SentiPulse 觉得 Agent 需要一张脸

Agent 赛道这一年的演化，其实可以一句话讲完：从工具变成人。

大模型先学会了对话，Agent 学会了干活，Proactive Agent 学会了主动干活。每一步都在朝这个方向走。

但要真的像一个人，这些还不够。有人觉得它要有性格，有人觉得它要有声音，而 SentiPulse 觉得它要有一张脸。

4 月 23 日，SentiPulse（思维光谱）公测了一款叫 SentiCat 的产品，把这套理念落了地。一个有 Live2D 形象、有性格的数字角色 SUSU，负责陪你聊天、了解你、跟你建立关系；她的“AI 小猫”，负责写 PPT、查资料、改代码，脏活累活归它。

在 SentiPulse 看来，人和 AI 本质上是一种长期交互。上下文越多，Agent 对人就越了解，当 Agent 跟人成了朋友，效率和价值才能最大化。

数字人是壳，Agent 是骨头

打开 SentiCat 的第一幕，是一个叫 SUSU 的 Live2D 角色跟你打招呼，做自我介绍。

然后她带你走一遍初始化：问你几个问题，拿到你授权的信息范围，扫描你的电脑，生成一份“用户画像”，建立 SUSU 和 Cat 对用户的个性化理解。

接下来，你可以用自然语言提出需求，SUSU 可以一边和你对话，一边让 Cat 执行，自动调用插件类工具、电脑本地文件，通过联网搜索、数据分析等能力，帮你处理任务。

在这个过程中，两件底层设计值得拎出来说。一是技能插件市场，支持一键安装，还兼容外部 MCP 服务器——也就是说，能力边界不是出厂决定的，是用户自己装出来的。二是长期记忆。系统沉淀你的偏好和习惯，支持模糊搜索，“上次聊的那个方案”它能找到。

我们测试下来，有一个直观的感受是，区别于市面上的通用 Agent，SentiCat 中 SUSU 的存在，天然会让人不把整个产品当作工具，从而拉长了对话轮次和使用时间。

在 Senticat 中，SUSU 一直“在旁边”——有自己的小情绪，会开心，会思考，偶尔会犯困，会发表情包和颜文字，还有三套装扮可以切换。

这恰恰对应了效率工具里最大的问题——用户用完就走。你不会没事打开 Manus 逛一逛。但如果桌面上一直有一个你认识的、记得你昨天说过什么的角色在，你和这个 Agent 的接触时长和对话动力会完全不同。

当然，一个“一直在旁边”、还不断积累上下文的 Agent，也会让人追问一个问题：数据安全怎么办？

SentiCat 的做法是：全部本地存储，用本地 SQLite 数据库，聊天记录、个人偏好、文件资料全在你硬盘上。只有你主动提问时，必要的内容才会发给云端模型，其余数据不离开电脑；且记忆库用户可控，随时查看、修改、删除；API 密钥加密；代码和插件在沙盒里跑，隔离系统风险。此外，情感边界也做了把控——SUSU 不会无底线迎合你，产品本身也在防止“陪聊上瘾”。

总之，使用下来你会发现，SentiCat 不太好归类。

你说它是效率工具？它有一个会犯困的 Live2D 角色跟你聊天。你说它是陪伴产品？它真能写代码、出研究报告。你说它是数字人？背后跑的是一套完整的 Agent 系统。

也许“归类”本身，就是上一代产品思维的遗产。

当效率和陪伴形成闭环

Agent 赛道现在分为大体两类玩家。

效率型——通用 Agent 们，给任务，出结果，干净利落。问题是：用完就走。用户和 Agent 没有关系，每次对话都是一次性交易。能力再强，用户不打开就是零。

陪伴型——Character.AI、星野等 AI 角色。用户粘性高，日均使用时长碾压效率工具。问题是：聊天很多，价值感不足，付费率低。

一边缺粘性，一边缺价值。两边都在自己的框框里解题，很少有人尝试翻过这堵墙。

SentiPulse 想翻的就是这堵墙。它的逻辑是一个飞轮：陪伴时间长 → 上下文积累多 → Agent 越懂你 → 效率越高 → 你越离不开 → 陪伴时间更长。

这个关键就在于上下文打通：今天跟 SUSU 聊工作烦心事（陪伴），明天让小猫帮你写周报（效率）——如果上下文打通，它就会知道你这周在烦什么、重点推了哪个项目、老板关注什么方向。你跟 Agent 闲聊的每一句话，都在帮它建立对你的理解，并反过来让它做事更精准。

目前 SentiCat 的这套陪伴+效率的逻辑刚刚开始公测，接下来他们需要证明的是，这个飞轮真的能转起来。

不过，这个方向本身是结构性的——Agent 赛道，谁先解决“留存”问题，谁最有可能先跑出商业模型。

结语

之所以 SentiPulse 选这条路，靠的是两个条件的交汇。

一是手里有牌。

SentiPulse 不是一家突然决定做 Agent 的公司。

他们在 3D 数字人领域有技术积累——SUSU 角色 IP、SentiAvatar（数字人动作生成框架）、SuSuInterActs 数据集（用于训练数字人交互行为）；此外，他们还自研了 Agent 对话的 PTA 架构（Perception-Thinking-Action，感知-思考-行动）——专门为 SUSU 设计的对话决策架构，把“关系”当作工程问题来解。

举一个细节：大多数 AI 产品里，关系是静态标签——“你是我的朋友”，永远这个语气。SentiCat 的关系是动态变量，每轮对话后更新。越聊越亲，或因你生气而后退。“关系成长”第一次成了可计算的东西。

二是行业的时间窗口到了。

三件事在 2026 年同时成熟，从大模型基座来看，SentiCat 接入了 MiniMax、千问、智谱、DeepSeek、Kimi 等多款国内模型，用户自由切换；从记忆系统来看，长期记忆、上下文管理、向量检索在过去一年被快速工程化，SentiCat 的长期记忆、模糊搜索、用户画像都建立在这些成熟组件之上；最后是配套工具，MCP 生态、插件市场、沙盒环境——Agent 需要的基础设施 2025 年基本到位。SentiCat 的技能插件市场和 MCP 兼容设计，本质是站在基础设施成熟期的肩膀上。

Agent 赛道到最后，效率会越来越不构成差异化。大家都能调 API、接工具、跑任务。

真正的问题是：谁的 Agent 更能成为用户的伙伴？贴一个二次元皮肤、说一句“主人你好”，只是表象，能不能既把任务做好，又能随时间越来越懂你，建立独特关系才是关键。

SentiPulse 用 SentiCat 给出了雏形，从给 Agent 一张脸开始，让你愿意跟它待在一起，久一点。

文章来自于微信公众号 "硅星人Pro"，作者 "硅星人Pro"