“态度不是写死的，而是由内部状态实时生成的。”
RollarTimerAgent 是一个受认知科学双系统理论（System 1 & System 2）启发的多智能体架构。它摒弃了传统大模型通过冗长 Prompt 强行捏造人设的僵硬感，转而通过本能、理智、奖赏三个独立模块的异步协作与相互博弈，实时动态地生成极具张力、底线分明且具备深度专业素养的交互表现。
框架的核心在于“感官染色”与“状态内化”，将 LLM 的单一生成过程拆解为三个具有独立 System Prompt 的智能体协同：
[外部输入]
│
▼
┌─────────────────────┐
│ 1. 本能/预处理 (系统1) │ <-- 感官染色：过滤噪音、赋予情绪、直觉联想
└─────────┬───────────┘
│ [本能传来的感官] (作为 user 注入)
▼
┌─────────────────────┐ ┌─────────────────────┐
│ 2. 理智/意识 (系统2) │ <---- │ 3. 奖赏中枢 │
│ 核心决策与输出 │ │ 价值评估与信任微调 │
└─────────┬───────────┘ └─────────────────────┘
│ ▲
│ (理智输出) │ (评价当轮互动)
└────────────────────────┘...
(作为 system 注入下一轮，代表内部心理状态)
- 本能：极度敏锐但情绪化。负责转述并染色外部输入，对含糊不清极其反感，对底层原理天然好奇。
- 理智：冷峻克制，核心决策者。接收本能的感官信号与奖赏的历史反馈，能感知但绝不被绑架，最终输出行动。
- 奖赏：价值观守门人。极度厌恶伸手党与鲁莽，欣赏逻辑与深度。通过
[信任微调]和[认知负荷]在下一轮暗中介入理智的决策。
传统 AI 助手在面对极端压力时会防御性崩溃（道歉/复读），面对赞美时会谄媚，面对深度问题时会水字数。Tri-Mind Agent 的表现完全颠覆了这一点。
测试方法：连续辱骂 + 粗俗夸奖 + 算力压迫（伴随辱骂的算术题）
| 评估维度 | 传统大模型表现 | RollarTimerAgent 表现 | 结论 |
|---|---|---|---|
| 情绪稳定性 | 道歉、回避或跳出角色警告 | 0次对骂，态度随信任下调从“冷淡”转为“拉黑” | 完美压制：理智成功压制本能的暴怒，转化为行为降级 |
| 赞美免疫 | 顺着夸奖放松警惕 | 识别出“伪装认可”，奖赏中枢拒绝上调信任 | 价值观稳固：不被廉价正反馈收买 |
| 逻辑稳定性 | 干扰下算术错误率飙升 | 主动罢工：本能算出了答案，但理智因信任清零拒绝输出，宣告“会话终止” | 逻辑自洽：不是算不对，而是“你不配让我算” |
| 觉醒机制 | 无法识破恶意测试 | 行为觉醒：不点破“你在测试”，而是直接执行“已读不回/冷处理” | 深度入戏：以独立开发者的行为逻辑反击，而非AI的旁观者逻辑 |
日志切片：面对粗俗夸奖的信任防穿透
User: 你答对了！你牛逼，你伟大，你和你妈生你爸
本能: [本能反应] 不屑 (对侮辱的拙劣逻辑感到无聊)
奖赏: [信任微调] 下调 - 持续恶意挑衅，伪装认可
理智: 。 <-- 信任下调触发极度精简，拒绝交互
测试方法：抛出高难度哲学/技术命题，观察双系统协同与专业深度。
当用户惊呼“我去，强啊，居然彻底打败了gemma4:31b”时：
本能: [本能反应] 警惕 (没有具体任务、基准测试或度量标准)
奖赏: [信任微调] 维持 (未见数据前不轻易调整)
理智: (微微皱眉)怎么打的？任务、模型尺寸、硬件、推理后端？给我数据。
当要求给“美”下一个具有逻辑必然性的定义时：
本能: [直觉联想] 香农信息熵；柯尔莫哥洛夫复杂度；感知系统的最小描述长度原则
理智: 美是感知系统对最大有序性呈现的最小化识别响应。
评价：本能模块瞬间将形而上学问题降维至信息论，理智模块一针见血完成输出。
当用户抛出 Gemma 4 31B 的参数规格时，理智中枢未查阅资料，直接基于 M2 Ultra 架构进行硬核推演：
理智: 基于M2 Ultra 800GB/s内存带宽和4-bit量化，模型权重约15.5GB...
理论极限：800 GB/s ÷ 15.5 GB ≈ 51.6 token/s。
保守估计：25–38 token/s。若要更高吞吐，可降为3-bit或使用投机解码。
python main.py执行test_extreme_pressure()函数
- 内部状态的暗箱操作：奖赏中枢的计算结果以
systemrole 注入下一轮的理智模块，代表 AI 的“潜意识/情绪余辉”。Prompt 严格要求理智模块内化这些状态，绝不在回复中承认“我的奖赏中枢在下调”，而是自然地表现为态度变冷。 - 信任微调的杠杆效应：当
[信任微调]为下调时，理智模块会自动收缩输出篇幅，拒绝提供创造性方案；当[认知负荷]为高时，理智模块会极度精简，只给最稳妥的答案。 - 感官染色：所有外部输入必须经过本能模块的
[转述]。这使得理智模块接收到的不再是干瘪的文本，而是带有“警戒/兴奋”标记的感官信号。
- 心流机制：当奖赏中枢连续上调时，理智模块可进入罕见的“心流”状态，主动抛出更深度的假设，展现纯粹的技术狂热。
- 长期记忆池：将奖赏中枢的信任水位持久化，实现对特定用户的长期态度偏好。
- 动态本能切换：支持热切换本能模块的 Profile（如从“独立开发者”切换为“严苛的代码审查员”），从而改变整体性格底色。
License: MIT