Groupchat：当AI学会在终端里"讲段子"——主动式情境幽默系统的技术解构

Groupchat是一个让大语言模型在终端环境中主动投放情境化表情包的创新系统，核心是将"梗文化"从被动检索升级为智能代理行为。系统通过情境感知、时机判断和结构化幽默机制，实现无需用户触发的适时表情包投放，探索AI在工作场景中的社交智能与人文价值。

现有表情包方案（如Discord的Dank Memer、Slack的GIPHY集成）均为检索问题：需用户触发→系统检索→返回结果，存在三大局限：1.需用户主动触发；2.缺乏时机判断；3.无幽默理论支撑（仅关键词匹配）。Groupchat将其重新定义为行为策略问题，需同时回答"投放什么meme？"和"什么时候投放？"，实现从被动到主动的升级。

系统采用四层流水线设计：

1. Claude情境判断：分析终端对话、代码活动等上下文，识别"可梗化"时刻；
2. 结构化知识库检索：查询含66个标注meme的知识库（含触发条件、幽默机制等元数据）；
3. 自适应冷却机制：指数衰减冷却（半衰期28秒），分严格/适中/清晰三档阈值；
4. 终端渲染管道：用chafa转GIF为ASCII，直接写/dev/tty绕过stdout，实现代理与渲染解耦（Claude"忘记"渲染细节）。

项目构建53情境评估基准，三模式测试结果：

1. 投放测试（38情境）：Claude Haiku 4.5达70%严格P@1准确率（调整后78%），远超关键词基线（29%）；
2. 反投放测试（15情境）：0%假阳性率（无不当投放）；
3. 强制选择测试：易混淆meme对选择准确率90%。结果证明结构化标注+模型选择优于简单检索。

meme是互联网文化核心，承载集体记忆与语境敏感性。Groupchat通过结构化知识与行为策略，让AI在特定领域展现接近人类的幽默感知能力，虽依赖人工标注与规则，却拓展了AI的社交智能边界，提出"AI能否真正理解互联网文化"的深层问题。

当前局限：1.多步骤任务时机问题（meme可能在任务中渲染）；2.平台绑定（仅终端）。未来建议：扩展meme数据库、改进冷却算法个性化、探索跨平台渲染方案等。