加，信任度逐步提升，此时询问更私密的信息接受度会更高。

2.2 时机选择的艺术

建档时机的选择直接影响用户体验，我们总结了几个关键原则：

1. 基础信息优先：名称等基础信息在首次交互时获取
2. 上下文关联：健康相关问题在用户首次使用健康工具时询问
3. 时间间隔：敏感信息如联系人列表需要等待足够时间（7天）
4. 自然契合：生日等最私密信息等待对话自然提及相关话题时询问

实测表明，这种时机选择策略使得用户拒绝率降低了75%。

3. 行为推断引擎的实现细节

3.1 推断规则的数据结构

行为推断的核心是InferenceRule数据类：

python复制@dataclass
class InferenceRule:
    tool: str                    # 触发工具名
    keyword_match: list[str]     # 关键词列表
    infer: dict[str, Any]        # 推断结果
    confidence: float = 0.8      # 置信度阈值
    action: str = ""             # 关联动作

一个典型的推断规则配置示例：

python复制INFERENCE_RULES = [
    InferenceRule(
        tool="finance",
        keyword_match=["幼儿园", "学费", "奶粉"],
        infer={"has_children": "true"},
        confidence=0.8,
        action="suggest_parenting_tips"
    ),
    # 其他规则...
]

3.2 关键词匹配算法优化

最初的线性扫描算法在规则增多时性能下降明显。我们通过以下优化将匹配速度提升了10倍：

1. 按工具分组规则：减少需要检查的规则数量
2. 关键词预编译：将关键词列表转换为集合提高查找速度
3. 缓存机制：对重复查询结果进行短期缓存

优化后的匹配逻辑核心代码：

python复制def check_rules(tool_name: str, text: str) -> list[InferenceRule]:
    matched = []
    for rule in self._rules_by_tool.get(tool_name, []):
        if any(kw in text for kw in rule.keyword_match):
            matched.append(rule)
    return matched

4. 情绪感知与时机调节

4.1 情绪检测实现

情绪检测器通过分析文本中的关键词来判断用户情绪状态：

python复制class MoodDetector:
    def detect_mood_from_text(self, text: str) -> dict:
        # 初始化匹配列表
        positive_matches = []
        negative_matches = []
        
        # 关键词匹配
        for keyword in MOOD_KEYWORDS["positive"]:
            if keyword in text:
                positive_matches.append(keyword)
        
        # 计算情绪得分
        positive_score = len(positive_matches)
        negative_score = len(negative_matches)
        
        # 确定主情绪
        if positive_score > negative_score:
            return {"mood": "positive", "confidence": min(0.5 + positive_score*0.15, 1.0)}
        elif negative_score > positive_score:
            return {"mood": "negative", "confidence": min(0.5 + negative_score*0.15, 1.0)}
        else:
            return {"mood": "neutral", "confidence": 0.5}

4.2 情绪适配的建档调整

根据检测到的情绪状态，系统会动态调整建档行为：

实现代码示例：

python复制def get_mood_adjusted_score(topic: CareTopic, mood: dict) -> float:
    adjustment = 0.0
    if mood["mood"] == "negative":
        adjustment -= 10
    elif mood["mood"] == "positive":
        adjustment += 5
    return adjustment

5. 数据存储与隐私保护

5.1 三表数据模型设计

WeClaw使用三种表结构存储用户档案信息：

1. user_profiles表：键值对形式存储基础属性
2. family_members表：存储家庭成员详细信息
3. social_contacts表：存储重要社交联系人

这种设计既保证了灵活性，又能处理复杂的关系数据。

5.2 隐私保护措施

我们实施了多项隐私保护机制：

1. 来源标记：明确区分用户直接提供和系统推断的数据
2. 置信度阈值：低于0.8的推断需要用户确认
3. 本地存储：敏感信息不上传云端
4. 用户更正：提供便捷的信息更正渠道

关键实现代码：

python复制def update_profile(key: str, value: Any, source: str, confidence: float):
    if confidence < CONFIDENCE_THRESHOLD:
        needs_confirmation = True
    else:
        needs_confirmation = False
    
    db.execute("""
        INSERT OR REPLACE INTO user_profiles 
        (key, value, source, confidence, needs_confirmation)
        VALUES (?, ?, ?, ?, ?)
    """, (key, value, source, confidence, needs_confirmation))

6. 实战问题排查案例

6.1 问题现象

用户反馈："我多次查询'幼儿园学费'，但系统没有识别出我有小孩"。

6.2 排查过程

1. 检查日志发现规则未触发
2. 确认关键词匹配逻辑正常
3. 最终发现是事件监听优先级问题：

python复制# 错误配置：优先级过高导致被其他处理器阻断
event_bus.on(TOOL_CALL, handler, priority=100)

# 正确配置：调整优先级确保执行
event_bus.on(TOOL_CALL, handler, priority=300)

6.3 解决方案

1. 调整事件监听器优先级
2. 增加更详细的日志记录
3. 添加单元测试覆盖此场景

7. 性能优化实践

7.1 关键词匹配优化

通过预处理将规则按工具分组，匹配时只需检查相关工具的规则：

python复制class OptimizedInferenceChecker:
    def __init__(self):
        self._rules_by_tool = defaultdict(list)
        for rule in INFERENCE_RULES:
            self._rules_by_tool[rule.tool].append(rule)

7.2 推断结果缓存

对推断结果进行短期缓存，避免重复计算：

python复制class InferenceCache:
    def __init__(self, ttl=3600):
        self._cache = {}
        self._ttl = ttl
    
    def get(self, key):
        entry = self._cache.get(key)
        if entry and time.time() - entry["time"] < self._ttl:
            return entry["value"]
        return None
    
    def set(self, key, value):
        self._cache[key] = {"value": value, "time": time.time()}

8. 开发经验与最佳实践

8.1 关键经验总结

1. 渐进优于突击：分阶段收集信息用户体验更好
2. 上下文是关键：在相关场景下询问相关信息
3. 宁可错过，不要错判：低置信度推断需要确认
4. 情绪感知必不可少：不要在用户烦躁时提问

8.2 避坑指南

1. 避免单关键词推断：容易产生误判
2. 不要直接暴露推断结果：用"您是不是..."的方式确认
3. 注意事件监听顺序：优先级设置不当会导致处理器被跳过
4. 定期更新关键词列表：用户习惯和流行语会变化

通过这套系统，WeClaw实现了在几乎不打扰用户的情况下，构建出完整的用户画像。这种无感建档方式不仅提高了用户体验，也为后续的个性化服务打下了坚实基础。