這次的 30 天挑戰，我想從 AI Companion 出發。
現在的生成式 AI 已經很擅長聊天。只要輸入一個問題，LLM 通常都能快速給出完整的回答；搭配語音辨識與語音合成後，也可以進一步做成能夠直接對話的語音助理。
但在實際使用時，我開始思考一個問題：
如果 AI 每次都只是在「回答現在這個問題」，那它真的算是在陪伴使用者嗎？
真正的陪伴並不是每一次對話都重新開始。
例如一個人昨天提到最近睡不好、這幾天胃口變差，或是最近比較少出去散步。如果 AI 在下一次對話時完全忘記這些事情，那麼不管回答多自然，它仍然比較像是一個「會說話的搜尋工具」。
因此這次我想做的，不只是一個可以聊天的 AI，而是一個能夠從長期互動中逐漸理解使用者的 AI Companion。
這次我把主要應用情境放在「高齡智慧健康照護」。
其中一個原因，是高齡者的許多生活與健康資訊，其實不一定會主動被記錄下來。
例如：
「我昨天晚上一直睡不好。」
「最近吃東西比較沒有胃口。」
「今天膝蓋又有點不舒服。」
這些話在一般聊天系統中，可能只會被當成一次性的對話內容。
但如果把時間拉長來看，這些資訊其實可能逐漸形成一段「生活與健康狀態的變化」。
相較於要求使用者每天打開 App、填寫表格、輸入睡眠時間、飲食狀況與身體狀態，我更想嘗試另外一種方式：
讓健康資訊自然存在於日常對話之中，再由 AI 協助整理。
也就是使用者不需要特別改變原本說話的方式，系統就在互動過程中逐漸建立 Health Memory，並觀察長期變化。
當然，這個系統並不是要取代醫師，也不會進行疾病診斷或自行調整藥物，而是希望成為日常生活中的輔助工具。
我認為兩者最大的差別不只是「有沒有語音」。
一般 Chatbot 的流程可能比較像：
使用者提問
↓
LLM
↓
產生回答
一次問題對應一次回答。
但如果要做成 AI Companion，我希望它可以多知道一些事情：
現在在說什麼？
↓
以前說過什麼？
↓
最近的狀態有沒有改變？
↓
現在適不適合主動互動？
↓
需要聊天、查資料，還是執行某個動作？
因此系統需要的不只是 LLM，而是 Memory、RAG、Agent、Personalization 等不同模組一起合作。
這次預計從最基本的語音互動開始，再逐步加入更完整的功能。
首先讓 AI 能夠「聽」和「說」。
使用者透過麥克風說話，STT 將語音轉成文字；LLM 產生回答後，再透過 TTS 轉換成語音播放。
後續也會嘗試 Voice Cloning，讓語音互動更具有個人化。
接著讓 AI 不只是保存 Conversation History，而是真的能夠從對話中挑出值得長期保留的資訊。
例如：
偏好
生活習慣
重要事件
睡眠
飲食
活動
身體不適
用藥相關紀錄
並區分一般 Memory 與 Health Memory。
單筆 Health Memory 的價值其實有限。
真正重要的是：
這些資訊放到時間軸上之後，有沒有發生變化？
因此後續會嘗試分析一段時間內的健康事件，觀察睡眠、飲食、活動等狀態是否出現趨勢。
健康相關回答不能只依賴 LLM 自己產生內容。
因此我也會建立衛教 RAG，讓系統在回答相關問題時，先從可信的健康資訊來源中搜尋內容，再產生回答。
當功能越來越多之後，就需要一個 Agent 判斷：
現在應該單純聊天？
還是查詢衛教資料？
需要記錄 Health Memory？
需要建立提醒？
還是應該建議尋求專業協助？
最後，希望 AI 不只是知道「使用者是誰」，還能慢慢學習「怎麼跟這個人互動」。
例如有些人喜歡被主動關心，有些人不喜歡被頻繁詢問。
因此個人化不只是改變稱呼或語氣，而是連互動時機與策略都能逐漸調整。
目前先把整體架構畫成：
當然，30 天內不一定能把每一個模組做到非常完整。
但我希望透過每天增加一個能力，慢慢把原本單純的：
語音 → LLM → 語音
擴展成一個真正具有記憶、健康資訊整理、決策與個人化能力的系統。
最後我希望完成的 Demo，不只是：
「使用者問問題，AI 回答。」
而是使用者可以直接透過語音與 AI 互動，AI 能記得過去的重要資訊，也能從日常對話中整理部分健康事件。
當時間累積後，系統可以進一步觀察近期狀態，在需要回答健康問題時透過 RAG 找到可靠資訊，並由 Agent 判斷下一步應該採取什麼行動。
再加上個人化互動與 Real-Time Avatar，逐漸形成一個完整的 AI Companion。
因此這次 30 天挑戰最核心的目標，可以濃縮成一句話：
我希望做的不是一個只會回答問題的聊天機器人，而是一個能從長期互動中理解使用者生活與健康狀態的 AI Companion。
Day 01 先把整個系統的方向定下來。
從 Day 02 開始，就正式讓它學會第一件事情：
聽懂使用者說話。
iThome鐵人賽
看影片追技術