微信本来只有人脑操作——手动打字、手动发消息、手动决定回什么。加上程序大脑后微信能自己判断、自己发消息。程序大脑按智能层级分 3 层从低到高递进。一、规则脑——按 if-else 规则判断思考方式是 if content 你好 then 回你好。规则写死不会学习不会变通本质是关键词匹配表加 if-else 逻辑。Eyun 的 Webhook 回调把消息送进规则脑判断完调 sendText 发出去。sendText 传 wId、toUser、content 三个必填参数toUser 直接用回调的 fromUser。规则脑快、稳、好维护但没见过的问题不会答。二、记忆脑——记住历史对话和用户信息不止按规则回还记得之前聊了什么。用户说我叫张三记忆脑存进用户画像下次来先取出来回张三你好又见面了。记忆脑等于规则脑加用户画像加会话上下文。Eyun 的消息记录接口能补全记忆路径和分页参数对照 Eyun 开发文档。三、推理脑——理解语义后推理决策用户说明天北京天气怎么样推理脑理解意图是查天气、时间是明天、地点是北京调天气 API 拿数据最后调 sendText 回过去。背后是 AI 模型干三件事理解意图、提取参数、决策执行哪个接口。不需要预设规则能处理没见过的问题。错误码体系保证发送可靠code 等于 1000 才算真发出去了。三层对比智能层级思考方式能处理什么需要什么规则脑if-else 关键词匹配固定指令、打招呼关键词表 if-else记忆脑规则 历史记忆老用户个性化回复数据库存画像 上下文推理脑AI 理解 推理没见过的新问题AI 模型 Webhook sendText统一大脑框架def brain_handle(event): content, user event[content], event[fromUser] # 第1层 规则脑 if content in RULES: return sendText(wId, user, RULES[content]) # 第2层 记忆脑 profile db.get_profile(user) if profile and content 我是谁: return sendText(wId, user, f你是{profile[name]}上次聊{profile[last]}) # 第3层 推理脑 intent ai_understand(content, contextprofile) if intent[action] query_weather: sendText(wId, user, weather_api(intent[city], intent[date]))选型建议3 层不是非此即彼而是叠加——规则脑先拦简单问题快、零成本拦不住交记忆脑有上下文、体验好还处理不了再交推理脑能理解但成本高。大部分流量被规则脑和记忆脑挡掉真正走到推理脑的没那么多整体成本可控。从规则脑起步跑通基础问答加记忆脑提升老用户体验最后加推理脑处理复杂场景。接口参数见 Eyun 开发文档。
微信本来只有人脑操作——手动打字、手动发消息、手动决定回什么。加上程序大脑后微信能自己判断、自己发消息。程序大脑按智能层级分 3 层从低到高递进。一、规则脑——按 if-else 规则判断思考方式是 if content 你好 then 回你好。规则写死不会学习不会变通本质是关键词匹配表加 if-else 逻辑。Eyun 的 Webhook 回调把消息送进规则脑判断完调 sendText 发出去。sendText 传 wId、toUser、content 三个必填参数toUser 直接用回调的 fromUser。规则脑快、稳、好维护但没见过的问题不会答。二、记忆脑——记住历史对话和用户信息不止按规则回还记得之前聊了什么。用户说我叫张三记忆脑存进用户画像下次来先取出来回张三你好又见面了。记忆脑等于规则脑加用户画像加会话上下文。Eyun 的消息记录接口能补全记忆路径和分页参数对照 Eyun 开发文档。三、推理脑——理解语义后推理决策用户说明天北京天气怎么样推理脑理解意图是查天气、时间是明天、地点是北京调天气 API 拿数据最后调 sendText 回过去。背后是 AI 模型干三件事理解意图、提取参数、决策执行哪个接口。不需要预设规则能处理没见过的问题。错误码体系保证发送可靠code 等于 1000 才算真发出去了。三层对比智能层级思考方式能处理什么需要什么规则脑if-else 关键词匹配固定指令、打招呼关键词表 if-else记忆脑规则 历史记忆老用户个性化回复数据库存画像 上下文推理脑AI 理解 推理没见过的新问题AI 模型 Webhook sendText统一大脑框架def brain_handle(event): content, user event[content], event[fromUser] # 第1层 规则脑 if content in RULES: return sendText(wId, user, RULES[content]) # 第2层 记忆脑 profile db.get_profile(user) if profile and content 我是谁: return sendText(wId, user, f你是{profile[name]}上次聊{profile[last]}) # 第3层 推理脑 intent ai_understand(content, contextprofile) if intent[action] query_weather: sendText(wId, user, weather_api(intent[city], intent[date]))选型建议3 层不是非此即彼而是叠加——规则脑先拦简单问题快、零成本拦不住交记忆脑有上下文、体验好还处理不了再交推理脑能理解但成本高。大部分流量被规则脑和记忆脑挡掉真正走到推理脑的没那么多整体成本可控。从规则脑起步跑通基础问答加记忆脑提升老用户体验最后加推理脑处理复杂场景。接口参数见 Eyun 开发文档。
