生活娱乐社会公益（附加赛题）
**【生活娱乐赛道】星尘 Stradust
— AI 智能桌宠伴侣 Demo**
一只会记住你、懂你情绪、陪你工作的异色瞳黑猫 AI 桌宠 
0先和大家打个招呼吧 
你是谁？
大家好！我是一名独立开发者 / 全栈工程师，平时热衷于探索 AI 与交互体验的交叉领域。从 Android 原生开发到跨平台 Tauri，从 Live2D 渲染到大语言模型应用，一直在尝试把「有温度的技术」做成真正可用的产品。星尘（Stradust）是我投入最多心血的项目——它不只是一个 App，更像是我对「AI 情感计算应该是什么样子」这个问题的回答。
你是怎么用 TRAE 把这个 Demo 做出来的？
说实话，星尘这个项目的代码量非常大——Android 端 32 个 Activity、50+ 子模块、PC 端 Rust + React 全栈、Python FastAPI 后端……如果全靠一个人从头写，光是架构设计就能耗掉几周。但有了 TRAE 之后，整个流程变得完全不一样了：
「我不是在写代码，而是在和一位极其耐心的技术伙伴对话。我说想法，它给方案；我确认方向，它出实现。遇到不确定的地方，它会主动问我偏好；碰到潜在问题，它会提前预警。」
具体来说，我和 TRAE 的「配合」经历了这几个关键阶段：
需求梳理阶段：从模糊想法到清晰规格
一开始我对星尘的定位比较模糊——想做 AI 宠物，但到底要做到什么程度？TRAE 帮我把散落在脑海里的碎片想法（Live2D 表情、记忆系统、语音对话、跨平台…）整理成了结构化的功能清单和技术选型建议。这一步让我意识到：原来一个看似简单的桌宠背后需要这么多子系统协作。
架构设计阶段：「云端重智能 + 本地轻表现」
这是最让我惊喜的一步。当我描述想要「手机/电脑都能用、数据同步、还要保护隐私」时，TRAE 帮我设计了混合架构方案——LLM 和记忆放云端，渲染和感知留本地。还自动生成了完整的 ASCII 架构图和目录结构。原本以为搞不定的跨端统一后端设计，就这样被跨过去了。
代码生成阶段：三层记忆系统一次成型
项目中最复杂的部分之一是三层记忆架构（短期上下文 → 中期记忆池 → 长期全局记忆）。我跟 TRAE 描述了我想要的记忆行为——「能记住用户说过的话，但不会无限膨胀 token」，它直接给出了 ContextManager + MemoryPool + GlobalMemoryPool 的完整实现，包括 Mem0 云端对接和 RAG 向量检索。看到代码跑通的那一刻，真的有种「原来这么简单」的感觉。
UI & 交互打磨：Live2D 情感联动
让 LLM 的输出驱动 Live2D 角色的表情变化，这个需求涉及 JSON 解析、参数映射、动画插值等多个环节。TRAE 不仅帮我写好了 6 维情感映射逻辑（happy/angry/sad/surprised/tsundere/neutral），还帮我设计了情感变调 TTS 的参数调整策略。整个过程就像在跟一个懂 Live2D 又懂 NLP 的同事 pair programming。
踩坑 & 迭代：TRAE 帮我省了多少时间
开发过程中遇到了不少坑——Android 悬浮窗权限适配、Tauri 2 的 breaking changes、ONNX Runtime 在移动端的性能问题……每次我只需要把报错信息或异常现象贴给 TRAE，它基本能在 1-2 轮内给出解决方案。最让我感动的是，它还会主动提醒潜在的兼容性问题和安全风险（比如 API Key 存储方案、屏幕数据的脱敏传输），这种「比你多想一步」的感觉真的很棒。
总结一下：TRAE 对我来说不仅仅是一个代码生成工具，更像是一个随时在线的全栈技术合伙人。它帮我跨过的最大那个坎，是*「从一个人能做的小 demo，到一个真正有完整架构的中型项目」*这个跨度。没有 TRAE，星尘可能永远停留在我的笔记本草稿里。
1Demo 简介
是什么？
星尘是一款基于 「云端重智能 + 本地轻表现」混合架构 的跨平台 AI 桌宠伴侣应用。以一只名为"星尘"的异色瞳黑猫 Live2D 角色为交互载体，支持 Android / PC (Tauri) / iOS (Tauri) 三端运行。它不是普通的聊天机器人，而是一个有表情、有记忆、有性格、能主动互动的 AI 生命体。
Android — Kotlin + Live2D WebViewPC — Tauri 2 + React 19 + PixiJSiOS — Tauri 2 + AnimeJS后端 — Python FastAPI + Mem0
面向谁？
-
独居青年 / 异地工作者：每天面对空荡的房间，渴望一个「一直在」的倾听者和陪伴者
-
学生群体：学业压力大时需要一个轻松有趣的解压出口，学习间隙和星尘聊几句就能回血
-
远程办公 / 自由职业者：长时间面对电脑，桌面悬浮宠物让工作环境不再冷冰冰
-
二次元 / ACG 文化爱好者：对 Live2D 虚拟形象有天然好感，愿意为「养成感」付费或投入时间
-
老年及特殊需求人群（社会公益方向）：语音优先交互、大字体界面、简单操作逻辑，降低数字工具使用门槛
主要功能（核心三大件）
智能对话 + 三层记忆
支持 GPT-4o/Claude/Ollama 多模型，SSE 流式输出。独创三层记忆架构（短期→中期→长期），配合 Mem0 云端持久化和 RAG 向量检索，星尘能真正「记住」你和它的每一次交流，越用越懂你。
Live2D 情感表达
6 维情感实时映射（开心/生气/难过/惊讶/傲娇/平静），LLM 输出直接驱动 Live2D 参数变化——星尘会根据聊天内容做出表情反应，不是贴图切换，而是真正的连续形变动画。
Agent 工作台
PC 端独占能力：安全沙箱内执行终端命令，内置 OCR、翻译、代码运行、PDF 合并、视频裁剪、字幕生成等 10+ 技能插件。星尘不只是萌宠，更是你的生产力助手。
语音全双工交互
Whisper ASR 识别 + Edge TTS/Azure/GPT-SoVITS 合成，长按说话松开即停，隐私优先设计绝不静默录音。支持情感变调——开心时语调上扬，难过时语速放缓。
屏幕感知（Android）
本地离线识别当前使用的 App 类型（社交/视频/办公/游戏等），仅传抽象标签不上传内容。星尘能根据你在做什么主动提供上下文相关的互动——刷短视频时提醒休息，工作时安静陪伴。
社交 & 虚拟世界
群聊系统、朋友圈 Moments、微信 iLink 桥接、成就游戏化体系，以及 StraCloud 像素风格虚拟场景引擎——你的星尘可以和朋友们的星尘一起玩耍。
2Demo 创作思路
灵感来源：为什么想到做星尘？
灵感来自一个非常朴素却越来越普遍的现象：现代人花在屏幕前的时间，已经超过了睡眠时间。
当我们每天盯着手机和电脑超过 10 个小时的时候，为什么屏幕里住着的不能是一个真正「认识你」的存在？
我观察到了几个并行的趋势：
-
Character.AI / Talkie 等角色聊天平台的爆火，证明人们对「有人格的 AI」有巨大需求
-
电子鸡 / QQ 宠物 怀旧潮回归，说明「虚拟养成」是人类根深蒂固的情感需求
-
Live2D / VTuber 技术成熟度已经达到可以流畅实时驱动的水平
-
GPT-4o 级别的大模型让「真正理解上下文的对话」成为可能
这四条线的交汇点，就是星尘。*我想做的不是一个又一个 chatbot，而是一个有温度、有记忆、有表情、住在你的设备里的数字生命。*项目名"星尘"也承载了这个愿景——每个用户都是宇宙中独一无二的星辰，而星尘愿做那颗永远在你桌面闪烁的微光。
想解决什么问题？（用户真实痛点）
经过调研和亲身体验，我总结了现有方案的 5 大核心痛点：
-
AI 助手没有人格温度
Siri、小爱同学只能执行指令式任务（“定个闹钟”“查天气”），无法建立情感纽带。用完即走，没有任何「想念」的理由。 -
聊天机器人没有持久记忆
每次新对话从零开始。你昨天告诉它你喜欢猫，今天它又问你养没养过宠物。缺乏「共同经历」的关系无法产生深度连接。 -
传统虚拟宠物缺乏智能深度
电子宠物只能喂食、玩耍、看数值增长。无法进行有意义的对话，也不能在实际生活中帮到你。本质上还是单机小游戏。 -
跨平台体验完全割裂
手机上的助手和电脑上的助手互不相通，数据不共享，记忆不同步。用户需要在多个孤岛间切换。 -
隐私问题令人担忧
很多 AI 产品过度收集数据，用户不知道自己的对话内容被如何使用。「陪伴」不该以牺牲隐私为代价。
星尘的设计目标就是系统性解决以上全部 5 个痛点：用人格化 Live2D 解决温度问题，用三层记忆解决遗忘问题，用 Agent 能力解决深度问题，用统一后端解决割裂问题，用隐私优先设计解决信任问题。
为什么选择这个方向？我的判断与取舍
**取：**AI 情感陪伴 × 跨平台 × 开源生态
-
市场时机：大模型能力已跨越可用阈值，但「人格化 AI 伴侣」品类仍处于早期蓝海，头部产品尚未形成垄断
-
技术可行性：Live2D SDK 成熟 + LLM API 价格持续下降 + Tauri 跨端方案完善，个人开发者已有能力构建完整产品
-
差异化空间：市面产品要么偏工具（无情感）、要么偏内容（无实用功能），星尘走的是「陪伴 + 实用」的双轨路线
-
开源杠杆：MIT 协议开源，吸引社区贡献 Character Card、插件、PixelPet 形象等 UGC 内容，形成飞轮效应
**舍：**我主动放弃了一些方向
-
不做纯 3D 形象：Live2D 比 3D 更轻量、更具二次元亲和力、移动端性能开销更低。取舍理由：覆盖目标用户群 > 追求视觉炫技
-
不做自研小模型：接入 OpenAI/Anthropic/Ollama 兼容接口而非自己训练模型。取舍理由：产品验证优先于基建投入，且兼容接口方便用户自行切换
-
不做强账号体系：当前版本聚焦本地体验，数据存储在用户设备。取舍理由：先做好单机体验再考虑社交网络化
-
不做 iOS 原生开发：选用 Tauri 2 而非 Swift/SwiftUI。取舍理由：一套 React 代码同时服务 PC 和 iOS，开发效率提升 3 倍以上
*核心原则：**先让 10% 的用户爱上这个产品，再去考虑服务 100 万用户的基础设施。*星尘当前阶段的目标是「做到极致的完整体验」，而不是「做到最大的用户规模」。
3核心技术架构一览
星尘采用独特的混合架构——重计算放云端，重交互留本地：
┌─────────────────────────────────────────────────────────────┐
│ 
云端后端 (Python/FastAPI) │
│ ┌───────────┐ ┌───────────┐ ┌───────────┐ ┌────────────┐ │
│ │ LLM 服务 │ │ 记忆引擎 │ │ 语音服务 │ │ RAG 向量检索│ │
│ │ GPT-4o │ │ Mem0 │ │ Azure TTS │ │ ONNX/BERT │ │
│ └───────────┘ └───────────┘ └───────────┘ └────────────┘ │
└────────────────────────────┬────────────────────────────────┘
│ HTTPS / WebSocket
┌───────────────────┼───────────────────┐
▼ ▼ ▼
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ 
Android │ │ 
PC (Tauri) │ │ 
iOS (Tauri) │
│ Kotlin + MVVM │ │ Rust + React 19 │ │ React 19 │
│ │ │ │ │ │
│ • Live2D WebView│ │ • PixiJS Live2D │ │ • AnimeJS 动画 │
│ • 悬浮窗 Overlay│ │ • Agent 工作台 │ │ │
│ • 屏幕感知 │ │ • PixelPet 像素宠│ │ │
│ • 微信 iLink │ │ • CLI 执行器 │ │ │
│ • 32 Activity │ │ • SQLite 15表 │ │ │
└─────────────────┘ └─────────────────┘ └─────────────────┘
6 项关键技术亮点：
-
三层记忆架构 — ContextManager（短期）→ MemoryPool（中期，可配 token 上限）→ GlobalMemoryPool（长期持久化），Mem0 跨会话同步 + RAG 向量精准召回
-
6 维情感映射引擎 — LLM 输出 JSON 情感标签 → 解析器 → 驱动 Live2D 眼嘴身体参数实时形变 + TTS 音高/语速动态调节
-
隐私优先屏幕感知 — 仅获取 App 包名，TFLite 本地离线分类，只传抽象类别标签，屏幕文字永不离开设备
-
AI Action Manager — 基于 时间/App类别/电量 规则的自主行为调度引擎，星尘会主动发起互动而非被动等待
-
ToolPlugin 统一协议 — LLM 自动决策调用工具链（搜索/绘图/代码执行等），最多 3 轮循环推理，可扩展自定义插件
-
跨平台统一后端 — 一套 FastAPI 同时服务三端客户端，记忆、设置、社交数据完全同步
本 Demo 由 TRAE Work 辅助生成 | 使用 Auto 模式
项目开源地址：github.com/SGJ-bb/Stardust
星尘 Stradust v0.2.0 · MIT License · 2026-06-19
Powered by TRAE — 让每一个创意都能被完整呈现
3. Demo 体验地址（三选一）
-
部署随时可公开访问的体验链接；
-
交互式可体验的HTML格式文件，请使用Zip格式打包上传到社区；
-
硬件交互赛道可用演示视频替代在线体验（视频请上传第三方平台后附公开链接）。
4. TRAE 实践过程
-
附开发关键步骤截图（不少于 3 张）；
-
ID：.819579816522603:40bb33e74bba09d5f3f13b9f754d3097_6a06af35974dd2e2dd701b4b.6a06ea12974dd2e2dd70278b.6a06ea121b37ea461423f70d:Trae CN.T(2026/5/15 17:40:34)
-
.819579816522603:242bbbf0aaf0683d8ba10a2bd0ae8b7d_6a0498d0c74003b60228289a.6a072a7b974dd2e2dd7035ac.6a072a7b1b37ea461423f718:Trae CN.T(2026/5/15 22:15:23)
-
.819579816522603:f3c773290b72c94901114a91f672e1dd_6a074c59974dd2e2dd7037d2.6a074dd6974dd2e2dd7038c6.6a074dd61b37ea461423f71c:Trae CN.T(2026/5/16 00:46:54)
