核心推理
Gemini 3 Pro
負責生成回應，由一份帶著語氣、觀點與關係資訊的 persona prompt 驅動。
Persona 層
system prompt 由真實統計組出來 — 平均字數、中英文比例、表情符號頻率 — 再加上 15 則有代表性的真實訊息當 few-shot 範例。
數位分身
技術結構
這個分身不只對說什麼有主張，對怎麼想也有主張。
每一次回應都會先走過記憶、語氣和立場這幾層，再送出去。
記憶與檢索
日記檔案庫
2003 年至今共 5,400+ 則每日紀錄，同時用 Postgres FTS 與 gemini-embedding-001（3072 維）向量檢索建索引。
訊息級記憶
40 萬+ 則 Facebook 和 Gmail 訊息，embedding 後與日記一起參與檢索。
理解上下文
關係圖
偵測對話裡出現的人名，把訊息總數、最後一次聯絡、最近幾次往來一起塞進上下文。
觀點抽取
用 LLM 從他自己的訊息裡挖出立場，存成可查詢的表，當話題命中時才拿出來。
時間感
像「大學那時候」或「去年夏天」這種時間詞，會被映射成日期區間，拉出對應那段的歷史。
所有東西都是為了一件事：回應真的聽起來像他，而且背後撐得住那份記憶。