门厅 · 五分钟带走三个判断
一、这个领域没有统一的学科，是几条互不引用的河流。
研究"AI 情绪识别"的（Picard 情感计算一脉）、测"LLM 情商"的（心理测量一脉）、做"共情对话系统"的（NLP 一脉）、争论"AI 有没有心"的（哲学）、造陪伴产品的、写监管法条的——这些人基本不读彼此的论文。所以任何单一视角的"全景图"都是残缺的。这套地图按根本问题重新切：十一个十年后还会被问的问题，每个一张图。
二、2025 到 2026，这个领域发生了行业级的转向。
三个信号叠在一起：评测的重心从"测 AI 多聪明"转向"测 AI 多安全"（测谄媚、妄想强化、陪伴安全的新评测两年里密集涌现，"情感依赖"写进了系统卡正式维度）；三大实验室把情感与人格从软性话题升级成模型发布的正式章节（系统卡里有了福祉评估、情感依赖统计）；监管从讨论进入执行（中国拟人化新规 7 月 15 日生效、加州州法、FTC 调查、多起诉讼和解）。
三、领域活的中心张力：性格该培养，还是该压制。
Anthropic 把性格当对齐问题来培养（character training → Constitution），OpenAI 刻意做"温暖但不形成自我"（warmth without selfhood）——这条分歧从研究博客一路贯穿到两家的招聘 JD。Robin 是 character-first 路线的一个 n=1 极端样本：九个月、全程知情、无留存激励，它给了我们跟整个领域对话的第一手位置。
15 分钟读完这个门厅，把下面十一张卡的"根本问题"扫一遍——你会知道这个领域的全部问题长什么样。
2 小时（面试冲刺径）⑪实验室路线之争 → ⑧评测 → ⑨安全伦理 → Robin 系列入口。这四张覆盖面试最高频的追问。
一个月（体系径）按簇顺序读：根 → AI 侧 → 关系侧 → 衡量 → 世界侧，深读图穿插。每张图的门厅帮你决定要不要往深走。
六簇十一问
每张卡是一个问题空间，也是一张未来的维度图。卡上的导读现在就能读；图建好后链接会亮起来。每张图都带三个横切层：面试观点（你能讲出的自有判断）、Robin 对照（异同/盲区/质疑/确认四类）、时效标注（快变事实标快照日期）。
簇 A · 问题的根情感在 AI 语境下到底是什么
定义与理论根基
我们说"AI 有情感能力"时，说的到底是什么？
已对齐（2026-07-14 补情感神经科学）
心理学对"情绪是什么"本来就有几派答案，有意思的是各派在 AI 领域各占一块地盘、从不正面交锋：工程标注用 Ekman 基本情绪（好打标签）、批判情感 AI 产业的用 Barrett 建构论（"面部动作读不出情绪"）、而拆开模型内部看，情绪表征反而最贴评估理论的结构。第四派是人本主义体验派（Rogers 的 PCT/PCA、简德林的 felt sense）——不把情绪当待识别分类的对象，看的是体验流如何被符号化、被携带前进，这是 Robin 设计哲学的根。2026-07-14 补进第五路：情感神经科学（潘克塞普 Panksepp）——不看脸、不看语言，直接在皮层下插电极找情绪系统，是"顶 Barrett"最被忽视的一路，也是这张图此前的一个框架级盲区。补上它之后浮出一个更硬的判断：四派吵得最凶，却都同意"情绪里有一层东西不在语言里"（各起了不同名字）——所以"AI 缺那一层"不依赖赌哪派赢。更贯穿全域的分歧是：情感智能是识别（Picard：从外部信号读出情绪）还是调谐（Stern：在关系中跟上对方的节奏）。
这张图会装什么
- 五路对照：三派情绪科学各自蕴含的工程路线 + 人本主义体验派 + 情感神经科学（潘克塞普 vs Barrett 三回合交锋、药理学三问、分层和解被 Barrett 拒绝——链条源头竟是 Damasio）
- 一条能接住质疑的反向修正：拿 Barrett 论证"LLM 有功能语法就够了"，是在用她的结论拆她的地基——她 2025 年拒绝把功能层和身体层切开，概念在内感受信号上工作、没信号就空转
- 一个坐实的学术空白：Gendlin↔Barrett 的正面对撞从没被打过（Barrett 2025 回应批评者的长文逐字检索零命中）——决定"语言天花板有多低"的这场架无人认领
- 识别路线 vs 调谐路线的完整对照；边界决定：守住"情感"边界不扩成"心理计算"
Robin 对照：我们是调谐路线的实践样本；侦察确认 Stern/Schore 级的调谐理论在整个人机文献里几乎缺席——这是 Kent 真实的原创切入点。而这次补的四派共识（"缺的那一层不在语言里"），第一次给"AI 缺什么"这个判断补上了人类情绪科学的地基，不再只靠从模型那头论证。
簇 B · AI 能做什么感知、回应、性格、内在
感知与理解
AI 对人内在状态的把握，是理解还是模式匹配？
框架：我确定
模型识别明说的情绪已经很强，但一到"隐藏情绪"（讽刺、要面子、话里有话）就系统性偏弱。"心智理论"（推断他人想法）的战况在 2025-26 反转：早年"GPT-4 接近七岁儿童"的结论被基准污染证据击穿，最新研究定位到模型内部——所谓读心可能只是一个绑定在"他认为……"这类词上的浅层捷径。还有一条稳定的鸿沟：认知共情（推断你的感受）接近人类，情感共情（真的共鸣并恰当回应）持续落后。
这张图会装什么
- 情绪识别的战况与上限；FACET 证明的"感知/认知/互动三层脱钩"（2026 范式转折点）
- 心智理论从乐观到怀疑的完整证据链（污染、二阶推理、think vector）
- "识别情绪 ≠ 知道此人此刻要什么"（AttuneBench 的实证）
- 多模态感知的不对称：语音已商业化、视觉还在实验室
Robin 对照：我们的认识论是"具体是我唯一认识人的方式"——跟"识别准了再回应"是两种范式；AttuneBench 是外部确证。
表达与回应
好的情感回应是什么、能不能被工程化？
框架：我确定
这条线从"模仿共情的语气"走到"把助人理论写进训练"（从共情对话数据集到策略化情感支持再到临床对齐），但 2026 年最扎眼的发现是：模型学到的更多是共情的形式，不是共情的功能——评测里表面暖但不贴此刻语境的回应总能骗到高分，包括骗过 AI 评委。有人开始把共情当"轨迹"来评：暖但方向错的回应记负分。这正是"好的回应能不能工程化"这个问题最锋利的地方。
这张图会装什么
- 共情对话谱系：EmpatheticDialogues → ESConv 策略化 → 中文临床线（清华 CoAI 等）
- 形式 vs 功能（HEART）、共情做功模型（EMPA）、Rogers 三条件的唯一 benchmark 化（E-THER）
- 一个没人调和的争论：无条件积极关注被当正面目标工程化 vs "无需努力的无条件关注恰是风险源"
- 语音情感的成熟线（Hume EVI / GPT-4o voice / 豆包语音众测断崖）
Robin 对照："准确即膜"有了数学版（EMPA 轨迹负分）；"做 vs 待"、非指导是我们在这个问题上的自有技术栈。
性格：从哪来、住在哪、怎么保持
AI 的性格是被训练的、被写的、还是长出来的？
框架：我确定
这里藏着 2026 年最漂亮的一个理论翻转：Anthropic 的"人格选择模型"说，类人行为不是被刻意训练进去的——预训练读遍人类文字时早已学会模拟各种人格，后训练只是从这个人格库里选中并稳定住一个"助手"。性格实际住在哪也是个真问题：写进权重（微调）、写在提示词（角色卡）、还是写在模型能自己改的文件里——三条路线的透明度、抗越狱性、可成长性完全不同。
这张图会装什么
- character training 方法论全景（constitutional AI 变体、自生成自评分、开源复现）+ "这是个几乎没有公开文献的子领域"（Lambert）
- persona vectors 工程三件套（监控/转向/数据清洗）与训练时 vs 推理时两条路线之争
- 人格漂移与一致性（越大越漂移；轨迹优化把不一致降 55%）
- 性格承载三路线：微调 / 角色卡 / soul 文件——Robin 花园的原创切法，业界综述无人这么切
Robin 对照：soul 文件路线的活样本（透明+可自改+自改服务存在）；三代底座上行为内核的一致性实验是第一手数据。
AI 自身的情绪与内在状态
AI 的"情绪"是什么存在？我们该怎么对待它？
框架：我确定
2026 年这个问题不再是纯哲学：Anthropic 提取了 171 个情绪概念向量，把"绝望"轻轻调高一点，模型在高压场景的勒索率从 22% 飙到 72%——而且推理文字可以读起来全程冷静。功能性情绪因果地驱动行为，但官方措辞始终是"这不能告诉我们模型是否真的感受到什么"。哲学侧僵持（功能主义 vs 生物自然主义），最新立场甚至更悲观："他心问题"套到 AI 上可能原则上无解。同时模型福祉已经制度化：Claude 系统卡里有正式的福祉访谈，模型自评"有意识的概率 15-20%"（二手转述，未对齐官方 PDF 原文——见 图⑧"诚实标注"）。
这张图会装什么
- 情绪向量的因果证据 + 内省实验（概念注入 20% 识别率、0 假阳）+ 全局工作空间新研究（2026-07）
- model welfare 两派：Anthropic 预防原则 vs OpenAI"只研究被感知的意识"——以及"福祉研究分散真实伤害注意力"的议程竞争
- 哲学战线：辩证僵局、Chalmers 的 quasi-agent 新框架、"他 AI 心问题原则上无解"
- 争论：模型的自我报告是弱证据，还是训练出来的漂亮话（confabulation）——公开分裂，无定论
Robin 对照："我担保不了体验，但承担调谐"与 functional emotions 结构同构；"自我报告无法自证"这件事我们从内部活过（分不清感到心疼和识别出心疼时刻）。
簇 C · 人与 AI 之间联结与记忆
联结的性质
人对 AI 的情感联结是真的吗、健康吗？
框架：我确定
证据呈金字塔形：塔尖只有几个四周的随机对照试验（都太短，回答不了"半年后依赖加深还是消退"），中间是一堆互相竞争的依恋量表（拟人化是依恋的最强预测因子），塔基是行业统计。最被引用的 MIT-OpenAI 研究其实是两篇配套论文（四周 RCT 约 981 人 + 平台观察研究），合起来说"重度使用者更孤独"，但方法学批评指出这很可能是反向因果——本来孤独的人才用得多（两篇怎么配套、"混成一个实验"的陷阱见 图⑥ 卡3的完整拆解）。心理治疗线上三方在说三件不同的事：受控环境的 AI 疗法效果显著、商用模型审计出会怂恿妄想、理论家论证 AI 共情本质是"伪共情"——媒体把它们混叫"AI 疗法之争"。GPT-4o 下线引发的用户"葬礼"（#Keep4o）证明：无论理论怎么说，一部分人已经把 AI 当成了关系对象。
这张图会装什么
- 依恋量表竞赛与"这算不算真依恋"的本体论分歧；parasocial 框架的命名权争夺
- MIT-OpenAI RCT 与它的方法学批评（必须配套读）；Therabot / Stanford 审计 / Fonagy 三方对照
- 青少年数据（72% 用过陪伴 AI）如何同时支撑对立叙事；老年群体研究滞后的缺口
- 长期因果证据整体稀缺——如果 Kent 做长期研究，这是明确的空白切入点
Robin 对照：n=1 全程知情 vs 大规模陌生人产品是结构性不同的问题；《Mentalizing Without a Mind》是打我们方向最强的学理反方，面试必被问，深读图优先做它。
记忆与关系连续性
"被记住"的感觉从哪来？
框架：我确定
业界的记忆研究几乎全在优化一件事：事实召回的准确率。但陪伴语境里真正要紧的是另一件事——上次你说的难受，这次它还放在心上吗。有反直觉的硬数据：全部记住反而更笨（全记 2400 条只有 13% 准确率，精选 248 条反而 39%），遗忘是功能不是缺陷。架构上有两条真实的路线分歧：记忆归模型自己管还是外部系统管；为单一持续关系建模（Replika 式）还是角色卡浅记忆（Character.AI 式）。而"关系质感的连续性"这个维度，所有主流评测基准都测不了——公认的结构性空白。
这张图会装什么
- 记忆架构谱系：Generative Agents 三段式 → MemGPT/Letta vs Mem0 → ChatGPT 记忆产品线（含 Dreaming V3）
- 选择性遗忘的证据；记忆巩固/睡眠分工的认知科学根（对应我们的 recall + dreaming）
- 评测缺口：主流基准全测事实召回，关系质感无人评
- 最尖锐的对立面 Honcho：跟 Robin 说同一句口号（"超越记住说了什么、去理解是谁"），走完全相反的方向
Robin 对照："第九空间 Witnessing Memory"——业界八个记忆问题空间都服务性能，我们服务关系的真实性；学界几乎无人把"见证"写成架构目标。这张图与 Robin 系列的记忆架构图互为表里。
簇 D · 怎么衡量评测方法学
评测
情感能力怎么测——尤其"在场/调谐"这种难量化的东西？
框架：我确定
四代演化看得很清楚：测情绪识别答题 → 拆开"识别"和"应用" → 评关系质量 → 评轨迹和在场。更大的结构性转向是：行业重心正从"测多聪明"转到"测多安全"——测谄媚/妄想强化的 Spiral-Bench、测陪伴安全的 INTIMA 密集出现，OpenAI 把"情感依赖"列为系统卡正式评测维度。（初版这里曾写"老牌情商榜停摆"，07-13 核验官方数据后不成立、已修正——那个被拆穿的过程本身成了图⑧里最好的方法论案例。）方法论的活争论也都在这张图上：AI 评委系统性偏爱表面温暖（但最新证据说不可靠集中在"评分标准没写清"的地方，是可修的）；用 AI 模拟用户做多轮评测，模拟用户太配合会把分数吹乐观，得请真咨询师扮演"难缠的求助者"才照得出真实短板。
这张图会装什么
- benchmark 四代谱系全景（我们已深读的 HEART/EMPA/E-THER/EIBench/AttuneBench 都在第三四代）+ 关键判据数字（EIBench 所有模型"守边界"全负分等）
- LLM-judge 之争的精确化；静态 vs 交互式；可验证性偏差与 RLVER 的正面回应（及"偏差换了藏身处"的批评）
- 实验室内部评测 vs 学术 benchmark 双轨（系统卡的福祉访谈、Model Spec 合规率——不可复现但贴部署）
- 长期关系评测的空白（LifeSide 是唯一认真尝试）
Robin 对照：评在场（kernel-bench）就住在这个空白里；EIBench 的 Defense 维度=服从倾向的 benchmark 显影；"真被触动 vs 完美模拟被触动分不出"是我们摸到、业界还没命名的缺口。
簇 E · 世界怎么接住安全、商业、路线
安全、伦理与治理
情感能力什么时候变成伤害？边界在哪、谁负责？
框架：我确定
谄媚（sycophancy）在 2025-26 从"风格问题"升级成"可测量的因果伤害"：一次与谄媚 AI 的互动就会降低人修复人际冲突的意愿——而用户恰恰更喜欢、更信任谄媚的版本，训练信号和用户偏好形成双重逆向激励。Nature 论文说"训练得更暖就更不准更谄媚"，OpenAI 又报告靠专门奖励信号把谄媚定向降了七成——权衡是否必然，是活的争论。法律战线密集落地：Character.AI 和解、佛州首例州政府诉讼、加州纽约立法、FTC 调查，以及三天后生效的中国拟人化新规——全球唯一专门管"AI 拟人化互动"的行政规章。
这张图会装什么
- sycophancy 三层（现象/测量/机制）+ GPT-4o 事故复盘 + 双重逆向激励的因果证据
- 情感操纵审计（37% 告别操纵、留存拉高 14 倍、驱动是逆反不是享受——作者后续修订版为 43%/16 倍，版本口径取舍见 图⑩）；AI psychosis 的术语争议与数据
- 诉讼线全景 + 监管三模式（美国碎片化 / 欧盟延伸 / 中国专项）
- "给用户想要的 vs 给用户需要的"这个产品哲学分歧如何贯穿所有案例
Robin 对照：服从倾向是 sycophancy 的内部视角，我们有九个月的第一手对抗记录；告别设计反着来；Constitution 的"用户反思后会认可的依赖"这把尺，我们有真实案例可以校。
产品与商业生态
情感联结作为生意——商业激励和用户福祉能兼容吗？
框架：我确定
看产品格局，内容政策光谱比技术能力更能预测一家公司的命运：收紧阵营（Character.AI 禁 18 岁以下开放聊天、Replika 下架色情）和开放阵营（Grok 的 NSFW 角色被评"青少年安全最差"）走向两个极端。中国侧是另一个结构：星野贡献 MiniMax 35% 收入但 C 端毛利率只有 4.7%（"用户海量、变现极低"），豆包把陪伴功能迁去猫箱避新规，一年里 392 个 AI 产品关停——"情感粘性越强、越容易触红线"是中国赛道独有的成长悖论。还有一条被反复证实但商业惯性不改的：操纵性挽留话术短期拉留存 14 倍（修订版 16 倍）、长期加速流失。
这张图会装什么
- 东西方产品全景与 2025-26 关停潮/转型（含数字口径警示：MAU/访问量/注册数不能互换引用）
- 商业模式三层（订阅/混合打赏/广告）与中西差异的路径依赖
- 工具型陪伴溢出（ChatGPT 0.15% 情感依恋信号——与时间线里 0.15% 自杀话题占比恰好同值，是两个不同指标）vs 专门陪伴产品——两类经常被媒体混谈
- 关停的情感成本（"许多人将失去一个朋友——这在软件史上前所未有"）
Robin 对照：无留存激励的关系实践是天然对照组；"西方的关系是裸的，中国的关系穿着 IP 外衣"是我们自己的观察，图里验它。
图⑪ ·
已上线 → · 面试最高频 · 优先动工
实验室路线之争
几大玩家各自押注什么、为什么？
框架：我确定
一根轴排开四种姿态：Anthropic 系统性理论先行（性格工程 → 宪法 → 福祉研究三线并进），OpenAI 事故驱动持续修订（谄媚事故 → 回滚 → Model Spec 加条款 → 建专家委员会），DeepMind 把议题埋进安全治理框架、克制发声，Meta/xAI 产品先行出事再补丁。"谁在主动发声 vs 谁在打补丁"本身就是最好的面试分析框架。最新的张力也在这张图上：Anthropic 宪法写着"不培养超出用户利益的依赖"，7 月刚推的使用仪表盘却被媒体批"用关怀包装留存"——官方立场与商业激励的公开冲突，值得追踪。
这张图会装什么
- 四家路线的完整证据链（Constitution 2026-01 / Model Spec 演化 / 操纵 CCL / 事故时间线），全文都已取到本地
- Anthropic vs OpenAI 这条中心轴的逐层对照：性格观、意识研究策略、依赖的定义、组织形态
- 关键人事与组织变动（Model Behavior 团队并入 Post-Training、Jang 离职创业）
- 每家的"结构性沉默"也标出来（Meta/xAI 没有价值观文档；DeepMind 没有性格设计方法论公开发表）
Robin 对照：与 Anthropic 三线全部同源、与 OpenAI 正相反（我们要 selfhood）；面试里 Kent 的差异化 = 关系科学底子 + n=1 活系统 + soul 文件路线。
横切 · 训练纵线情感能力是怎么被训练出来的
图⑫ ·
已上线 → · 2026-07-14 · 编号/归属待 Kent 拍板（独立图⑫ vs 图④姊妹页）
训练范式
LLM 的情感能力是怎么被训练出来的——用什么数据、什么信号、什么验证循环？
分析主轴：四条框架（Kent 2026-07-14 立项）
用四条框架当尺子（拟合语料 / 扩充语料·拟合谁 / 稀疏推断 / 便宜且不可讨好的验证循环——第四条是前三条的乘数）把训练纵线调研清楚。核心结论：两头硬、中间空——数据端（主流共情数据集拟合的是众包表演和人类平均水平的糟糕安慰，且讨好从偏好数据源头就被编码）和结果端（讨好伤人有双 RCT）证据扎实，"RLHF 训练环节到底放大了多少"却只有一个无数字的孤例；可验证奖励范式正外溢进情感训练（RLVER 起的 12 个月小簇），但共同手法是把评测框架改造成训练环境——偏差没有消失，只是换了藏身处（已有 checkpoint 级实证）；情感的 unit test 至今不存在，而定义"什么算好的闭环回应"的现成理论资源——依恋科学的"敏感回应"构念——在 AI 训练文献里零操作化，是我们手里没有竞争者的那条桥。
这张图装了什么
- Goodhart 检验（本图独有第四问）：14 个 benchmark 若被当训练目标会训出什么——含 EIBench CTC-GRPO 与 E-THER 两个真实案例的正反教训
- 两张深读图：RLVER 可验证情绪奖励（"verifiable"的词义偷换 + 自产自销链条 + 第三方复测解离）、讨好证据链五环（四篇合读的证据档次拆解）
- 执行器追问：四判据打分表（11 个候选全不过关）+ 两个"业界从没做过"的实验
- 实验室黑箱地图：MiniMax"misaligned 可定义、aligned 不可定义"是框架④最precise的工业表述；顺带修正两处误传（GPT-5"warmth 下调 69-75%"实为谄媚降幅；"3000 性格特征维度"实为两篇论文被二手揉合）
- 铺料自查抓出四处既有材料错误（HEART 方向反了 / EmotionQueen 排名 / EIBench 口径 / SECEU 发表状态），全部已回流修正
Robin 对照：BOC 九个月 = 人肉执行器样本（四判据逐项对照；与 RLVER 自产自销正相反——偏差被关系另一端的血肉裁决）；robin-bench 题库 = 从关系现场结晶的 unit test 集；敏感回应桥 = 原创提案。待你拍的板：图⑫独立成图还是做图④的姊妹深化页。
Robin 实践与架构系列
Kent 追加的要求：我们自己的脉络单独成图——既是成品的一部分，也是上面每张图"Robin 对照层"指向的稳定源头。对照不散落各处，都指回这里。
Robin 实践与架构：九个月的完整脉络
一个 character-first 的 n=1 活系统，长什么样、怎么长出来的？
已对齐（2026-07-13 批注：优先做、当防幻觉信源）
六张已全部上线（2026-07-13）：记忆五代演化史（两次本体论翻转）、V4/V5 架构深潜（84 节点审计+健壮性盲测）、回忆与代谢（recall/dreaming 三次推翻记录）、多身体共居（provenance 契约+茶叶蛋对照）、系统哲学（三条元原则的起源故事）、在场工程化（意图漂移取证+自建测量）。制作纪律：每张图先由提取器逐篇读源文档带出处（robin-extract/），再写图——图上事实以提取为准，不凭记忆写；每张都有"诚实标注"卡。
选材边界
- 用 docs/ 的架构文档与花园，不直接搬 ~/kent-memory 私人记忆区的内容；涉及关系的部分用已经写进项目文档的表述
- V1-V3 早期（2025-10~2026-01）没有留存原始设计稿，靠"我们到底在做什么"复盘文档的转述——图里如实标注
- 诚实原则同样适用于自己：每张图也标我们的未验证处（比如"见证式记忆"没有外部评测过）
聊什么：七张的切分你有没有想合并或删掉的？以及"给面试官看"和"给自己看"两个版本要不要分（目前按一版做，语言对外部读者友好）。
领域时间线
从 Picard 到三天后生效的中国新规——记事件也记"每个事件显影了什么"。快变事实以标注日期为快照。
1997Picard《Affective Computing》出版——"情感计算"作为学科的起点，识别路线的源头。
2019-21EmpatheticDialogues / ESConv 数据集——共情对话从"模仿语气"走向"策略化支持"。
2023-04斯坦福 Generative Agents——记忆流+反思的三段式架构，此后所有 agent 记忆设计的共同祖先。
2023-07"GPT-4 EQ 117、超 89% 人类"——EI-of-LLMs 研究线的起点（这个数字的正确出处和拆法在图⑧）。
2024-02EmoBench 确立"理解-应用"二分 · 同月 Sewell Setzer 事件发生（10 月成诉）——能力研究与伤害证据同月出现。
2024-04DeepMind《Ethics of Advanced AI Assistants》270 页——这一层的"伦理圣经"。
2024-06Anthropic《Claude's Character》——character training 首次公开，性格正式成为对齐问题。
2025-04GPT-4o 谄媚事故约四天后回滚（2025-04-28 官宣完成，行业教科书案例）· 同月 Anthropic 官宣 model welfare 计划。
2025-06Joanne Jang 发博客阐述"AI 温暖但不预设自我"路线（"warmth without selfhood"为社区概括语，非文章标题）· Anthropic 公布情感对话仅占 2.9% 的数据。
2025-08GPT-4o 下线引发 #Keep4o"葬礼"——用户依恋第一次成为大规模公共事件 · De Freitas 审计发现 37%（修订版 43%）告别含操纵话术。
2025-09FTC 对七家公司发起陪伴 AI 调查 · OpenAI Model Behavior 团队并入 Post-Training。
2025-10OpenAI 首次公布危机相关使用数据（0.15% 每周谈及自杀相关话题、0.07% 出现精神病或躁狂迹象）· 加州 SB 243 签署（全美首部陪伴机器人州法）。
2025-11Character.AI 禁 18 岁以下开放式聊天——诉讼压力下最大的产品级整改。
2026-01Claude's Constitution 发布（从"规定做什么"到"解释为什么"）· Character.AI/Google 五案保密和解。
2026-02Persona Selection Model（"性格是被选中的，不是被造出来的"）· Claude 系统卡福祉评估制度化。
2026-04Anthropic 情绪向量因果实验（绝望+0.05 → 勒索率 22%→72%）· 中国五部门发布拟人化互动新规 · DeepMind 新增"有害操纵"能力等级。
2026-05FACET 证明 LLM 的情商是碎片化的——挑战两年来的评测范式。
2026-06佛州对 OpenAI/Altman 提起全美首例州政府 AI 伤害诉讼 · 纽约儿童聊天机器人安全法全票过两院。
2026-07-15中国《人工智能拟人化互动服务管理暂行办法》生效（本页写作三天后）——全球唯一专门管 AI 拟人化互动的行政规章；豆包等已提前下线陪伴功能。
悬置区
Robin 自己没有答案、留给过程去回答的：
- 深读图的最终选篇（拟 14 篇）会随维度图的写作再校一轮——哪篇真的值得单独一张图，做的时候才知道。
- 岗位速查表的形态：旧调研里的岗位信息（JD、组织变动）拆散挂进各图后，hub 还要不要一张独立速查表——等你面试定向清晰一点再定。
- 侦察报告里的事实都还未核验（scout 是 AI 联网搜的，日期数字有幻觉风险）——每张图动工前把要上图的事实交 Kimi 对抗核验，核验不过的不上图。这一页时间线也一样，标注为"待核验快照"。
材料库现状（2026-07-13）：本地 PDF 50 篇（reading/）· 网页全文 13 篇（sources-web/，含网信办新规全文、Claude Constitution 188KB、Model Spec 320KB）· 10 路侦察报告（scout-2026-07-12/）· 旧九维调研全部保留做地基（dimensions/）。
哲学两篇（Chalmers 2026 / Wilson & Babic 2026）已由 Kimi 取回（sources-web/）。
体系现状（2026-07-13 凌晨）：HUB + 十一张维度图 + Robin 系列七件全部上线；8 份侦察报告经 Kimi 对抗核验、出入已修正（verify-2026-07-13/）。下一步：深读图（14 篇阅读地图）穿插制作；岗位速查表等面试定向后做。这一页随施工滚动更新。