[合作讨论] 聊天人格学习如何扩展到多身份、多关系与受控回复

你好，我们正在开发 Yance：一个由多个 MCP 连接器驱动的、本地优先的个人关系与沟通智能大脑。

它不是另一个聊天记录导出器或单平台机器人。微信、小红书、闲鱼、钉钉、飞书等连接器只负责在授权范围内提供消息，并明确“使用者是谁、对方是谁”；Yance 负责把使用者在不同场景中的多个身份，以及同一个人的多个账号、平台身份和关系关联起来，从长期聊天中学习双方的沟通特征。

早期系统只提供推荐回复，由人选择、修改和确认；积累足够反馈后，用户才可以按身份、账号、对象和场景开启受限、可审计、可暂停的自动回复。长期还会探索操控性沟通信号（包括通常所说的 PUA 模式）、话外意图、机会识别和多方关系策略，但所有判断都必须保留证据、反证、替代解释和不确定性。

WeClone 已经把聊天历史、表达风格学习、模型微调和聊天机器人连接起来，是“让模型学会像本人说话”这条路线的重要同行。Yance 想补充的是：一个人并不只有一种人格，他在工作、交易、内容运营、亲友关系中的表达身份会变化。

想邀请你们一起讨论：

• 同一使用者的多个场景 Persona、同一联系人的多个账号以及关系范围如何进入训练或检索数据；
• 风格相似度之外，事实承诺、关系边界、高风险话题和人工确认怎样约束自动回复；

我们不是来要求项目采用 Yance 的私有格式，也不把任何仓库降格成附属连接器。希望真正处理聊天、身份、关系、记忆和执行问题的项目共同决定底层结构；合作可以从 schema 评审、匿名 fixture、兼容适配器或联合原型中的任意一项开始。

可以从不涉及模型实现的 persona schema、联系人作用域和匿名评测样例开始。

如果这个方向与你们的长期设想有交集，很希望听听你们认为最值得先统一、也最容易被重复造轮子的部分。