进入开发
书接上回，我们根据现有的资源，结合自身的优势和兴趣点，决定在相亲这个双边市场，进行撮合服务。
工具载体是我们的AI 小镇。基本思想是：数据化自身标签，设定目标，剩下的交给AI。减少相亲交友的重复和倦怠，提高匹配效率。
AI小镇有自己的一套代码，需要做的事是在原来的基础上进行调整。其核心功能，配置标签、设定目标为现成功能。LLM驱动的逻辑也是现成的，整体一次性能投放8个角色。
首先要做的是保证启动，实现原代码的功能。过程略微枯燥，总之就是发现问题，理解问题，寻找解决方案，尝试解决方案，最后修复。
在本次的案例里，复现最大的问题是后端部署方式，需要调整为本地部署。这些内容可以在up的视频中看到，不在此赘述。
本地化
跑通之后，接着要做的是本地化，以符合需求。我将其分为两部分。第一步是泛功能的本地化，另一方面是针对本项目的本地化。
泛功能方面，包括语言本地化、交互的调整。中文本地化，包含提示词和初始化角色。删除一些没必要的提示词，屏蔽掉移动端逻辑。
之前的代码，侧重demo宣传，有较多品牌logo植入。另外核心可视区域较小。up放大了主体窗口，缩小并调整了交互组建的位置，删除无关的品牌宣传logo。
这些在编程辅助工具帮助下，一个工作日就能完成。
项目的本地化，关注的是项目目标。首先我们的撮合服务，不能偏离现有用户习惯太多。也要有其他产品、服务具备的标签服务。这些标签，成为系统筛选的依据。
其次，以LLM为核心的交互，需要做对应调整。好在这个项目原始代码逻辑也不复杂，调整对应的提示词，强调匹配的目标，并且需要利用前面的标签，即可初步达到目的。
再者，我们借鉴游戏设计，引入经济系统。在这里是好感系统。Agent需要通过自己的努力，提升意向对象的好感度。Agent之间的对话，会影响好感度。这样就将经济目标，与核心功能绑定。
在我们没做改动之前，这个项目内的各个Agent目标是分散的。调整后，Agent的行为逻辑，更符合国内文化。初步注入的8个Agent，在各自交友目标的驱动下，和剩下的7位反复交谈，最后反应在好感度上。
作为系统的管理员，只需要录入客户的Agent信息，收集最后的好感度，即可筛选出匹配的对象。整个过程可视。
其他展望
调整之后，仍有很多待优化的项目。比如提示词、循环系统、外部资源消耗监控。商业行为，需要控制完美主义倾向。完成比完美重要，先交付再优化。
提示词方面，原项目差不多构建于2年前。那时基座模型的性能还差点儿意思，提示词方面也没有系统的方法论。现在提示词经过不少讨论迭代，已经形成一些写法套路。
整个项目在Agent 设计中，ReAct（推理与行动）使用得很粗糙。仅针对对话结果进行了打分分析，并不涉及下一步行动策略的调整。在现实中，这恰恰是人类最常用的。
项目依赖本地的大模型，但并未对token的消耗进行统计、未对服务的负载情况进行监控。若服务不可用或性能下降，实际会影响对话部分的质量。
目前，项目的演示视频已发布到多个平台，获得的曝光仍较为局限。获客是最大的挑战、缺少话题性，难以获得垂直流量。
看到这里的朋友，动动手指，填写一分钟问卷，圆你的交友梦。限时免费匹配，定期直播结果。https://wj.qq.com/s2/24050706/c5d5/