让“镜显人脉通”走进真实社交：基于 Rokid AI Glasses 的智能体实践
让“镜显人脉通”走进真实社交：基于 Rokid AI Glasses 的智能体实践
很多智能体还停留在聊天框里，但我更想做一个能真正进入现实场景的产品。基于这个想法，我开发了一个智能体——镜显人脉通。它面向会议、聚会、商务拜访等线下场景，当眼镜识别到对方面部后，自动结合用户授权的数据与公开资料，输出姓名、职业、关系来源、过往聊天关键词和建议开场白，帮助用户快速回忆“这是谁、从哪里认识、上次聊过什么”，减少社交尴尬。
我之所以选择 Rokid AI Glasses 来联调这个智能体，是因为这类设备比手机更适合做“低打扰提醒”。在真实社交中，用户不可能一边交流一边频繁低头看手机，而 AI 眼镜可以把关键信息放在视线附近，让提示更自然。对“镜显人脉通”来说，眼镜不是单纯的显示设备，而是一个现实社交中的即时辅助入口。
一、应用设计思路
“镜显人脉通”的核心目标不是单纯识别人脸，而是帮助用户快速恢复社交记忆。
我给它定义了三项关键能力：
1、多源身份信息匹配与去重
2、人脉关系链梳理与上下文记忆提炼
3、面向社交场景的极简信息摘要生成
它的输出不是长篇介绍，而是一张简洁的人物卡片，例如：
【人物卡片】
张明｜产品总监
去年行业峰会认识｜上次聊过渠道合作
关键词：AI眼镜、产品合作、华东市场
共同联系人：李华
建议开场：可以先接上次提到的合作进展
这种形式更适合眼镜端展示，也更符合真实社交节奏。
二、工程实现方案
整个系统我拆成三层：
- 眼镜端
负责触发拍照或识别动作，并接收最终提示结果展示。
眼镜端尽量只做轻量交互，不承担复杂计算。 - 手机端
作为中控层，负责接收眼镜端的请求，调用联系人、备注、聊天摘要等数据，并组织上下文后发送给智能体模块。 - 智能体层
负责完成关系理解与开场建议生成，把复杂信息压缩成用户一眼能看懂的结果。
这样的架构有一个好处：眼镜端轻，手机端稳，智能体输出更灵活。对 Demo 来说，也更容易快速联调。
三、开发中的真实问题
.
在用 Rokid AI Glasses 联调时，我遇到过一个比较典型的问题：眼镜端一直重复拍照，但没有结果返回。
表面上看像是识别没成功，但排查后发现，问题不一定出在识别模型本身，更可能出在链路中间。因为从“拍照”到“结果展示”，中间至少还包括：
- 图片传输
- 人脸特征提取
- 身份匹配
- 人脉信息聚合
- 智能体生成
- 结果回传
任何一步没有打通，最终现象都可能是“重复拍照没反应”。这次调试让我意识到，做 AI Glasses 应用时，不能只关注前端动作是否触发，更要把整条链路拆开排查，确认到底卡在哪一层。
四、回复逻辑设计
为了让智能体真正能用，我专门优化了它的回复逻辑：
- 高置信度：直接输出人物卡片
- 中置信度：输出“可能是/待确认”，并给确认建议
- 低置信度：不贸然判断身份，只给通用寒暄建议
比如识别不太确定时，不会直接说“这是某某”，而是提示：
【待确认人物】
可能是 刘洋｜AR显示方向创业者
关系线索：展会上交换过名片
建议动作：可先从最近还在做显示方向吗自然确认
这种设计比一味追求“全都识别出来”更重要，因为现实社交里，错认一个人比没认出来更尴尬。
除此之外，为了让智能体的使用体验更好，我还添加了一些功能性插件：
以及这个智能体实现非常关键的数据库：
最后为了又更好的对话体验，加上了开场白和预置问题
五、Demo 演示流程
我的 Demo 设计成一个很清晰的闭环：
- 用户佩戴 Rokid AI Glasses
- 眼镜端触发拍照或识别
- 手机端接收请求并完成数据聚合
- 智能体生成人物卡片
- 结果回传到眼镜端显示
这样一来，“镜显人脉通”就不只是一个停留在平台里的智能体，而是一个真正进入现实场景的原型产品。它最大的价值，不是展示很多信息，而是在用户最需要的几秒钟里，给出最有用的一点提醒。