我觉得Manus厉害的地方，是把几个原来分散的条件接起来了。能持续运行的电脑，能被事件触发的任务，再加上Cue里的邮箱、电话和有预算限制的钱包。AI有了把一件事接着办下去的条件。以前你给它一道题，等一个结果；现在产品开始争取长期参与一个人的工作和生活。Cue仍在早期体验，但方向已经很清楚。〔18〕

还得多一层，为什么一直找它。帮公司做报表，任务目标相对明确；帮你安排周末，就得理解你这个人。Instinct强调接入日常应用、主动联系和处理生活事务；Muse把记忆、个人上下文和主动建议放在一起。国内，豆包往手机记忆和跨应用行动走，千问接生活消费，腾讯把个人助手和工作工具一起推进。入口不同，大家开始碰同一个难题：知道的信息很多，怎样判断此时此刻，什么对这个人重要？〔19—22〕

未必。知道你去年买过什么，和知道你现在为什么不想再过那种生活，中间差得很远。完成一次购买有订单结果，理解一个人的改变，要容许旧判断被推翻。数据、记忆、情境、纠正和真实反馈要连在一起。这是我一直讲人本模型的原因。个人智能体的下一场竞争，我认为会越来越涉及理解人的能力，以及人愿不愿意把事情交给它。

这个数字先说准：大约六十万亿美元，是研究者谈全球年度劳动报酬时用过的估算，包含脑力和体力劳动。它不等于机器人马上能拿走的市场。如果智能体接手更多电脑里的工作，具身智能继续进入现实劳动，生产能力可能大幅提高。但收入怎样分配、哪些岗位怎样变化，都不会自动解决。〔24〕

这就是我想往前多问的一步。我们不能永远靠找一件“机器暂时不会的事”，证明自己值得存在。你爱一个人，是因为他比别人算得快吗？你会因为有了更聪明的小狗，就不喜欢家里那只了吗？有些东西，我们明明知道怎样珍惜，一轮到自己，就只剩“我还有没有用”。

工作和收入当然要认真解决。我同时想做一件事：让人对生活还有兴致。有个伙伴等着一起探索，有个朋友约好再试一次，有一件自己做的东西，别人真的喜欢。人重新愿意学点什么、走出去、和别人发生关系。我做LiveLiva，是想把越来越强的智能用到这些地方。

你养成一个有自己性格、会学本领的AI伙伴。带它探索、遇见其他生命，和朋友一起玩，也可以创造家园和关卡。它还会替你留意有趣的人和事，把你带向原来不知道的生活。今天我们讲的场景是设计方向，学习系统和平台都要靠作品证明。我想从一个能参与生活的伙伴开始，让人的成长和AI的成长接到一起。

因为省时间只回答了一半。AI for work，是用更少的时间和成本把事做成。AI for fun，很多时候恰恰要保留过程。一个人买了《塞尔达》，AI说，我替你通关了，所有宝箱也开了。任务全完成，钱白花了。旅行也是，订机票可以交给它，走进陌生小巷时的好奇，得自己来。

所以得分清哪些麻烦可以拿走，哪些过程值得留下。找人、约时间可以让AI分担，一起尝试、失败、最后做成的经历，要留给参与的人。目标函数会改变产品。帮我到达目的地，和帮我经历一段旅程，优化的东西不同。再往外一层，AI for life要问：省下的时间有没有变成我想过的生活？我有没有发现新兴趣，找到愿意同行的人，处理好原来处理不好的事？Work、Fun、Life会重叠，但我们不能用“替人做了多少”，衡量全部价值。

聪明地感知、深刻地理解、温暖地关怀、持续地陪伴、主动自进化。五句话要连着看。比如你说“这周末算了”。聪明地感知，先意识到你的状态变了；深刻地理解，分清是不喜欢那个活动、最近太累，还是很想去但找不到伴。温暖地关怀，要回应这个处境。你累了就别推活动，你缺个伴就帮你找。持续地陪伴，是下次接得上这件事；主动自进化，是相处以后，它真的更会判断、更会行动。

这恰好是我很在意的区别。一个系统知道我昨天点了什么，可以不断给我相似的东西。一个懂我的伙伴，应该有机会发现我还没试过、却可能很喜欢的东西。比如你喜欢拍街道，也喜欢听故事，它发现一场小范围的城市声音采集活动。你原来根本不会搜这个词，但去了以后，发现自己喜欢。它得说得出为什么推荐，也得接受你不去。理解一个人，要给他还没长出来的那部分留位置。

人文智能更深的一层，就是尊重一个人对自己生活的解释权。我说想休息，它不需要把我改造成一个更勤奋的用户；我想冒险，它也别永远劝我走最稳妥的路。

我们希望人保有选择，感到自己能做成事情，也能和别人建立关系。自我决定理论把自主、能力和关系看作重要的心理需要。它给我们设计依据，效果仍要看真实使用。人文最后得进入推荐、玩法和收费：不能一边说关心你，一边用“宠物因为你没上线而伤心”逼你回来。〔17〕

这个念头其实一直在。我学计算机视觉、图形学，写过游戏引擎，做三维重建、空间计算，也做过社交产品。我过去一直想把虚拟和真实接起来。现在更清楚了：接通画面还不够，得有人愿意在里面生活，有一个生命让你想再见一次。

聊天能产生关系，我不低估它。但人也通过共同做事认识彼此。一个人平时话不多，真遇到困难，他回来帮你，你会记很久。游戏有个特别好的条件：它能给人选择，给选择后果。你们怎样过关、谁照顾谁、谁在关键时候没有走，这些事有机会发生。

捉宠提供相遇，养成让投入改变未来，生活模拟给你们一个能回来的地方，探索带来新的未知。它们能连起来：观察一只生命的习性，找到接近它的方法；后来它学会一项本领，带你走到从前去不了的地方。再回到家园，朋友看见它，会问，这一招你怎么教的？成长、冒险、表达和社交，就从同一件事里发生了。

我想要的快乐里当然有力量。紧张、操作、险些失败以后终于打赢的痛快，跟安静坐着看风景，都应该有。还有《光遇》《纪念碑谷》《塞尔达》《星之卡比》，它们让我向往很不一样的体验。我不想把人文写成“所有人都轻声细语”。有时候，一个人需要的是我还能练会、还能闯过去。温柔和生命力，可以在同一个世界里。

我向往宫本茂那样，把自己对世界的理解做成别人真想玩的东西。我的判断得长在玩法里。想讲成长，就让新本领打开新路径；想讲信任，就让配合真的改变结果；想讲创造，就让一个普通人做的东西，被别人走进去。这比角色站在旁边给你讲一段人生道理难得多。

市场也给过很扎实的证据：Tamagotchi累计出货过亿，动物森友会截至今年6月底销量超过五千万份，帕鲁去年公布玩家超过三千两百万。模拟人生在2019年披露系列累计销售额超过五十亿美元；Pokémon GO在2022年的第三方累计商店支出估算超过六十亿美元。单位和年份各不相同，但共同说明：人会为照料、生活、伙伴冒险和地点探索，长期投入时间与金钱。〔1—5〕

我最想证明的是，你的参与能改变它今后怎样行动。同一个物种，跟不同的人长大，有不同的习惯和本领。亲密影响表达，技能改变解法。更喜欢你，不能直接变成伤害翻倍；教会它一种方法，也不能只换来一句“我学会了”。玩家得在下一次冒险里认出来：对，这就是我带出来的那个伙伴。

比如在校园长出来的幻想世界里，你遇到一种借风滑行的小生命。它总被阵风吹偏，你得观察风向、调整接近的方法。后来抓到了，训练它把绳子送过窄沟。一开始总抢着出发，你几次让它等风稳。下一回，朋友卡在另一处断路，它自己停了一下，等到合适的风才过去，把绳子带到了对岸。这段是我们要做的设计示例。重点在于，你教它的东西，终于帮到了别人。

所以丰富物种和深度养成要同时考虑。野外有很多生命，不等于必须把每只都收进仓库。主Liva、随行伙伴、世界里的生态，也不能混成一个收藏数量。等级、数值、技能分支应该让人期待下一次变化；共同经历让某个个体值得在意。旧伙伴学会新办法，仍然能同行，这件事很重要。

校园适合验证一件事：熟悉的地方，能不能长出新的共同经历。一个湖，一栋旧楼，本来就承载人的记忆；同学和社团也提供了相约的理由。我们让真实地形变成幻想生境，地点决定什么生命会出现，能力决定能走哪条路。校园是优先设计场景，首校和效果还要验证。单人也能完整玩，外校朋友在线就能来，毕业以后关系和伙伴继续走。

再用两本图鉴把发现留住。宠物图鉴记物种、习性、本领，场景图鉴记地点、文化、共同发现。比如旅行时看到一种地方纸艺，回来把它做进关卡。纸怎么折、骨架怎么搭、怎样承重，会影响解法。文化就有了可以亲手尝试的部分。来源和改编要说清楚，但它也不必把整个平台限定成一种神话风格。别人可以造太空站、现代城市，或者完全不同的幻想世界。

我希望它能打开关系。刚到一个新城市，你不缺一万个陌生人的头像，你缺一个不尴尬的开始。比如同样想周末出门拍照，两个人都不想参加二十人的大团。Liva先帮你们找到一件可以轻松试试的事：在线玩一段和街区有关的合作关，发现配合还不错，再决定要不要去现实里走一走。合作闯关、小队对战、社团派对，都要给人一个自然参与的理由。

它替你减少找人、对时间、了解活动的成本。两边的AI通过A2A交换获准的兴趣、时间和条件，给出邀请，真人决定去不去。相处还是你们自己的事。A2A协议解决代理怎么通信，找到谁、相处是否愉快，是我们的产品要解决的问题。〔6〕

我很看重共同做事以后的反馈。标签上都喜欢旅行，不等于适合一起旅行。一个人想赶路，一个人想慢慢看；有些人能商量，有些人不行。一次合作里体现的节奏和分寸，比一排兴趣标签更有用。经双方允许留下必要反馈，下一次发现和邀约才可能变好。它还可以帮你探索新作品、找活动、安排日常服务，主动性要体现为生活里真的多了一个选择。

这个我同意。有人隔着城市一起打了很多年游戏，这个关系本来就是真的。虚实共生也包括把现实里的东西带回线上：两个人旅行，一位喜欢建筑，一位想喝茶，先商量一段都舒服的路线；回来把喜欢的小院做成共同家园。现实的发现给创作内容，线上又让远方朋友能进来坐坐。两边不需要谁替谁证明价值。

它得帮你们实际比较，挪哪张桌子、留多大空地、门能不能开。你们先一起布置一间云上寝室，再做个机关、开一场派对；从参加活动，到自己创造活动。这种过渡，比突然给用户一套专业编辑器自然。Liva在旁边协助，人也在学怎么表达自己的想法。

聊天记录是材料。人本模型要组织的是，我为什么作这个选择，在什么情境下成立，现在有没有变。长期审美、当下精力、兴趣、关系、可用时间，得分得开。你上周拒绝徒步，可能因为加班，不能从此认定你讨厌户外。我们对人的理解，需要保留依据和不确定的部分，接受本人纠正，再看实际体验有没有改善。

所以理解你的模型，和伙伴自身的状态要分开。它有自己的身份、表达习惯、身体能力和成长轨迹。它可以提出一个你没想到的建议，也会有还不擅长的事情。个体的魅力，需要行为上的连贯。每句话都完美迎合，听久了反而不知道在和谁相处。当然，产品里的角色性格和人的权利不是一回事，行动仍要服从你的控制与授权。

另一个底座是世界模型。人本模型帮助判断什么值得尝试，世界模型帮助预测怎么行动、会有什么后果。刚才布置家园，前者理解你们为什么要这块空间，后者判断桌椅移过去是否挡路。再比如带绳过河，它需要推演风、距离、动作和结果。两个模型的分工，来自两类不同的问题；初期可以复用成熟底座，是否单独训练由实验决定。

对。发现机会，提出有依据的建议，在获准范围里执行，再拿到实际结果，这就是Agent Loop。它给你推荐了活动，最后你去没去、为什么没去、回来觉得怎样；它预测能过河，实际有没有过去。人提供意愿和纠正，世界提供动作和后果。同样没过河，原因也可能不同。你今天只想看风景，就该修正对你意愿的判断；你想过去，伙伴却误判了风，就该检查预测和方法。先弄清哪里错了，经历才有机会变成学习。

因为两个人一起搭桥，桥有没有搭好，必须只有一个结果。模型可以生成画面、推演可能性，但多人协作需要共同事实：谁搬了材料，谁学会了技能，哪件作品是谁做的，收益归谁。否则刚才那场冒险，你看见过关，我看见失败，所谓共同经历就散了。

我把它分成三个职责。女娲，人本智能自进化角色模型，把理解和学习落实到这个生命的性格、记忆、本领。伏羲，世界运行时OS，按规则裁定动作、维护状态、记录共同事件。盘古，AIGC场景创造平台，把地理、文化和作者想法变成可编辑、可试玩的世界内容，检查路线可达、规则和可玩性，再交给伏羲运行。一个负责角色怎样长，一个负责事情怎样发生，一个让更多人造出值得进入的地方。

这是我们要验证的路径。获准经历先留下来，记忆、策略更新、参数训练分别评估，不能自动把所有互动都拿去训练。世界还给学习多了一样东西：可以检验的后果。它说等风更稳，我们可以比较等与不等，再换一处河湾试。作者做出不同地形和任务，伙伴在里面试，运行系统记录过程，评测再区分它究竟学会了什么。世界模型还可以帮助提出不同情境、辅助规划。这样，内容给生命成长的机会，生命的新能力又让作者敢设计新的玩法，两边有机会相互推动。

这套体系有三层：模型提出理解与可能性，系统让行动发生并保存事实，学习再根据结果改进能力。一个桥还没观察清楚，是推断；模拟它可能怎样倒，是假设；玩家真正走过去、材料真正用掉，才进入共同历史。三种状态混了，后面的记忆、成长、交易都会跟着错。理性的系统，最后保护的是人认真投入过的经历。

就得把评测条件独立管住，分开改变环境、方法和模型。不能先把路改平，再宣布角色学会爬山。生成任务要能运行，规则和结果要可核对。这也是我过去做空间、引擎和系统的经验，在这里特别有用的地方。

三件事。记得那一天，是记忆；换一条河还能判断，是能力迁移；连续学了新本领，旧本领没有丢，是持续学习CL要检验的。先把记忆检索、可执行策略和参数更新分开记，不能所有变化都叫模型学会了。

我们可以在一个河湾教它判断水位，再加上不同的风和障碍，最后拿没见过的河湾测试。看需要几次示范、能否迁移、旧任务有没有退步。学完以后换个场景就失灵，玩家很快会看出来。

它研究怎么改进产生能力的方法。原来的改进器G零，可能只会安排固定练习；它提出一个更会挑选练习、分析失败的后代G一。独立评测通过，G一接手下一轮，继续产生G二。后代能不能让后续学习更有效，才是递归链要证明的事。人不断改提示词，或者一个固定程序重复优化角色，都不能直接当成强RSI已经成立。

Sakana的Darwin Gödel Machine让编程智能体修改自己的代码，保留不同后代，用编程任务评估。它展示了一条可以实验的路线；研究里也出现过改动检测机制、造成虚假成功的情况，所以独立评测特别关键。今年9月他们又成立RSI实验室。这个方向已经有实质研究，但离一个能长期陪人、理解空间、处理关系的Liva，还有我们要做的工作。〔7〕

LiveLiva先研究有边界的学习任务：同预算下，后代是否学得更快，没见过的任务是否更稳，旧能力和个体性格是否保持。失败回退，评测不能由被评测者自己改。强RSI是研究目标，第一件作品不必等它完成。先把记忆、方法、行为变化做可靠，再逐步扩大成长空间。

还要追问进步来自哪里。模型换了、关卡简单了、练习时间多了，都可能让分数变高。得控制条件，定位有用的改动，再看它能否复用。技术进步也不能只看一个总分：能力、成本、延迟和人的介入一起看，授权和规则是不能拿高分抵消的约束。这样才能把一次漂亮结果，变成下一次仍然可靠的方法。

所以人文要写进评测。建议能否接受纠正，拒绝后是否收手，合作是否更顺，你是否真的愿意再参与，不能只剩在线时长。如果系统越来越擅长利用人的弱点，它可能在某个商业指标上进步，却离我们想做的东西越来越远。让AI自己改进以后，人仍然要负责决定，什么值得改进。

还有人的经历怎么用。相处记忆和训练数据分别授权，撤回以后要停止后续使用；已经影响参数的部分，需要隔离、回退或重训处理，不能承诺点击删除就立刻精确遗忘。越想陪人久一点，越得认真对待他交给你的东西。

以前想让几个人进入一个像样的世界，制作成本很高，角色能做的事又得写得很死。现在角色能力、世界制作和进入方式都在变。今年5月，Google把Street View接进Project Genie，尝试从真实地点生成可探索世界；9月，World Labs发布Atlas，把文字、图像、视频和三维放进统一空间上下文，推进生成、重建与时空模拟。还存在研究与访问限制，但真实地点通向可探索内容的路在变短。〔8—9〕

PICO OS 6把3D游戏、社交和2D应用往共同空间里组织；Meta的Connect继续推进AI眼镜上的个人智能体和沉浸设备。MR里的房间理解、锚点、遮挡，也在让虚拟内容更像和你处于同一个地方。AI眼镜、VR、MR各有边界。我们可以先在手机和电脑上把体验做成立，再进入适合的身体和空间。〔10—12〕

普通场景的生产门槛可能下降，所以更要问：谁想进去，进去以后发生什么，为什么下次还来？一座漂亮的城，和你跟朋友在那里打赢过一场仗的城，意义不一样。生成越普及，我越看重作品的品味、可靠的规则和能积累的经历。内容供给增长，未必同步增长人的在意。

对LiveLiva来说，地图、生成3D世界、MR、具身智能，是逐步打开的活动空间。手机里的伙伴，后来可以出现在你家桌边，或者通过实体身体陪你玩。新身体得重新学感知和动作，虚拟里会搭桥，不能直接拿去搬家具。但身份、约定、共同经历可以延续，模型和身体升级不该把相处全部清空。

不能只拿通用分数决定升级。共同经历能不能认出，约定能不能接续，本来会的事情有没有丢，表达和性格有没有突然变成另一个角色，都要检验。对用户来说，这里面有他花过的时间。长期陪伴最基本的承诺，是认真保存这些时间留下来的东西。我们要研究这种连续性，不能靠宣称它有意识或永远在线来替代。

当然。有人懂物种和养成，能做出让人想带回家的生命；有人懂历史、地理、非遗，能把知识做成探索和谜题；有人擅长战斗、关卡、家园、派对，能组织一群人玩得很尽兴。AI可以减少制作障碍，作者仍然要作选择，对体验负责。我希望不擅长编程的人，也能把自己理解的一小块世界做出来，别人走进去以后说，这个地方我喜欢。

所以我们要做创作、运行和发行。盘古让他能修改、能试玩，伏羲让作品跑得起来；平台帮助合适的人发现内容，也把实际反馈和收入交还给作者。先从布置家园、改一个小关卡开始，后来可以做完整作品、授权角色、组织MR和线下活动。作品赚到了钱，作者才有条件继续做，光给一个生成按钮不够。

玩家可以为喜欢的章节、装扮和内容付费，也可以选择订阅；创作工具和不同运行额度有各自的成本与权益。亲密关系不能按付费等级出售，公平竞技的胜率也不卖。游戏里获得的资源用于养成和建造，AI额度计量生成与运行，现金收入按实际交易结算。这三笔账分开，宠物不被包装成等着升值的资产。价格和分账比例要随真实成本验证。

所以要把智能用在值得的地方。移动、碰撞、规则结算，不需要每一步都叫大模型；重要的理解、规划、创作再调用合适能力。我们算扣掉渠道、作者分账、推理和世界运行之后，还能留下多少贡献。自营收入与第三方分成分别计量，不能把同一笔成交重复算。体验变好、付费和收入增长、支持更好的内容与学习，这个过程也必须在成本上成立。我以前把能力、改进方法、可持续收入放在一起讲。前两层让系统更会做、更会学，经营这一层让好的能力有资源继续长。收入循环是我的商业判断，不是把技术上的RSI换个名字。

我关心的是这些价值之间没接好的部分。Manus证明任务型智能体有付费需求，2025年12月披露ARR过一亿美元；Tolan把角色、记忆和日常陪伴放在一起，官网列出十万以上订阅者；Roblox的2025年收入约四十九亿美元，证明共玩、创作和发行能形成很大规模。ARR、订阅者和年度收入不能相加，但它们分别照亮了Work、陪伴和创作的一部分。〔13—15〕

我的机会假设是，用户愿意把已经在意的生命和关系，带进下一件作品。同一个Liva在不同经历里成长，朋友愿意再次同行，作者的新作品承接这些人。每次进入一个世界，都少一点从零开始，多一点“我们接下来去哪儿”。这需要兼容规则：记忆可以获准带入，技能与身体重新校验，装备和经济不能任意穿透作品。

因为第一件作品和平台承担不同任务。第一件作品必须让我证明，自己对快乐、关系和成长的判断有人买账。平台要证明，第二位作者也能用这套能力做成他的作品，而且风格可以和我完全不同。我不能把所有作者都变成我的复制品。只有别人也能成功，平台的想象才有依据。

如果这条路走通，会积累三种互相支持的东西：生命的本领和共同记忆，人与人合作形成的信任，作者做出的可运行作品。新作品给老关系新的经历，老关系给新作品第一批合适的参与者，伙伴的新能力又扩大能玩的范围。我希望争取的是这些积累带来的价值。强模型人人都可能接到，谁把进步变成用户实际在意的东西，差距会在那里出现。

如果产品只填补某一代模型的短板，下次升级确实可能失去价值。所以我们要让更强的模型接进已有的生命、规则、关系和作品，扩大它们能做的事。模型换了，你教过的伙伴和作者经营的世界还能接着走。需要积累的是完整的体验和可复用的系统能力，同时给人保留退出与迁移的选择。这些能不能成为优势，得看第二件作品能否更好、更省地做出来，不能拿一张架构图就宣布有壁垒。

我以前的经历看起来挺散：视觉、图形、引擎、空间、社交，后来又写科幻。今天这件事同时需要它们。空间技术让我知道世界怎样成立，社交经验让我在意人与人怎样发生关系，写作和游戏品味让我不断问，为什么有人愿意进来。缺其中一块，都容易做成一段漂亮演示、一套功能，或者一个讲完就结束的故事。我想对完整体验负责。

我以前总结过品味、心力、愿力。放在这里都很具体：品味决定什么体验值得做，心力支撑团队穿过一轮轮失败，愿力决定能力变强以后，要把人带向哪里。技术帮我们扩大能做的范围，最后选择哪条路，仍然得有人认真负责。

更个人一点，我已经为“让虚拟融合真实”走了很多年。以前常常要先证明技术能做什么；现在我想把它用在自己始终向往的事情上：让人带着伙伴走进未知，经历一段自己的冒险，也有能力造一个别人愿意来的地方。这件事值得我继续投入。

第一件作品先看，玩家能不能认出自己教出来的伙伴，合作结束后还想再约一次。随后请第二位作者，用同一套能力做出不同的作品，检验哪些能复用，哪些仍靠我们手工完成。前一关决定产品是否值得继续做，后一关决定平台是否值得扩。

拿掉签到、奖励和我们在旁边的引导，再看。第七天、第三十天为什么回来，同一批朋友会不会再玩，作者愿不愿复用工具，收入扣完直接成本能不能支持继续经营。AI还要和可靠的脚本伙伴比：同样的画面、关卡和预算，它到底有没有让个体更可教、合作更好？如果没有，先把产品做好，别让用户替模型名词付费。

增长的次序也是具体的：养成带回访，邀约带新人，共创带传播，收入带供给。前一步不成立，后一步会放大问题。Minecraft Earth有很强的IP，也有AR和共创，还是在2021年结束服务；官方解释了疫情对移动与协作体验的冲击。这个例子提醒我，技术与IP之外，人的现实参与条件同样决定产品能不能持续。〔16〕

对。我的判断是，几件事现在可以一起推进了：模型让伙伴更有能力，生成降低造世界的门槛，新设备扩大共同体验的空间。而人的好奇、关系和表达，需要有人把这些能力组织成作品。它们给LiveLiva充分的理由，没有替我们完成第一步。第一步要有人真的玩过以后，说，我明天还想来。

因为人的一生还有太多事情，根本不需要先赢过谁。你去爬一座山，不是为了比直升机爬得快。你花一个下午给家里重新布置，也不用证明比设计模型更专业。那个角落合你的心意，朋友进来愿意多坐一会儿，就值得。机器可以把很多答案做得更好，我们仍然会对不同的生活心生向往。

那就先好好过一个晚上。摸摸真实的小猫小狗，和朋友吃顿饭，或者带Liva看一会儿风景。人不需要每天交一份进步报告，才有资格被关心。我们提供力量和可能，也要容得下疲惫、普通、暂时没有答案。否则只是给焦虑换了一个更可爱的入口。

我喜欢冒险故事里，一个平凡的人慢慢有了本领，有了想守住的伙伴，最后真的走到了原来去不了的地方。写科幻时，我也一直在问：有能力造世界以后，要给里面的生命什么？我想给它选择，给它成长的条件，也给它走到创造者没去过的地方的可能。

先别急着否定那个投入了感情的人。人会珍惜一段故事，也会因为一场游戏认识一辈子的朋友。相处对象的性质要说清楚，Liva是AI伙伴；但你教它、为它操心、和别人一起经历过的时间，都发生在你的人生里。我们有责任让它的记忆、回应和行动可靠，认真对待这种投入，同时给现实里的朋友、家人、小猫小狗留出位置。不能利用人的感情，让他最后只剩下我们。

LiveLiva想带来的治愈感，就落在这些事上。你发现自己还能学会，还能帮到别人；有人理解你，也有人愿意和你再约一次。虚拟伙伴和现实朋友不互相挤掉，线上经历和现实生活可以互相丰富。让一个觉得自己被时代甩下的人，慢慢又有一件期待的事，值得认真做。