逗号，意味着
无限可能
COMI 是一个拥有长期记忆、可以跨模型延续对话的 AI 陪伴产品。
围绕长期理解、共享语境与情感连续性，让下一次交流接着发生。
探索记忆与共享上下文如何让 AI 交互持续延续，而不局限于一次次独立会话。
从一次对话，到持续理解
COMI 体验短片 1 分 14 秒
体验短片包含已实现能力与设计探索；具体状态见下方 产品演进。
AI 会完成任务，
如何才能持续理解一个人？
用户困扰长期使用多个 AI 产品时，用户需要反复解释自己的情况、偏好与背景信息；需要多个 AI 模型共同处理问题时，分散的信息又增加了理解与衔接的负担。
产品问题AI 交互往往围绕单次会话进行优化，却缺少跨时间延续理解的设计。
设计问题如何让 AI 产品长期保留有用的上下文，又不让这些信息成为每一次新交互的负担？
让个人记忆属于用户，而不是属于某一个模型。
从三项核心能力，到多模型协作的下一步
核心功能在当前对话中切换模型，可以接着前文继续聊；开启新对话，也能调用同一份长期记忆。
从记住一个人，到让理解持续延续
三项已实现能力 · 一个探索方向
01 关于你
COMI 从对话中自动沉淀值得长期保留的信息，逐渐积累对你的背景、偏好与目标的理解。你可以查看、编辑或删除记忆，随时纠正 AI 对你的理解。
02 对话内切换模型
在同一个对话中切换模型，新模型可以读取前面的聊天内容，接着当前话题回应。想听另一个模型的观点，不必重新复制对话、补充背景。
和 GPT 讨论一个想法 → 切换 Claude，听听它的看法
03 跨对话共享记忆
不同对话与模型共用同一份长期记忆库。在一个对话中保存的记忆，可以在新对话中被其他模型读取，让已经沉淀的个人信息持续发挥作用。
Claude 保存一条偏好 → 新开 GPT 对话，也能读取这条记忆
04 多模型交叉验证
让多个模型在同一份共享上下文里同时在场，不是为了凑更多答案，而是让它们的分歧变得可见、并各自举证。当一个模型给出结论，另一个可以质疑、补证或指出它给不出来源——用户据此从"几个说法"收敛到"一个可验证的结论"。
追求的不是更多答案，而是让分歧可见，并依据证据逐步收敛。
什么值得被 COMI 长期记住？
已实现 · 记忆如何形成COMI 不只保存对话，更要判断：什么值得成为长期记忆。
- 01用户消息
- 02读取已有记忆
- 03组装系统上下文
- 04生成回复
- 05提取长期信息
- 06判断创建、更新或忽略
- 07记忆库
回复生成并保存后，再提取长期信息。创建与更新会写入记忆库；忽略则不写入。提取失败保留已完成的对话。
创建
用户明确表达、可长期复用的新信息。
更新
用户纠正已有事实，且能匹配具体记忆。
忽略
临时情绪、一次性任务、重复或无法确认的信息。
每轮最多一个记忆动作；创建前按规范化后的标题或内容检查重复。用户可以手动编辑、删除与置顶。
记忆 / 上下文 / 检索
- 记忆（Memory）
- 关于用户的哪些信息，值得长期保留？
- 上下文（Context）
- 在这一次交互中，模型应该看到哪些信息？
- 检索
- 需要时，应该检索哪些外部信息？
当前选择：直接将记忆文本注入 系统上下文，按置顶、重要性、更新时间排序，最多 12 条 / 4,000 字符。模型在本轮判断哪些信息相关；没有语义检索或动态相关性排名。
在当前规模下，直接注入记忆让设计保持简单。在上述限制内，可以注入全部记忆；随着记忆增长，需要进一步评估检索与基于相关性的优先级选择。
让 AI 的存在，成为一种视觉上的陪伴
探索中 · 桌面陪伴形态基于开源项目 Clawd on desk 进行形态探索：用动作表达思考、完成与出错。以下为动作演示与状态映射设想，尚非已接入 COMI 的桌面端实时能力。
满屏漫游
突破角落停留，让陪伴感占据整个桌面。
随机动作轮换
陪伴产品的核心悖论：可预测的 AI 是工具，不可预测的 AI 才像伙伴。
打字
雀跃
趴下AI 状态的具身化翻译
传统 UI 用 loading 和 error 提醒你“这是机器”，COMI 用身体语言让你觉得“它是一个伙伴”。
陪伴产品最脆弱的时刻，是用户意识到自己在跟机器打交道的瞬间。
COMI 的样子
温柔不是装饰，而是让每一次打开、输入和等待都更自然。
COMI = Comma + I
AI 对话不是句号，而是逗号。
每一次交流都保留一点上下文，让下一次理解从这里继续。
从“Memory”到“关于你”
记忆能力已实现 · 下方界面为设计展示早期用户测试洞察·用户认为“Memory”含义偏技术，更期待 AI 在持续对话中逐渐了解自己。
记忆库最早的界面直接叫 Memory——技术上准确，但读起来像在管理一个数据库。COMI 把它重新设计成“关于你”：不是一个需要你主动填写的资料页，而是 COMI 在长期对话里，对你慢慢形成的理解。
AI 主动理解，不是表单
COMI 从对话中自动沉淀值得长期记住的信息，你不需要主动整理或填写资料。
按用户理解组织记忆，而非按技术结构展示
设计展示将记忆组织为基本信息、偏好与习惯、长期目标、最近在做；当前产品已有分类展示，具体分组与此设计稿有所不同。
最终控制权始终是你的
每一条记忆都能编辑或删除，AI 的理解可能出错，你随时可以纠正它。
已设计 · 以下保留已有界面设计与交互演示；不代表所有视觉细节已同步到产品。当前聊天菜单为「关于你」，记忆面板标题仍为「关于我」。
三个决策，一种哲学
——陪伴产品的减法
产品决策日志COMI 这 2 个月里，最重要的三个决策都是“减法”而非“加法”。
下线"小屋"功能
初版设想的日记 / 手账空间，用户和 AI 共同书写。上线后发现：用户和 AI 的"共同经历"应该在对话里自然沉淀，而不是靠额外维护一个空间。陪伴不应该让用户变成运营者。
摘要功能"隐身化"
自动摘要是为了节省上下文，初版把摘要显示在前台。后来意识到——能让用户“感受不到”的技术处理，比“看得到”的技术处理更能守护体验。摘要转入后台，功能价值保留，UI 空间释放。
UI 从少女化到中性偏女性化
初版 UI 偏少女风，符合我的个人审美。但陪伴的需求不分性别，过强的少女化视觉会形成用户筛选，也让产品看起来“承载不了深度对话”。设计者的审美 ≠ 目标用户的审美。
每一次迭代，都在问同一个问题——这个功能，是让用户离 AI 更近了，还是更远了？
一个人 × 一套 AI 工具链 = 一个可用的产品
技术栈与工具链这套技术与 AI 工具链，让 COMI 从一个真实需求，走向可运行、可验证的产品形态。
产品之外的真实反馈
外部信号与用户验证构建 → 测试 → 学习 → 迭代
COMI 相关内容公开分享后获得持续互动，并有 25 位用户主动私信询问构建方式。这些是公开兴趣信号；长期使用价值仍需持续验证。
"关于我"存在触达成本；记忆删除路径不够统一；复杂信息结构会增加理解负担。
用户真正关心的不是“有多少功能”，而是上下文是否连续、记忆是否可信，以及 AI 是否真正理解自己。
将 关于你与主动记忆机制，从“功能展示”重新组织为围绕长期理解和上下文连续性的体验系统；共享上下文作为下一步方向，优先验证要共享的上下文粒度。
从“能不能用”，到“用户为什么愿意继续用”
通过 4 位不同AI使用深度的参与者，观察COMI在首次理解、长期记忆、跨模型连续性与陪伴体验上的真实反馈。
观察长期记忆、关于你 / 记忆库与陪伴交互的使用体验；通过讨论了解用户对 Shared Context 的期待（设计方向，非已上线功能）。
探索性可用性测试
n=4 · 线下测试 · 每人 15–20 分钟
- P1重度陪伴 + 工作
- P2AI 新用户
- P3轻度聊天
- P4重度多模型生产力
以下三段来自真实参与者的原始对话记录（已截取相关片段），而非转述或复述。
观察：用户会先在对话中纠正 AI，再进入记忆库修改。学到：可信记忆需要两条修正路径。
产品回应 · 已有自动更新判断与手动编辑 / 删除；下一步验证修正入口与反馈是否足够清楚。
观察：用户希望保留最初想法与最终大纲，不需要每轮修改。学到：连续性取决于保留什么。
已设计 · 共享上下文优先验证 目标 / 关键决策 / 当前状态，而非完整聊天搬运。
观察：用户喜欢表情包与短回复，也指出浮动挂件挡字。学到：陪伴感需要轻量且不打扰。
探索中 · 延续轻陪伴方向，并把挂件位置与遮挡问题纳入后续验证。
提炼上下文，而非复制历史
不同模型之间需要延续“理解”，而不是原样搬运完整聊天历史。
记忆让理解延续，也让理解可见
记忆既帮助 AI 保持连续性，也让用户重新看到“AI 如何理解我”。
修正记忆需要两条路径
用户既需要直接进入 关于你 / 记忆库修改，也需要在对话中即时纠正 AI。
陪伴感来自微小的交互细节
表情包、语气和轻量反馈等细节，会明显改变陪伴感与产品人格感知。
- 聊天菜单入口改为「关于你」
- 关于你 / 记忆相关入口重新组织
- 主动记忆机制
- 记忆已实现基础可编辑 / 删除
- 共享上下文优先验证 目标 / 关键决策 / 当前状态
- 进一步验证用户希望跨模型共享的上下文粒度
- 优化记忆修正入口与交互反馈
- 探索中 · COMI 桌面陪伴与轻量互动
- 继续验证长期记忆与陪伴体验之间的关系
“验证改变的不是某一个按钮，而是我对 COMI 核心价值的理解：用户真正需要的不是更多 AI 功能，而是一段可以延续的上下文关系。”
用户验证让问题从“COMI 应该做什么”，转向“什么让用户愿意延续这段关系”。
AI 交互的未来，不仅在于更好的回答，也在于理解能够持续。
COMI 是我的一次探索：当 AI 产品能够承接过去的上下文，人与 AI 的互动会发生什么变化？
刘力源 LEONA LIU
四川美术学院硕士在读，从原创 IP 孵化、品牌内容运营到 AI 产品设计，擅长从用户真实需求出发定义产品，并通过 Vibe Coding 独立完成从原型到落地的全流程。兼具视觉创作力与数据思维，能在 AI 产品与内容策略之间建立连接。
COMI 是我第一个从 0 到 1 的 AI 产品，也是我理解“AI 与人的关系”的一次完整实验。