EmotionWeaver 情绪化回复引擎

要解决的问题

许多聊天 Agent 能判断“负面/正面”，但只给出一个标签，后续回复仍保持机械语气。用户消息里常见调侃、讽刺、担心、沮丧等细粒度状态，普通方案容易把“开玩笑”误判为冲突，也无法把情绪延续到多轮上下文。EmotionWeaver 面向这类场景：把情绪识别、记忆、共情和语气调整串成一条可调试的处理链路。

核心能力与工作方式

技能由四个模块组成：

• EmotionRecognizer：识别 15 种情绪类型，例如 happy、sad、sarcastic，并返回情绪类型、强度与关键词。
• EmotionMemory：按用户记录情绪历史，支持观察情绪趋势，而不是只看单条消息。
• EmpathyEngine：针对每种情绪生成 6 种以上同理心回应模板，并保留颜文字风格。
• EmotionContext：根据当前情绪注入前缀、后缀或颜文字，调整最终回复语气。

它适合做对话风格层：先理解输入的情绪信号，再生成更贴近用户状态的回应，最后控制输出语气。依赖较轻，仅需要 Python 3.8+，且使用标准库。

适用边界与注意点

该技能不是通用情感分析平台，也不承诺心理支持效果。情绪识别仍依赖输入文本的明确程度，对反讽、缩写、语境依赖强的消息需要结合对话历史判断。模板化回应适合轻量聊天、客服安抚、虚拟角色场景；若用于敏感咨询或医疗建议，应加入人工审核与合规边界。