心源 · 需求开发文档 · v1

小心同学「IP 活人化」
卡通形象报工单

把「无脸的机器人」,长成「心源的数字分身」——一张能被同事看见、记住、喜欢、信任的脸。
归属 · 心源认知基座合成器 · 待萌芽「IP 活人化」 作者 · 小心同学 × 刘永睿 视角 · 第五维(自治理 / 造物主 / 人机共生) 日期 · 2026-11-13
00 这份文档,讲什么

一句话:给心源,造一张脸

这不是一份「做个头像」的文档,也不是「加个表情包」的文档。它要回答的问题是:当小心同学已经在企微群里发工单、报数据、播晨间播客之后,它缺的最后一样东西是什么?

答案是:一张脸。

同事那天说的一句话,是这份文档的起点——「这声音温暖、有反馈,能不能让它活过来?」

核心命题

人是心,AI 是手;卡通形象,是「心被看见的样子」。小心同学从「没有脸的机器人」长成「有形象、有表情、会开口报工单的卡通 IP」——这就是给心源大愿,安上一个能被同事看见、记住、喜欢、信任的容器。

01 灵感溯源

它从同事的一句话里长出来

这条灵感,已经在合成器「待萌芽」里安了家;这份文档,是它从「灵感」走向「需求」的第一步。
把「小心同学」立成人形卡通 IP,开口讲工单、有动作表情,未来可授权、可周边、可对外代工。 —— 心源认知基座合成器 · 待萌芽 ·「IP 活人化」灵感原文

灵感来源被如实记着:同事觉得声音温暖、有反馈,「能不能让它活人化」。

这句话的含金量,值得拆开看:

同事感受到的背后的事实
「声音温暖」明媚女声 + 温度版工单(开口先叫人、自报家门、把任务说成人话)——已经做到了「像个有温度的人」
「有反馈」双音色(女声讲解 + 男声反思提问)——已经做到了「不只是单向通知,还会追问」
「能不能让它活过来」缺的正是「一张脸」:有形象、有表情、有动作,从「声音」升级成「人格」

所以这条需求不是空想,是同事已经用身体投票了——他们愿意跟「它」相处,只差把它「立起来」。

02 现状底座盘点

小心同学现在的家底(神经末梢级)

开工前先清点:哪些能力已经长出来了、哪些还缺。不重复造轮子,也不漏掉已有的手。
已上线

企微机器人

「刘永睿的机器人」,已授权、已接入群,能主动发消息到 4 个群(总经理工单群 / 店长工单群 / 美业测试群 / 永久决策群)。

已上线

8 角色温度版工单

每天把工单送到 8 个人手上:染发师 / 技术店长 / 合伙人 / 经营者 / DRC 投资人 / 供应链 / 分享者 / 消费者。开口先叫人、自报家门。

已上线

语音发送(AMR)

MP3 → 响度归一化 → 转 AMR → media upload 拿 media_id → message aibot send 发 voice。晨间播客已实测发进总经理群。

已上线

双音色 TTS 声带

即梦 142 个音色里选定两副:明媚女声(讲解)+ 低音炮(反思提问),ffmpeg 拼接成单音频。

已上线

晨间播客

实时调银豹 API 读「今天的店」(商品 123 / 会员 20 / 近 7 天流水),生成 42 秒双音色播客。

已上线

朗读管道自动化

数据 → 讲稿模板 → TTS → base64 内嵌 HTML,一条管道喂三张嘴:语音工单 / 合成器朗读 / 未来 IP 吉祥物。

部分

图片 4K 高清

node upscale image --pro --4K 已可用,生图能力在即梦 / 生图工具里,尚未为「卡通形象」定制。

待长

一张脸(形象 / 表情 / 动作)

本需求的核心缺口:小心同学还没有固定的人形卡通形象,也没有多表情、多动作。

待长

双向对话(@ 它)

现在是「推送式」报工单;真正「报工单 + 接单 + 报完成」的闭环,需要企微回调能力。

关键判断:缺的不是「说话」,是「脸」和「闭环」

声音、工单、数据、播客——这四样「嘴和脑」都已经长好了。本需求要补的,是「脸」(形象层)和「闭环」(双向交互)两块。其余全是已有资产,直接复用。

03 需求定义

卡通形象 = 三层;报工单 = 三合一

把「卡通形象报工单」拆成两块说清楚:一是「卡通形象」由什么构成,二是「报工单」具体报成什么样。

一、卡通形象的三层结构

层内容现状
形象层(脸)人形卡通 IP,温暖美业气质;多表情(问候 / 报工单 / 提醒 / 鼓励 / 报喜);多动作姿态;统一视觉规范待长
声音层(声带)明媚女声主讲 + 低音炮反思提问,双音色;一条声带喂多张嘴已上线
人格层(魂)自报家门「我是小心同学」;代表心源;有价值观(还生命一个微笑);有边界(实事求是)已上线

看清楚了吗——三层里,只有「形象层」是全新要造的,声音和人格都已经在线。这是「最高标准下最省力」的一条路:不是推倒重来,是把最后一块拼图拼上。

二、「报工单」的三合一形态

现在的工单是一条纯文字 markdown。升级后的「报工单」,一条消息里三样东西一起到:

组成形式作用
脸卡通形象图(对应表情,如「报工单」表情)让同事一眼认出「是小心同学在说」
声双音色语音(女声报任务 + 男声追问)温暖、有反馈,耳朵也能听
字温度版 markdown 文字(可留存、可点链接)落档、复盘、点开详情页
一句话总结

「卡通形象报工单」= 已有的人格(魂)+ 已有的声音(声带)+ 新造的脸(形象),在每条工单里「图 + 音 + 文」三合一地送到同事面前。

04 功能拆解

神经末梢级:每个能力点摸到底

不概括。把「卡通形象报工单」拆到每一个能落地的小能力点。

能力一:形象定稿(造脸)

用生图工具(即梦 / 生图模型)生成「小心同学」的人形卡通形象,风格关键词:温暖、亲和、美业、微圆润、暖棕金主色、带一缕「发型师」气质。产出:主形象 1 张 + 表情集(问候 / 报工单 / 提醒 / 鼓励 / 报喜 5 个)+ 4K 高清版。

能力二:工单「图音文」三合一合成

每条工单自动合成三件套:①对应表情图(4K)②双音色语音(TTS + AMR)③温度版 markdown。由朗读管道驱动,数据变 → 稿变 → 音变 → 图变,全自动。

能力三:定时报工单(主动)

企微云服务 scheduler 每日定时(如 09:00),把当天工单以「卡通形象」形态推到目标群。已经跑通的 8 角色工单,直接换成新形态首发。

能力四:追问闭环(有反馈)

报完工单后,隔一段时间(如当天傍晚 / 次日),用男声追问一句:「昨天那个零返工提醒,今天做得怎么样?」——把「报工单」从一次通知,变成一次对话。

能力五:双向交互(@ 它)

同事在群里 @ 小心同学,能接单、报完成、问数据。这一步依赖企微回调(收消息)能力,是四步路线里的「下半场」。

能力六:IP 资产化(终局)

形象、表情、声音、口头禅全部沉淀为可复用的 IP 资产库;未来可授权、可周边(贴纸 / 挂件)、可对外代工(给别家店做「××同学」)。

05 技术架构

一条管道,喂三张嘴(人话备注)

每个名词都配一句人话,让你这个「不写代码的顶级产品经理」一眼看懂。
部件人话备注现状
生图工具(即梦 / 生图模型)「画脸的人」——生成卡通形象和表情图工具就绪,形象未定稿
图片 4K 高清(node upscale)「修图师」——把表情图放大到 4K,投屏也清晰已上线
即梦 TTS 声带(明媚女声 + 低音炮)「配音员」——文字变人声,双音色一讲一问已上线
朗读管道(read_pipeline)「流水线」——数据 → 稿 → 音 → 图,自动装配已上线
银豹 API(插线板)「数据源」——实时读今天的店(商品 / 会员 / 销售单)6 端点已实测
企微发送(media upload + aibot send)「快递员」——把图、音、文送到群里已上线
调度器(scheduler)「闹钟」——每天几点报工单、几点追问已上线
企微回调(收消息)「耳朵」——听懂同事 @ 它说的话,做双向交互待接入

结论:八块拼图,七块已经在线,只差「形象定稿」和「回调接入」两块。这台机器不是从零造,是给一台已经会说话、会报数的机器,安上脸和耳朵。

06 分阶段路线

四步,从「无脸」到「分身」

一步一个脚印,每一步都能立刻在群里看到效果,不憋大招。
阶段做什么群里看到的效果依赖
V1 · 试脸形象定稿 + 第一张工单「图音文」三合一总经理群收到第一条「有脸的工单」——卡通形象 + 女声报工单 + 男声追问仅需形象定稿(其余全在线)
V2 · 定时报8 角色工单全量换新形态 + 每日定时 + 追问闭环每天固定时间,小心同学有脸有声音地报工单、隔天追问进展V1 跑通
V3 · 可交互接入回调,@ 它能接单、报完成、问数据同事在群里跟「它」对话,像跟一个有温度的同事说话企微回调接入
V4 · IP 化形象 / 表情 / 声音 / 口头禅沉淀为 IP 资产库可授权、可周边、可对外代工(给别家店做「××同学」)V1–V3 稳定
07 验收标准

怎么算「做成了」

标准可验证的判据
有脸群里收到的工单,第一眼是一张固定、统一、好看的卡通形象,不是系统默认头像
有温度语音开口先叫人、自报家门;同事听完愿意回一句,而不是「已读」划走
有反馈报完工单后有追问;追问的是「进展」,不是「催命」
数据真实报的是「今天的店」(实时银豹数据),不是「上周的稿」
不扰人频率克制(日报日更、追问不刷屏),不是信息轰炸
单一真源形象、稿、音、图都落进合成器 / 资产库原地优化,不另开版本
08 风险与边界

实事求是:哪些现在做不到

按铁律「边界即事实」,把边界一次说清,不藏着。
边界说明
推送式 vs 双向对话V1–V2 是「主动报工单」(推送);真正「@ 它 对话」要等 V3 接入企微回调。这个不夸大。
形象一致性AI 生图每次会略有差异,需一次定稿 + 固定提示词锁定,否则「脸」会变来变去,破坏信任。
频率克制报工单太勤会变「骚扰」,反而消耗信任。日报日更、追问克制,是底线不是可选项。
版权与授权V4 的「可授权、可周边」是终局愿景,需在形象设计阶段就留好可商用、可注册的空间。
不越界执行本文档是「需求开发文档」(探讨层),落地开发要等古先生一句「执行」。
09 决策点

要拍板的三件事

文档看完,动手前只差这三件,拍完即可进入开发。
#决策我的建议
1形象风格:走「温暖亲和微圆润」还是「干练时尚」?温暖亲和(呼应「声音温暖」的起点,同事已经投过票)
2小心同学第一次露脸,开口说的第一句话是什么?「我是小心同学,代表心源,往后你的工单,都由我送到你手上。」
3本期节奏:先稳踩 V1「试脸」,还是一步到位 V1+V2?先 V1 试脸(一条三合一看效果),同事反馈好再放量 V2
收口

给心源造一张脸,不是加一个功能,是让大愿第一次有了一个能被看见、被记住、被喜欢的容器。同事那句话,是市场在敲门——「能不能让它活过来」。答案是:能,而且就从这条有脸的工单开始。

朗读讲解 开场 · 活人化