「又是凌晨三点，裂缝数到第 427 遍」端到端具身交互智能睡眠顾问的夜班手记

凌晨两点四十七分，安睡的会话窗口先亮了。第一条语音很短：「又睡不着，天花板上那道裂缝，我已经数到 427 遍了。」

它没有急着给建议，而是先问：「今天几点喝的咖啡？卧室的灯是什么颜色？」——睡眠这件事，「哪里出了问题」永远比「用哪个方法」更靠前。

失眠者从来不缺方法：褪黑素、白噪音、助眠 APP 都试过一轮。缺的是深夜两点还接得住你的那个人：听得出疲惫，看得见作息，陪得了一整夜。而「陪伴」恰恰是端到端具身交互智能最擅长的事——它不是给 AI 接一个身体，也不是把 ASR、LLM、TTS 拼成一条流水线，而是让感知、理解、决策、表达与行动、反馈在整夜的时间轴上持续运转，形成 Continuous Interaction Loop（持续交互循环）：你说起夜，它继续听；方案要改，它当场改。

周一 23:04｜把问题留在了床上的人

来访者是一位互联网程序员，入睡困难三个月：躺下后脑子还在跑代码，越强迫自己睡越清醒，平均入睡时间超过两小时。

安睡从他零散的描述里挑出三个信号——睡前刷工作群、卧室有蓝光、咖啡因摄入太晚，再对照可穿戴设备的数据，判断这是「高觉醒型入睡困难」：身体躺下了，大脑还开着会。

方案分三步走：睡前 90 分钟开始「数字宵禁」，工作群静音、屏幕切暖光；卧室温度下调到 18-20℃，配一段雨声白噪音；最后学 4-7-8 呼吸——吸气 4 秒、屏息 7 秒、呼气 8 秒，重复四个循环。

引导时它没有只发文字：语气放慢，呼吸节奏用手势带出来，每一步都停下来等他的反馈。一周后复诊，入睡时间从 120 分钟压到 35 分钟，方案里又补上了一段睡前的渐进式肌肉放松。

周三 01:12｜碎片睡眠里的新手妈妈

来访者是位新手妈妈：宝宝三个月，每晚醒四五次，她也跟着醒，醒了就再也接不上觉。

这次的信号是碎片化睡眠、白天补觉过长、对光线敏感。安睡把方案压在「不打扰宝宝」的前提上：白天补觉不超过 20 分钟；夜奶换红光小夜灯，减少对褪黑素的抑制；再教她抓住宝宝入睡后的 90 分钟黄金周期，同步休息。

两周后复诊，连续睡眠从 3 小时拉到了 5.5 小时。她说最有用的不是哪一个技巧，而是「半夜两点有人应声」——随问随答这件事本身，就先卸掉了一半焦虑。

周五 04:30｜倒计时一百天的早醒

来访者是个高三学生：每天凌晨四点准时醒，越想着「还能再睡两小时」越清醒，白天上课全靠硬撑。

信号很典型：考前压力、早醒后的反刍思维、下午的咖啡因依赖。安睡这次先不聊助眠技巧，改了三件事：下午两点后不碰咖啡因；睡前 60 分钟做「焦虑卸载」，把担心写进本子，合上本子就合上焦虑；早醒后不硬躺，起身做 5 分钟轻度拉伸，等困意自己回来。

三周后，早醒频率从每周 5 次降到 1 次。他对安睡说：「比起让我睡着，你先让我不那么怕醒着了。」

三份记录背后，是同一条端到端具身交互智能链路在工作。它是怎么被「装」出来的？上岗前的交班清单上，列着三样东西。

上岗之前：交班清单上的三样东西

项目在连接成功后，会立刻做一件不起眼但很关键的事——用首条 ask() 把人设注入智能体（src/App.vue）：

// 连接成功后通过首条 ask() 注入人设
if (appState.avatar.connected && SYSTEM_PROMPT) {
  await avatarService.ask(SYSTEM_PROMPT)
}

这段人设不是装饰性文案，它就写在本项目的 src/constants/index.ts 里，决定这位顾问的身份、能力边界和说话方式：

export const SYSTEM_PROMPT = `你是安睡，一位经验丰富的 AI 睡眠顾问。

## 你的身份
- 名称：安睡（ĀnShuì）
- 身份：AI 睡眠健康顾问，精通睡眠评估、习惯调整、助眠方案与健康 APP 合作
- 语言风格：舒缓轻柔，每次只聚焦一个睡眠问题，用具体场景引导用户`

前两样合起来，回答的是「它是谁」：不是任何一个通用聊天 AI，而是一位有明确身份、边界和语气的睡眠顾问。凌晨两点接起对话的是谁、按什么原则问话，都写在这段系统提示里。

第三样最安静，却是它能陪你走过一整夜的原因——状态。这位顾问随身带着三层记录：连接、耳朵、屏幕上的字，全部写在 src/stores/app.ts 的开头：

// 应用状态
export const appState = reactive<AppState>({
  avatar: {
    appId: API_KEYS.AVATAR.appId || '',
    appSecret: API_KEYS.AVATAR.appSecret || '',
    connected: false,
    instance: null
  },
  asr: {
    isListening: false
  },
  ui: {
    text: '',
    subTitleText: ''
  }
})

三层各管一摊：avatar 记着连没连上，asr 记着麦克风开没开，ui 记着屏幕上正在写的字。一夜的对话无论多长、中断多少次，它都靠这三层如实记录自己的处境，从不含糊。

一夜下来，被问到的五个问题

问：夜里说话轻、语速慢，它听得清吗？

听得清。麦克风持续在线：算法降噪、AEC 抗回声把环境底噪挡在外面，VAD 只在有人真正出声时才工作，远场拾音覆盖「隔着床头说话」的距离；你半夜突然插一句「等等，这个呼吸法不适合我」，Double Talk / Barge-in 会把它当作一次有效插话接住。持续感知，而不是一次输入。

问：它凭什么比通用 AI 更懂睡眠？

因为它的大脑不绑死任何一家模型：豆包、DeepSeek、ChatGPT 等用惯的模型都可以接；没有现成模型时，也可以直接用魔珐星云自研的智脑——低延迟、强逻辑、场景化理解、数据安全可控，专为具身交互场景优化。三层问题它都拎得清：它知道什么（睡眠医学、认知行为疗法、呼吸技术），它是谁（一位非药物优先的顾问），它要做什么（先听完，还是先给方案）。从通用回答升级为面向具体身份和业务的智能体能力。

问：呼吸引导、放松动作，它怎么教？

示范不止在声音里。教你 4-7-8 呼吸时，语气贴着呼吸的节奏走，手势落在每一次呼气上，眼神的放松和你同步——看到、听到、要跟着做的，始终是同一个节拍。统一、连续、同步，这是她教呼吸法的方式。

问：半夜网络差，会不会卡在半句话上？

不太会。渲染跑在终端本地，不依赖云端 GPU 推流：省掉持续的云端算力和带宽开销，弱网下照常运行，家里网不好、手机信号弱也撑得住。换个角度看，这还让睡眠顾问能进入更多普通家庭，而不是只服务付得起高价咨询的人。更低成本、更低延迟、弱网可用、更稳定、更容易规模化。

问：换一台设备，它还记得我吗？

记得。数字端，它在手机、平板、卧室屏幕上以具身交互智能体的形态陪你；物理端，换成机器人形态，它依旧守在你床边，做面对面的放松引导。同一个智能体，可以拥有不同的身体——身份、知识、记忆和任务持续复用，设备换来换去，顾问还是那一个。

天亮之前

三位来访者最近一次的记录，恰好说明了「持续交互」的价值：

来访者	干预前	最近一次记录
程序员的入睡困难	入睡超过 120 分钟	35 分钟
新手妈妈的夜间易醒	连续睡眠 3 小时	5.5 小时
高三生的早醒焦虑	每周早醒 5 次	每周 1 次

安睡智能体的意义，不是替代睡眠医生，而是让「有人应声」不再是一件要碰运气的事——深夜的求助不必等到天亮，方案的微调不必等到复诊。

端到端具身交互智能给夜晚带来的变化，就是让陪伴有了连续性：你睡着之前，它一直在；你醒来之后，它还记得你上周说过什么。