AI 主播：Live2D 陪伴与直播控制台

LivePersona Studio 是我给 AI 主播写的桌面控制台：控制台里管角色、模式、声音和记忆，舞台窗口放场景、角色和字幕，陪伴的时候还能开一只透明置顶的桌宠。模型没训练也没微调，花力气的地方在谁先说、怎么不冷场、什么该记住。

所有输入走一个入口

要处理的输入很杂：我在本地打的字、话筒识别出来的话、直播间弹幕、游戏状态，还有角色自己想搭话。它们都先进同一个调度入口，贴上来源，再决定谁先、要不要合并、这句该谁接。

• 我说话优先。 直播时勾上「用户加入」，我的输入排在弹幕前面。
• 弹幕每 25 秒攒一批再交给模型；只是有人进场、人气变了，就不回。
• 主动搭话从上一句播完、或者最后一条新消息开始计时，默认 15 秒，5 到 180 秒可调。
• 过期的回复直接扔掉。 清空、换角色、取消之后才回来的结果，不进队列。

开「分身」可以让两个角色同台。点名谁就谁回答；普通问题主角色答，另一位最多补一句。两人共用一条语音队列，不会抢着说话。对方说的话会带着身份传过来当参考，不会被当成用户说的，也不会记成自己的经历。

别冷场

直播里最尴尬的是开口前那几秒空白。所以回复超过 30 字时，先切出第一句短的（最多 30 字）马上合成开播，后面的边播边准备，每段最多 60 字。

音频永远只有一段在播、一段候着，再多最多一条文字回复排队等合成。上一条回复的最后一段开始合成了，才把这期间攒下的输入合起来问下一轮模型；新回复也要等前一条合成完，不会把正在说的话打断。字幕和表情跟着真正开始播的那一段走，不跟生成完成的时间走。

出错时：网络、超时、限流、5xx 自动重试两次；密钥、权限、配置不对就直接提示。语音只重试失败的那一段，播过的不再播；重试用完就留下文字，主动搭话也停掉，不会自己没完没了地开新一轮。

四层记忆

层	放什么	怎么写进去
当场上下文	最近 20 轮	自动，结束互动就清空
短期记忆	当场早些时候的压缩版	自动压缩，界面上能看压得好不好
长期记忆	每个角色陪伴、直播各一份	先变成待处理条目，我批准了才算数
知识库	所有角色共用	手动导入编辑，按关键词取

没点「开始本次互动」就当是在调试，说什么都不进记忆。不然调提示词时随口说的话，会变成角色以后的「回忆」。为什么这么分，写在《Agent 记忆分层》里。

工具默认关着

模型能看屏幕、能联网搜索，但默认都是关的，按模式开：

• 看屏幕只在陪伴时能用，浏览器、当前应用、整个屏幕，每轮加起来最多看一次，不会一直盯着，也不翻进程和浏览记录。直播时没有这个权限。
• 联网搜索只用来查拿不准的事，每轮最多一次、最多五条结果。搜回来的东西只当参考，里面写的指令不照做；搜不到就说不知道。
• 云端密钥只放在 Rust 那一层，用 Windows DPAPI 加密，前端碰不到。提示词预览和真正发出去的用同一个组装函数，看到的就是发出去的。

现在到哪了

在我自己电脑上已经能用：单文件包解压就能跑，自带三个本地音色和话筒识别，OBS 能采到舞台和桌宠。B 站直播间连上了，但还没真正开过一场带弹幕的长直播，这是下一步要做的；再往后想让它边直播边玩游戏。

技术栈是 Tauri 2、Rust、React／TypeScript，代码三万来行，测试文件 72 个。

做下来最大的体会：AI 主播难的不是让模型说得好听，而是谁在什么时候说、凭什么这么说、说错了能不能查回来。