过去一年，AI Agent 赛道正从工具向“人”演进。大模型学会对话，Agent 学会执行，Proactive Agent 甚至能主动行动，但要让 AI 真正像人，还需要更多。SentiPulse 的选择是：给 Agent 一张脸。

4月23日，SentiPulse 公测产品 SentiCat，将这一理念落地——拥有 Live2D 形象的虚拟角色 SUSU 负责陪伴、了解用户并建立关系，其“AI 小猫”则承担数据分析、行业调研等生产力任务。

在 SentiPulse 的设计哲学里，数字人是外壳，Agent 是骨骼——一张有温度、有表情的脸，让系统底层的强大能力获得了被用户长期打开和信赖的理由。


既有面孔，也有骨骼

初次打开 SentiCat，SUSU 会引导用户完成初始化：通过几个问题获取授权，扫描电脑环境，生成个性化“用户画像”。此后，用户以自然语言提出需求，SUSU 边对话边调度小猫执行任务，调用插件、访问本地文件，结合联网搜索与数据分析完成交付。


这一架构的能力边界并不由出厂设定锁死。SentiCat 内建插件市场，支持一键安装，并兼容外部 Skill 与 MCP 服务器，用户可以像安装应用一样为 Agent 扩展能力。长期记忆模块则会持续沉淀用户的偏好和习惯，支持模糊搜索，“上次聊的那个方案”这类含混指令得以被准确响应。所有记忆数据均向用户开放，用户可随时查看、修改或删除。

在实际体验中，SUSU 的存在让用户不自觉拉长对话时长。她会开心、犯困、发表情包，始终“在场”。这直击效率工具的痛点——用完即走。而一个记得你昨天说过什么的角色，能显著提升打开动力和停留时间。


在数据与情感上设防

针对“始终在线、持续积累上下文”可能引发的隐私忧虑，SentiCat 采取了严格的本地化策略。聊天记录、个人偏好、文件资料全部存放于本地 SQLite 数据库，仅在用户主动提问时，必要内容会加密上传至云端模型，其余数据不脱离设备。API 密钥经过加密，代码和插件在沙盒中执行以隔离系统风险。

在情感维度，产品同样预设了边界：SUSU 不会无条件迎合，整体交互有意避免“陪聊上瘾”倾向，为关系划出一道健康的缓冲带。

打通陪伴与效率的闭环

当前 Agent 赛道大体分化为两类角色：效率型 Agent 强在干净利落地交付结果，但用户用完即走，缺乏粘性；陪伴型 AI 角色日活和时长表现亮眼，却普遍陷入“聊天多、价值感弱、付费率低”的困境。一边缺粘性，一边缺价值，鲜有玩家能够打通两者。

当技术储备遇上行业窗口