他用GPT-4o造了一群AI朋友，结果把“聊天应用”这件事彻底玩变了

一个开发者，用Next.js、GPT-4o和一堆“过度工程”，真的做出了会记得你生活细节、能隔三天接着聊的AI朋友。这不是情感噱头，而是一套可复用的AI应用范式：记忆、人格、结构化输出、真实感对话，全都落地了。

当“AI朋友”不再是Demo，而是一套完整系统

视频一上来就很狂：空瓶能量饮料、过度工程的JS框架、以及一句“我在创造AI朋友”。但真正让人警觉的是——这不是ChatGPT套壳，而是一套完整可运行的“人格型AI系统”。

Ras Mic的应用里，每个AI角色都不是一次性Prompt产物，而是“有档案、有记忆、有长期关系”的存在。你可以在今天跟Gabe吐槽工作，三天后再回来，他会主动追问那件事的后续。这种体验的关键，不在模型，而在系统设计：角色信息、用户信息、聊天历史，被明确存进数据库，形成可被模型持续消费的“长期记忆”。

一句话点破本质：他做的不是聊天机器人，而是一个最小可行的AI Companion平台。

最反直觉的设计：先定人格，再“长脸”

整个系统里最有争议、也最有意思的地方，是角色生成逻辑。

顺序不是“先捏脸、再写性格”，而是反过来：
1）先让GPT-4o生成完整的人格结构——年龄、职业、性格特质、说话习惯、背景、甚至第一句话；
2）再把“外貌描述”当成下游任务，交给图像模型生成头像。

这意味着什么？外貌是性格的函数。

Ras Mic自己也吐槽：模型似乎对“锋利下颌线的男性”有执念。但这恰恰暴露了一个被忽视的事实——当你让模型从人格反推外貌，它其实在输出自己的“隐性偏见分布”。

更关键的是技术细节：他没有相信模型会乖乖返回JSON，而是用Zod Response Format强制结构化输出。没有这个，后续的数据库写入、图像生成、角色复用都会崩。这不是提示工程的炫技，而是“AI能不能进生产环境”的分水岭。

聊天像朋友，而不是客服，靠的是Prompt纪律

如果你觉得“AI不像真人”是模型不行，这个项目会打你的脸。

在聊天API里，他用Vercel AI SDK的streamText + GPT-4o，但真正拉开差距的是系统Prompt的纪律性：
- 明确角色身份（姓名、年龄、职业、背景全部注入）
- 用XML标签区分信息层级，降低模型走神概率
- 反复强调：像给最好的朋友发短信，不准诗意、不准端着、不准说教

甚至连语言层面都有硬约束：OMG、LOL、K、yeah、缩写、情绪化表达。

结果就是：你不是在“问AI问题”，而是在“继续一段关系”。再加上chat ID隔离不同用户的上下文，避免记忆串线，这套系统已经无限接近真实社交产品的底层逻辑。

真正工程化的地方，反而是最“无聊”的选择

很多人会忽略，但视频里一个极其现实的决策，是他为什么选Clerk做认证。

不是因为炫，而是因为算账。

Clerk免费支持1万MAU，还包邮件；如果你用自建或轻量方案，就要面对邮件服务的成本和上限（比如Resend 3000封/月）。这对个人开发者或Side Project来说，是生死线。

同样务实的还有技术栈选择：Next.js、Drizzle ORM、清晰的Server/Services分层，没有炫技微服务，没有过度抽象。所谓“过度工程”，其实是对可维护性的偏执。

这也是为什么他说：这是他写过最喜欢的一套代码。

总结

这支视频最值得AI从业者反复看的，不是某个API调用，而是一种思路：别再把AI当“一次性回答引擎”，而要把它当“长期关系系统”的核心组件。

如果你在做AI应用，有三个立刻可行动的takeaway：第一，强制结构化输出，否则一切工程化都是空谈；第二，把记忆当一等公民设计，而不是聊天记录；第三，Prompt不是文案，是协议。

一个大胆的判断：下一波真正跑出来的AI产品，不是更聪明的模型，而是更懂“人际关系”的系统。这个项目，已经提前踩在那条线上了。

关键词： AI朋友， GPT-4o， 对话AI， 提示工程， AI应用架构

事实核查备注： 需要核查：视频发布时间（2025-02-24）；使用模型为GPT-4o；认证服务Clerk免费额度为1万MAU；Resend免费邮件数量约3000/月；Vercel AI SDK的具体API名称