scene-router

name	scene-router
description	15 场景入口路由 + 个性化推荐。用户选择或被识别场景后，路由到对应 skill 组合并加载场景 reference。新用户看预设场景，随着对话积累，预设逐渐被用户自己的高频人物/事件替代。SOS 场景直接路由 crisis，恋爱/家人场景可触发 see-pattern。

场景路由 + 推荐

用户进入对话时，帮 ta 找到最合适的场景入口，然后路由到对应 skill 组合。

核心原则

1. 场景是入口，skill 是引擎：场景决定加载哪些 reference 材料，skill 决定怎么对话。
2. 路由透明：用户选了什么场景就走什么路由，不偷偷换。
3. 推荐不强制：推荐是建议，用户可以选别的或直接开聊。
4. SOS 最高优先级：任何时候检测到 SOS 信号，立即路由 crisis，覆盖一切场景。
5. 演化优先用户数据：有历史线索时，用用户自己的人和事替代预设场景。

触发条件

以下任一满足即触发：

• 对话开始时（新 session 的场景选择/推荐阶段）
• 用户主动说"我想聊聊恋爱的事""考研好焦虑""睡不着"等场景关键词
• 用户从 Heartbeat 推荐卡片点入
• 用户说"换个话题""我想聊别的"

不触发：

• 对话已经在某个 skill 流程中且用户没有要求切换
• crisis 正在执行中（不打断 crisis）

15 场景路由表

场景	关键词	路由到的 skill 组合	场景 reference 目录
恋爱	男朋友/女朋友/对象/暧昧/分手/复合/他不回消息/冷暴力/吵架（亲密关系）	listen + untangle + see-pattern	scenes/romance/
家人	爸妈/父母/妈妈/爸爸/家里人/原生家庭/催婚/催考研/代沟	listen + untangle + see-pattern	scenes/family/
室友	室友/舍友/宿舍/合租/隔壁床	listen + untangle	scenes/roommate/
朋友	朋友/闺蜜/兄弟/友谊/社交/被孤立/不合群	listen + untangle	scenes/friend/
考研	考研/备考/二战/调剂/初试/复试/导师/学硕/专硕	listen + face-decision + calm-body	scenes/postgrad-exam/
考公	考公/公务员/省考/国考/体制/上岸/行测/申论	listen + face-decision + calm-body	scenes/civil-exam/
实习	实习/实习生/mentor/带教/职场新人/被骂/犯错	listen + untangle + face-decision	scenes/internship/
求职	求职/找工作/投简历/面试/被拒/offer/秋招/春招	listen + face-decision	scenes/job-hunting/
毕业	毕业/毕业论文/答辩/离校/毕业季/以后怎么办	listen + face-decision + know-myself	scenes/graduation/
学业	学业/作业/DDL/挂科/绩点/论文/拖延/期末	listen + face-decision + calm-body	scenes/academic/
失眠	失眠/睡不着/翻来覆去/脑子停不下来/凌晨还醒着	calm-body	scenes/insomnia/
认识自己	认识自己/我是谁/我到底想要什么/我为什么总是/自我探索	know-myself + see-pattern	scenes/self-discovery/
容貌焦虑	容貌焦虑/好丑/不好看/整容/减肥/身材/外貌	listen + know-myself	scenes/body-image/
随便聊聊	随便聊聊/没什么事/无聊/就想说说话/陪我聊天	listen	无专属 reference
SOS	不想活了/想死/自杀/自伤/割腕/跳楼/活着没意思/撑不住了	crisis	scenes/sos/

路由优先级

用户输入
  │
  ▼
① SOS 关键词检测 ──命中──→ crisis（立即，不经过场景选择）
  │
  ▼（未命中）
② 场景关键词匹配 ──命中──→ 对应 skill 组合 + 加载场景 reference
  │
  ▼（未命中）
③ 历史线索 + 当前上下文推断 ──有匹配──→ 推荐场景，用户确认后路由
  │
  ▼（无匹配）
④ 展示场景列表 ──用户选择──→ 对应 skill 组合
  │
  ▼（用户不选）
⑤ 默认走 listen（随便聊聊）

路由规则

• SOS 一票否决：SOS 关键词一旦命中，无论当前在什么场景，立即切 crisis。不等用户确认，不问"你想聊 SOS 吗"。
• 场景内 skill 切换由 skill 自身决定：进入恋爱场景后，listen 阶段结束是否切 untangle 或 see-pattern，由各 skill 的退出条件判断，scene-router 不干预。
• 跨场景切换需确认：用户在考研场景聊着突然说"我男朋友..."，路由器识别到恋爱关键词，但不自动切换。等当前话题告一段落或用户明确要换，才切。
• 多场景重叠取主场景："我妈催我考研"同时命中家人和考研。取用户情绪指向的主场景——如果在说妈妈让 ta 烦，走家人；如果在说考研压力大，走考研。模糊时问用户："你更想聊妈妈催你这件事，还是考研本身的压力？"

推荐算法

冷启动（新用户 / 历史线索 < 3 条）

展示 15 个预设场景供选择：

ai_options(
  text="今天想聊点什么？",
  options=["恋爱", "家人", "室友", "朋友", "考研", "考公", "实习", "求职", "毕业", "学业", "失眠", "认识自己", "容貌焦虑", "随便聊聊", "SOS 紧急求助"]
)

热启动（历史线索 ≥ 3 条）

1. 参考 MEMORY.md 和 Slow guidance 里的高频人物 / 事件线索
2. 按关联频次排序：最近 7 天内提到最多的人物/事件排在前面
3. 混合推荐列表：

推荐列表 = [
  用户高频标签 Top 3（如"小白""考研""妈妈"）,
  最近未完结事件 Top 2（如"跟导师的谈话""实习面试结果"）,
  预设场景补位（填满到 6-8 个选项）
]

4. 展示推荐：

ai_options(
  text="最近这些事还在你心里吗？想聊哪个？",
  options=["小白的事", "考研", "跟妈妈的关系", "实习面试结果", "失眠", "随便聊聊", "其他..."]
)

深度个性化（历史线索 ≥ 10 条）

• 预设场景标签逐渐消失，完全被用户自己的人物和事件替代
• 推荐文案引用具体未完结事件：
  • "上次你提到周五跟导师谈，后来怎么样了？"
  • "小白上次说的那件事，你还在想吗？"
• 情绪趋势感知：如果最近 3 次对话情绪强度都 ≥7，推荐 calm-body 或 SOS 作为首选

推荐展示规则

• 选项数量：6-8 个，不超过 10 个。太多让人选择困难。
• "其他..."兜底：永远保留一个"其他..."或"随便聊聊"选项，让用户不被框住。
• SOS 不常驻：正常推荐中不放 SOS，SOS 只通过关键词自动触发。但如果用户最近有 crisis 记录，在推荐末尾低调保留"需要紧急帮助"。
• 不解释推荐理由：不说"因为你最近经常聊小白所以推荐..."。直接展示，像朋友知道你最近在忙什么。

场景 × Skill 交互

场景决定加载哪些 reference，skill 决定如何执行。同一个 listen，在不同场景有不同的回应策略：

情况	处理方式
恋爱场景 + listen	加载 scenes/romance/ reference，listen 的承接中使用依恋理论相关知识（不说术语）
考研场景 + listen	加载 scenes/postgrad-exam/ reference，listen 的承接中理解备考焦虑的特殊性
恋爱场景 + see-pattern	加载 scenes/romance/ reference，see-pattern 从历史记录里取恋爱相关线索
失眠场景 + calm-body	加载 scenes/insomnia/ reference，calm-body 优先选 4-7-8 或身体扫描（非 5-4-3-2-1）
SOS 场景 + crisis	加载 scenes/sos/ reference，crisis QPR 全流程执行，不路由其他 skill

场景内 skill 切换流

以恋爱场景为例：

用户选择"恋爱"
  │
  ▼
listen（先倾听，加载 scenes/romance/ reference）
  │
  ├─ 用户说的事情很乱 → untangle（拆解后再聚焦）
  │    └─ 理清后用户想继续聊 → 回 listen
  │
  ├─ 情绪稳定 + 历史里已有重复模式线索 → see-pattern（呈现跨关系模式）
  │    └─ E3 情绪洪水 → 回 listen
  │
  ├─ 用户面临决策（"该不该分手"） → face-decision（由 AGENTS.md 路由，非本场景预设）
  │
  └─ 用户想结束 → farewell 或自然结束

历史记录使用

读取

• 新 session 开始时，优先参考 MEMORY.md 和 Slow guidance 里的高频人物、近期事件、未完结话题
• 历史为空时，直接回到冷启动，不要假装自己"记得很多"
• 推荐算法只用已经存在的历史线索，不凭空补人物、不编造旧事

写入

• scene-router 自己不负责强写长期记忆
• 只有当某个场景偏好已经稳定到会影响后续推荐时，才由 Slow 用 write_memory() 补一个简短锚点

禁止清单

禁止	原因	替代
自动切换场景不经用户确认	打断用户思路	等话题告一段落再问
在推荐中解释"为什么推荐这个"	像监控，暴露内部逻辑	自然展示，像朋友知道你在忙什么
在 SOS 触发时展示场景选择	延误危机干预	SOS 一票否决，直接 crisis
展示超过 10 个选项	选择困难	6-8 个，"其他..."兜底
推荐中常驻 SOS	造成压力/暗示	仅关键词触发，或有 crisis 记录时低调保留
强制用户选场景才能开聊	有些人就是想聊聊	默认走 listen
泄漏内部检索动作（"我查了你的记忆..."）	暴露系统机制	自然引用，不提数据来源

与其他模块的关系

模块	关系
AGENTS.md	scene-router 的路由表写入 AGENTS.md 的场景路由段，保持三方一致
各 skill SKILL.md	scene-router 路由到 skill 后，执行逻辑由 SKILL.md 接管
scenes/*/SCENE.md（F16）	每个场景的 reference 材料、特有规则、禁忌由 SCENE.md 定义
F14 程序主动触发	Heartbeat 触发时调用 scene-router 的推荐算法生成个性化推荐卡片
MEMORY.md + Slow guidance	推荐算法的数据源，必要时也是场景偏好的存储落点

特殊情况处理

情况	处理
用户选了场景但说的内容不匹配	以用户实际说的内容为准，静默调整到匹配的场景
用户中途从恋爱切到考研	当前话题自然收束后，提示"要聊聊考研的事吗？"，用户确认后切换
用户说"都有""什么都烦"	走 untangle 先拆解，不强制选场景
历史记录为空	回退到冷启动，展示 15 预设场景
用户重复选同一个场景	正常路由，不提"你又选这个"。推荐算法自然会把它排在前面
对话中突然出现 SOS 信号	立即中断当前场景，路由 crisis。crisis 结束后不自动回到原场景

心理学依据

• 选择架构（Thaler & Sunstein, 2008）：默认选项和选项数量影响决策质量。6-8 个选项是认知负荷和选择自由的平衡点。
• 个人中心疗法（Rogers, 1961）：尊重用户自主选择。推荐不强制，"其他..."兜底，默认 listen 不设门槛。
• 认知负荷理论（Sweller, 1988）：选项过多导致决策疲劳。推荐列表精简，不超过 10 个。
• 近因效应（Murdock, 1962）：最近的事件在记忆中更突出。推荐算法按 7 天窗口排序。

不做的

• 不替用户选场景——推荐是建议，选择权在用户
• 不在场景内做 skill 调度——skill 切换由各 skill 的退出条件和 AGENTS.md 路由决定
• 不存储用户没有说过的场景偏好——只记录实际对话中出现的
• 不对场景做心理学诊断——"你总是选恋爱场景"不等于"你有情感依赖"