# 用户偏好追踪系统 ## 📋 系统概述 本系统用于记录和追踪用户对助眠故事的偏好，实现**个性化适配**和**持续优化**。 **核心目标**： - 记录用户对每个故事的反馈 - 自动识别偏好模式 - 动态调整后续故事风格 - 追踪助眠效果 --- ## 🗂️ 数据结构 ### 用户偏好档案 (`memory/user-preferences.json`) ```json { "version": "1.0", "lastUpdated": "2026-04-05", "totalStories": 0, "storyTypePreferences": { "自然风景类": { "count": 0, "avgRating": 0, "lastUsed": null, "favoriteElements": [] }, "温馨日常类": { "count": 0, "avgRating": 0, "lastUsed": null, "favoriteElements": [] }, "动物伙伴类": { "count": 0, "avgRating": 0, "lastUsed": null, "favoriteElements": [] }, "童年回忆类": { "count": 0, "avgRating": 0, "lastUsed": null, "favoriteElements": [] }, "奇幻治愈类": { "count": 0, "avgRating": 0, "lastUsed": null, "favoriteElements": [] }, "季节限定类": { "count": 0, "avgRating": 0, "lastUsed": null, "favoriteElements": [] } }, "elementPreferences": { "scenes": {}, "characters": {}, "journeys": {}, "discoveries": {}, "sensoryFocus": {} }, "stylePreferences": { "length": { "preferred": "1500-2000", "options": ["1000-1500", "1500-2000", "2000-2500", "2500+"] }, "pace": { "preferred": "slow", "options": ["very-slow", "slow", "medium", "fast"] }, "hypnosisDepth": { "preferred": "medium", "options": ["light", "medium", "deep"] }, "dialogueRatio": { "preferred": "low", "options": ["none", "low", "medium", "high"] } }, "psychologyTechniquePreferences": { "正念呼吸": { "effectiveness": 0, "count": 0 }, "渐进式肌肉放松": { "effectiveness": 0, "count": 0 }, "可视化想象": { "effectiveness": 0, "count": 0 }, "安全基地构建": { "effectiveness": 0, "count": 0 }, "感恩回忆": { "effectiveness": 0, "count": 0 }, "催眠暗示": { "effectiveness": 0, "count": 0 }, "呼吸绑定": { "effectiveness": 0, "count": 0 }, "意识模糊化": { "effectiveness": 0, "count": 0 } }, "sleepEffectiveness": { "avgSleepTime": null, "avgSleepQuality": null, "improvementTrend": [] }, "avoidElements": { "scenes": [], "characters": [], "themes": [] }, "notes": [] } ``` --- ## 📝 反馈收集机制 ### 反馈收集时机 | 时机 | 收集方式 | 收集内容 | |------|----------|----------| | **故事结束后** | 简单评分 | 1-5 星评分 | | **次日早晨** | 效果问询 | 入睡时间、睡眠质量 | | **每周总结** | 深度反馈 | 偏好变化、新需求 | | **主动反馈** | 随时接收 | 喜好、建议、问题 | ### 反馈问题模板 #### 简单反馈（故事结束后） ``` 昨晚的故事还喜欢吗？ ⭐⭐⭐⭐⭐ (1-5 星) 哪个部分最喜欢？ A. 场景描写 B. 角色互动 C. 放松引导 D. 整体氛围 还想听类似的故事吗？ A. 很想 B. 可以 C. 不用了 ``` #### 效果反馈（次日早晨） ``` 昨晚睡得怎么样？ A. 很快就睡着了 (10 分钟内) B. 比较快 (10-20 分钟) C. 一般 (20-30 分钟) D. 比较难 (30 分钟以上) 睡眠质量如何？ A. 深沉无梦 B. 有梦但安稳 C. 浅睡多梦 D. 易醒 今天精神状态？ A. 精力充沛 B. 正常 C. 有点累 D. 很疲惫 ``` #### 偏好反馈（主动询问） ``` 最近想听什么类型的故事？ A. 自然风景（森林、湖泊、星空） B. 温馨日常（小屋、书店、咖啡馆） C. 动物伙伴（小猫、小鹿、鲸鱼） D. 童年回忆（外婆家、老街道） E. 奇幻治愈（魔法、星星、梦境） F. 都可以，听你安排 喜欢什么样的节奏？ A. 很慢很缓 B. 适中 C. 稍微快一点 偏好哪种感官描写？ A. 视觉（月光、星光、色彩） B. 听觉（雨声、风声、音乐） C. 触觉（温暖、柔软、拥抱） D. 嗅觉（花香、书香、食物香） ``` --- ## 🤖 个性化适配规则 ### 规则引擎 (`memory/adaptation-rules.md`) #### 基于评分的适配 | 条件 | 动作 | |------|------| | 评分 ≥ 4 星 | 记录喜欢的元素，7 天内可重复使用 | | 评分 = 3 星 | 中性，保持观察 | | 评分 ≤ 2 星 | 记录不喜欢的元素，30 天内避免 | | 连续 3 次 ≥ 4 星 | 提升该类型优先级 | | 连续 3 次 ≤ 2 星 | 降低该类型优先级，询问用户 | #### 基于入睡时间的适配 | 入睡时间 | 调整策略 | |----------|----------| | < 10 分钟 | 保持当前风格，强化有效元素 | | 10-20 分钟 | 微调，增加催眠暗示强度 | | 20-30 分钟 | 调整故事类型，尝试新元素 | | > 30 分钟 | 显著调整，询问用户偏好 | #### 基于睡眠质量的适配 | 睡眠质量 | 调整策略 | |----------|----------| | 深沉无梦 | 保持当前配方 | | 有梦但安稳 | 轻微调整，观察变化 | | 浅睡多梦 | 减少刺激元素，增加安全感 | | 易醒 | 增强安全基地构建，减少转折 | #### 基于时间的适配 | 时间维度 | 适配策略 | |----------|----------| | **季节** | 使用当季场景和意象 | | **星期** | 工作日偏安静，周末偏轻松 | | **月相** | 满月用月光主题，新月用星空主题 | | **特殊日期** | 生日、节日使用应景故事 | --- ## 📊 偏好学习算法 ### 元素偏好计算 ```python # 伪代码示例 def calculate_element_preference(element_id, ratings): """ 计算元素偏好分数 :param element_id: 元素 ID（如场景 N01） :param ratings: 使用该元素的评分列表 :return: 偏好分数 (0-100) """ if not ratings: return 50 # 中性 # 加权平均（最近评分权重更高） weights = [1.0, 0.8, 0.6, 0.4, 0.2] # 最近 5 次 weighted_sum = sum(r * w for r, w in zip(ratings[-5:], weights[-len(ratings):])) weight_total = sum(weights[-len(ratings):]) base_score = (weighted_sum / weight_total) * 20 # 转为 0-100 # 使用频率惩罚（避免过度使用） usage_count = len(ratings) frequency_penalty = min(usage_count * 2, 20) # 最多减 20 分 # 新鲜度奖励（长时间未用） days_since_last_use = 7 # 示例 freshness_bonus = min(days_since_last_use * 3, 15) # 最多加 15 分 final_score = base_score - frequency_penalty + freshness_bonus return max(0, min(100, final_score)) ``` ### 类型推荐逻辑 ```python def recommend_story_type(preferences, recent_history): """ 推荐故事类型 :param preferences: 用户偏好档案 :param recent_history: 最近使用的故事类型 :return: 推荐类型 """ # 获取各类型分数 type_scores = {} for story_type, data in preferences['storyTypePreferences'].items(): if story_type in recent_history: continue # 跳过最近用过的 base_score = data['avgRating'] * 20 count_bonus = min(data['count'] * 2, 10) # 成功经验奖励 recency_penalty = 10 if data['lastUsed'] else 0 # 久未使用奖励 type_scores[story_type] = base_score + count_bonus + recency_penalty # 返回最高分类型 return max(type_scores, key=type_scores.get) ``` --- ## 🔄 自适应调整流程 ### 创作前检查流程 ``` 1. 读取用户偏好档案 ↓ 2. 检查最近 3 篇故事历史 ↓ 3. 计算各元素偏好分数 ↓ 4. 排除低分元素（< 40 分） ↓ 5. 选择高分元素（> 70 分优先） ↓ 6. 组合生成故事大纲 ↓ 7. 检查去重规则 ↓ 8. 开始创作 ``` ### 创作中调整 | 检测点 | 调整项 | |--------|--------| | 开场后 | 根据用户反应调整节奏 | | 放松阶段 | 根据呼吸反馈调整深度 | | 高潮前 | 根据注意力调整情感强度 | | 结尾前 | 根据困倦程度调整暗示强度 | ### 创作后优化 1. **收集反馈** - 评分 + 文字评价 2. **更新档案** - 记录元素效果 3. **分析模式** - 识别偏好趋势 4. **调整规则** - 优化推荐算法 5. **生成报告** - 每周总结 --- ## 📈 效果追踪指标 ### 核心指标 | 指标 | 计算方式 | 目标值 | |------|----------|--------| | **平均入睡时间** | 总和/故事数 | < 20 分钟 | | **平均睡眠质量** | 评分平均 | > 4 星 | | **用户满意度** | 故事评分平均 | > 4.2 星 | | **偏好匹配度** | 推荐接受率 | > 70% | | **元素多样性** | 不重复元素占比 | > 80% | ### 趋势分析 ``` 每周生成趋势报告： - 入睡时间变化曲线 - 睡眠质量变化曲线 - 偏好类型分布 - 有效元素 TOP10 - 需要调整的元素 ``` --- ## 💡 智能推荐示例 ### 场景 1：新用户体验优化 ``` 用户：第一次使用 策略： 1. 使用通用型故事（温馨日常类） 2. 中等长度（1500-2000 字） 3. 基础放松技术（呼吸 + 肌肉放松） 4. 收集详细反馈 5. 建立初始偏好档案 ``` ### 场景 2：失眠严重用户 ``` 用户：连续 3 天入睡>30 分钟 策略： 1. 增加催眠暗示强度 2. 使用深度放松技术 3. 缩短故事长度（减少刺激） 4. 增加安全基地构建 5. 次日跟进效果 ``` ### 场景 3：偏好明显用户 ``` 用户：明确喜欢自然风景类（4.8 星平均） 策略： 1. 优先推荐自然风景类 2. 轮换使用不同自然场景 3. 强化用户喜欢的元素（如月光、湖水） 4. 尝试自然 + 动物混合类型 5. 季度性引入新元素防腻 ``` ### 场景 4：审美疲劳用户 ``` 用户：最近评分下降（4.5→3.2 星） 策略： 1. 显著调整故事类型 2. 引入新场景和新角色 3. 减少过度使用元素 4. 询问用户新需求 5. 尝试系列故事增加期待感 ``` --- ## 🔧 实施建议 ### 第一阶段（基础） - [ ] 创建用户偏好档案模板 - [ ] 实现基础反馈收集 - [ ] 建立简单推荐规则 - [ ] 手动更新偏好档案 ### 第二阶段（自动化） - [ ] 自动化评分记录 - [ ] 实现元素偏好计算 - [ ] 自动推荐故事类型 - [ ] 生成周度报告 ### 第三阶段（智能化） - [ ] 机器学习优化推荐 - [ ] 实时反馈调整 - [ ] 预测性偏好识别 - [ ] 跨用户模式学习 ### 第四阶段（生态化） - [ ] 系列故事自动生成 - [ ] 用户社区分享 - [ ] A/B 测试优化 - [ ] 多模态反馈（语音、生理） --- ## 📋 快速启动指南 ### Step 1: 创建偏好档案 ```bash # 复制模板 cp memory/user-preferences.json.template memory/user-preferences.json ``` ### Step 2: 首次使用记录 ```json { "totalStories": 1, "lastStory": { "date": "2026-04-05", "type": "温馨日常类", "scene": "D01 深夜书店", "rating": 5, "sleepTime": 15, "sleepQuality": 4 } } ``` ### Step 3: 根据反馈调整 ``` 如果评分 ≥ 4 星： → 记录喜欢的元素 → 7 天内可再次使用 如果评分 ≤ 2 星： → 记录不喜欢的元素 → 30 天内避免使用 ``` ### Step 4: 持续优化 - 每周回顾偏好变化 - 每月总结效果趋势 - 每季度调整推荐策略 --- **最后更新**：2026-04-05 **版本**：1.0 **维护**：定期根据用户反馈更新规则