基于GPASS平台的LoveMate智能眼镜情侣陪伴系统设计与实现
前言
随着AR智能眼镜的普及，可穿戴设备的轻量交互正在成为新一代人机交互入口。本文基于字节跳动GPASS智能体开发平台，结合Rokid智能眼镜硬件，设计并实现了一套面向情侣亲密关系陪伴的多智能体系统——LoveMate。系统采用「意图分流+多Agent分工+端云协同」架构，在眼镜端实现表达优化、情绪陪伴、沟通复盘、关系记忆、成长分析五大核心能力，全程语音交互、镜片轻量展示，为亲密关系经营提供低负担的智能辅助方案。
本文完整覆盖工作流架构设计、端侧/云端插件落地、核心技术方案选型，可作为GPASS平台行业模板开发的参考案例。
一、整体系统架构
系统采用三层端云协同架构，全链路在GPASS平台低代码搭建，无需额外服务端开发：
1. 端侧层：Rokid智能眼镜，负责语音采集、文本结果显示、拍照画面采集，仅做输入输出，不承载模型推理
2. 平台调度层：GPASS工作流引擎，负责意图路由、节点调度、变量透传、插件调用，是整套系统的中枢
3. 能力层：云端大模型能力，包括Ling-flash-2.0文本大模型（负责意图识别、文本生成）、Qwen-VL-Max视觉大模型（负责拍照画面理解）
整体执行链路：
眼镜语音输入 → 工作流启动 → 意图识别分流 → 对应业务Agent处理 → 统一输出格式化 → 结果返回眼镜显示
二、核心工作流设计详解
工作流采用「入口-分流-分工-汇总-出口」的标准Multi-Agent流水线结构，节点职责单一、可扩展、易排错，完整适配GPASS可视化编排能力。
2.1 入口节点：参数统一接入
开始节点作为全流程唯一入口，承载三类输入：
• 业务输入：自定义变量user_message，接收眼镜端语音转写后的用户文本，是全流程核心处理对象
• 设备参数：deviceModel、umidToken，用于设备身份校验与端侧指令下发
• 系统环境参数：触发时间、经纬度、结构化附加数据，为后续LBS场景、时间维度分析预留扩展位
• 上下文能力：默认携带3轮历史对话，保障多轮交互的上下文连贯性
2.2 意图分流模块（Intent Router）
采用大模型前置分类方案，使用Ling-flash-2.0轻量模型做纯标签输出，是全流程的调度中枢。
• 核心设计：通过严格的Prompt约束，强制模型仅输出单个英文标签，无多余解释文本
• 支持5类意图：
◦ expression：表达优化需求（帮我改说法、怎么回复）
◦ emotion：情绪陪伴需求（心情不好、委屈、生气）
◦ summary：沟通复盘需求（帮我复盘、总结刚才的对话）
◦ memory：信息记忆需求（记住这件事、保存纪念日）
◦ growth：关系成长需求（我们最近状态怎么样）
• 选型优势：轻量模型推理延迟低，标签式输出无冗余，完美适配条件分支的精准路由，避免自然语言输出导致的分支匹配失败
核心Prompt片段：
你是LoveMate智能体任务分流中心。
根据用户输入判断任务类型。
只能输出以下一个英文标签：
expression / emotion / summary / memory / growth
用户输入：{{开始.user_message}}
2.3 条件分支路由
基于GPASS分支节点，实现「1进5出+兜底」的路由逻辑：
• 判断变量绑定大模型输出的intent字段，采用「等于+固定文本」匹配规则
• 5条否则如果分支一一对应5类业务意图，分支出口分别连接对应业务Agent
• 兜底「否则」分支直接汇入最终输出节点，防止意图识别异常导致流程中断，保障现场演示稳定性
2.4 多智能体业务层（5个垂直Agent）
5个业务大模型节点横向并行，每个节点仅负责单一领域任务，Prompt垂直优化，效果优于单一大模型全场景处理。
Agent名称 核心职责 输入源 输出变量
温柔表达优化 将直白话术改写为高情商表达，适配情侣沟通场景 user_message expression_result
情绪陪伴助手 共情用户情绪，提供安抚与疏导，承接情绪宣泄需求 user_message emotion_result
沟通复盘助手 提炼沟通关键信息，总结矛盾点与改进建议 user_message summary_result
关系记忆管理 结构化提取用户输入中的关键信息，沉淀关系记忆库 user_message memory_data
关系成长分析 基于历史与当前信息，输出关系状态评估与成长建议 user_message growth_result
2.5 统一输出汇总层
设置独立的「LoveMate最终回复」汇总节点，是端侧显示体验的关键保障：
• 全量输入绑定：同时接入5个业务Agent的全部输出变量，自动忽略空白分支内容
• 终端适配优化：针对眼镜镜片显示区域有限的特点，强制精简字数、优化换行、统一格式
• 风格统一：无论上游哪条分支执行，最终都输出统一格式的文案，保证产品体验一致性
输出格式约束：
❤️ LoveMate建议：
[核心内容，150字以内，短句换行，方便快速扫读]
2.6 结束出口节点
采用纯文本单消息输出方案：
• 仅绑定汇总节点的final_answer变量，消息类型只勾选「文本消息」
• 避免多消息类型叠加导致的内容覆盖、显示异常问题，最大化眼镜端渲染稳定性
三、端侧与云端插件运用
3.1 端侧硬件交互适配
眼镜语音交互链路
依托GPASS眼镜模板原生能力，实现端云无缝打通：
• 端侧语音采集后自动转写为文本，注入user_message变量触发工作流
• 工作流执行完成后，文本结果自动推送到眼镜镜片显示，无需额外接口开发
• 设备身份参数umidToken全程透传，支持多设备并发接入与权限校验
眼镜设备拍照采集插件
作为扩展能力模块，实现视觉维度的情侣陪伴场景：
• 调用触发：用户语音指令触发拍照，调用眼镜原生相机采集当前视野画面
• 返回参数：输出拍照处理状态、图片数据地址两个字段，供后续视觉模型调用
• 典型场景：识别对方面部表情、分析约会场景氛围，结合视觉信息给出沟通建议
3.2 云端模型插件调度
系统采用双模型组合方案，兼顾成本、速度与效果：
1. Ling-flash-2.0 文本大模型
◦ 部署位置：全量文本节点（意图分流、5个业务Agent、汇总输出）
◦ 选型理由：推理速度快、token成本低、中文能力优秀，适配眼镜端低延迟交互要求
◦ 调度策略：流水线串行调用，单节点单次推理，全链路总耗时控制在秒级
2. Qwen-VL-Max 视觉大模型
◦ 部署位置：拍照链路的VL模型节点
◦ 选型理由：多模态理解能力强，支持画面描述、情绪识别、场景分析
◦ 调用逻辑：仅拍照场景触发，常规文本交互不调用，按需加载降低资源消耗
3.3 全局变量体系设计
通过GPASS全局变量能力，实现跨节点数据共享与扩展预留：
• 环境参数层：触发时间、经纬度、纬度，为后续「纪念日提醒」「约会地点推荐」等LBS+时间场景预留能力
• 全局参数层：设备信息、用户标识，支持后续多用户记忆隔离与个性化配置
四、核心技术方案说明
4.1 Multi-Agent 分布式协作架构
本项目核心技术亮点在于采用多智能体分工架构，相比单一大模型方案有三大优势：
1. 效果更优：每个Agent针对单一任务做Prompt深度优化，垂直场景效果显著优于通用大模型
2. 可扩展性强：新增功能只需新增分支与对应Agent，不改动原有链路，迭代成本低
3. 可解释性强：流程可视化，每一步执行路径清晰，便于调试、排错与评委讲解
4.2 意图前置分流的性能优化
采用「先分类、后处理」的前置分流方案，而非全量Prompt塞入单一大模型：
• 降低无效token消耗：无需把所有场景的系统提示词都带入单次推理
• 缩短响应延迟：轻量模型做分类，业务模型仅执行对应任务，全链路推理步数更短
• 故障隔离：单一场景Prompt异常不影响其他分支，系统鲁棒性更强
4.3 端云协同的轻量化方案
针对智能眼镜算力有限、续航敏感的特点，采用「端侧做交互、云端做推理」的端云协同方案：
• 端侧仅负责采集与显示，不承载任何模型推理，降低硬件功耗
• 云端统一调度大模型能力，迭代升级无需用户更新硬件
• 依托GPASS平台原生算力调度，无需自行搭建服务器与模型服务
4.4 关系记忆的长效设计
Memory独立Agent的设计是产品长期价值的核心：
• 结构化提取用户输入中的关键信息（纪念日、喜好、重要事件）
• 可对接外部存储实现持久化记忆沉淀，支撑关系成长分析
• 区别于普通对话机器人的短时上下文，实现真正的长期关系陪伴
4.5 演示级容错机制
针对比赛现场演示场景，做了多层兜底设计：
• 意图识别异常：兜底分支直接输出通用回复，不中断流程
• 空白分支处理：汇总节点自动忽略未执行分支的空变量，不会出现空白内容
• 单一节点故障：分支间相互独立，单Agent异常不影响其他功能模块
五、部署与发布
整套工作流在GPASS平台完成编排调试后，通过「发布」功能一键上线，绑定眼镜交互模板即可投入使用：
1. 工作流调试：通过平台「运行」按钮做单步调试，验证各分支执行路径与输出效果
2. 模板配置：配置眼镜端欢迎语、产品Logo、交互模块，完成前端展示定制
3. 发布上线：绑定硬件设备后，Rokid眼镜端即可语音唤起使用
六、总结与展望
本文基于GPASS低代码平台，快速落地了一套面向情侣陪伴的智能眼镜多智能体系统，验证了「可视化编排+端云协同+Multi-Agent」方案在可穿戴场景的可行性。系统无需复杂开发，即可完成从硬件交互到云端推理的完整闭环，为AR眼镜场景的垂直AI应用提供了可复用的架构参考。
后续优化方向：
1. 接入持久化记忆存储，实现跨会话的关系数据沉淀
2. 扩展更多视觉场景，如约会场景识别、礼物推荐等
3. 优化离线轻量能力，保障无网络环境下基础功能可用
4. 增加多人交互模式，支持双方眼镜联动的双向陪伴
