social-skill-ai-coach

# 社交技能 AI 教练 **与多智能体 AI 教练练习真实社交场景 — 分析、获取建议、角色扮演和反思 — 随时，随地，仅需 2~6 美元/月。** [](https://social-skill-ai-coach.vercel.app) [](https://www.npmjs.com/package/social-skills-coach-mcp) [](https://github.com/john-data-chen/social-skill-ai-coach/actions/workflows/ci.yml) [](https://codecov.io/gh/john-data-chen/social-skill-ai-coach) [](https://sonarcloud.io/summary/new_code?id=john-data-chen_social-skill-ai-coach) [](https://opensource.org/licenses/MIT) 🔗 **[Live Demo](https://social-skill-ai-coach.vercel.app)** · 🎬 **视频讲解（进行中）** · 📦 **[npm: `social-skills-coach-mcp`](https://www.npmjs.com/package/social-skills-coach-mcp)** · 🇹🇼 **[繁体中文](./README-cht.md)** > ⚠️ [Kaggle AI Agents Capstone](https://www.kaggle.com/competitions/vibecoding-agents-capstone-project) 的概念验证（MVP），仅供评审和研究使用。**它不能取代持牌心理学家或治疗师。** 完整的免责声明在底部。 <p align="center"> <img src="./public/images/cover.png" alt="社交技能 AI 教练 — 一个口袋里的社交教练" width="360" /> </p> --- ## 问题 对于高功能自闭症或阿斯伯格综合征患者，社交技能主要通过**实践**学习 — 然而结构化的实践机会稀少且昂贵： - **成本。** 像 [PEERS](https://www.semel.ucla.edu/peers/) 这样的循证计划运行 **$2,800–$3,600**，为期 14-16 周，课程内容累计 — 缺席一节课会影响后续课程。许多家庭无法承受这样的费用，或者由于自尊心而不愿尝试。 - **没有即时反馈。** 即使在课程结束后，也没有教练在您身边指导真实的对话。人们很少告诉您您做错了什么 — 他们只是默默地疏远您。突然的干扰（噪音、惊讶）可能会让您大脑空白，无法回忆任何技巧。 - **开始得太晚的代价。** 一旦社交习惯形成，成年后就会被排除在外 — 而很少有成年人愿意坐在年轻学生的课堂上重新学习基础知识。 该项目尽可能地降低了开始的门槛：一个私人、无偏见的地方，随时都可以练习。 ## 为什么使用智能体？ 单个聊天机器人会模糊四个非常不同的工作。辅导自然是一个**专业流水线**，因此应用程序运行一个智能体执行每个工作 — 通过确定性阶段路由器推进到流水线中，具有 RAG 的 LLM 协调员使教练基于课程： | 阶段 | 智能体 | 工作 | | :---- | :------------- | :--------------------------------------------------------------------------------------------------------- | | 1 | **分析器** | 构建情境（谁/什么/在哪里，渠道，场景类型，目标） — 尚未提供建议。 | | 2 | **教练** | 提供具体的、基于情境的建议 — 仅基于为此案例选择的课程内容。 | | 3 | **角色扮演** | 扮演对方角色，以便您可以练习，根据您的社交技能水平做出现实的反应。 | | 4 | **反思** | 根据评分标准审查角色扮演记录，并返回结构化的、分维度评估。 | <p align="center"> <img src="./public/images/analyzer.png" alt="分析器将模糊的情况转化为清晰的结构" width="320" /> <br /> <em>阶段 1 — 分析器将模糊、焦虑的情况转化为清晰的结构。</em> </p> **协调器** 执行检索增强接地：对于教练阶段，LLM 选择与您的情况最相关的课程主题，然后仅加载这些知识切片 — 因此建议始终严格绑定在课程中，而不是凭空捏造。 **使用斜杠命令驱动它。** 在对话过程中跳转到任何阶段 — `/analyzer`、`/coach`、`/role-play`、`/reflection`： <p align="center"> <img src="./public/images/commands.png" alt="快速命令 — 斜杠命令在阶段之间跳转" width="320" /> </p> --- ## 全过程 继续使用相同的例子 — 礼貌地与同学交朋友 — 从上面的分析器到 **教练 → 角色扮演 → 反思**： **教练** — 基于课程的建议，并附有您可以实际使用的开场白。 <p align="center"> <img src="./public/images/coach.png" alt="教练阶段 — 基于课程的开场白建议" width="320" /> </p> **角色扮演** — AI 保持角色，作为对方，以便您可以练习，真实地回应您的社交技能水平。_{（单击任意回合以放大）} <table> <tr> <td align="center"><a href="./public/images/role-play-1.png"><img src="./public/images/role-play-1.png" width="150" alt="角色扮演回合 1" /></a></td> <td align="center"><a href="./public/images/role-play-2.png"><img src="./public/images/role-play-2.png" width="150" alt="角色扮演回合 2" /></a></td> <td align="center"><a href="./public/images/role-play-3.png"><img src="./public/images/role-play-3.png" width="150" alt="角色扮演回合 3" /></a></td> <td align="center"><a href="./public/images/role-play-4.png"><img src="./public/images/role-play-4.png" width="150" alt="角色扮演回合 4" /></a></td> <td align="center"><a href="./public/images/role-play-5.png"><img src="./public/images/role-play-5.png" width="150" alt="角色扮演回合 5" /></a></td> </tr> <tr> <td align="center"><strong>场景</strong></td> <td align="center"><strong>您的开场白</strong></td> <td align="center"><strong>她回应</strong></td> <td align="center"><strong>继续下去</strong></td> <td align="center"><strong>低压力邀请</strong></td> </tr> </table> **反思** — 基于评分标准的每维度评估，评估您做得如何。 <p align="center"> <img src="./public/images/reflect.png" alt="反思阶段 — 每维度评估" width="320" /> </p> --- ## 架构  **关键思想：** 课程被一次性编写为**智能体技能**，并以两种方式使用 — 内部由辅导智能体（为了速度）使用，外部由任何 MCP 客户端通过**模型上下文协议**（为了重用和互操作性）使用。一个真实的来源，没有漂移。 ### 演示的课程概念 | 概念 | 位置 | 如何演示 | | :----------------------------- | :----------- | :------------------------------------------------------------------------------------------------------------------------------------------------------------- | | **智能体 / 多智能体系统** | 代码 | 具有确定性阶段路由的四个专业智能体组成的分阶段管道，以及一个执行知识路由（RAG）的 LLM 协调器来确定教练。 | | **MCP 服务器** | 代码 | `/api/mcp` 通过 MCP 为任何外部客户端公开 `list_social_topics` + `get_social_knowledge`（工具）和四个智能体（提示）。 | | **智能体技能** | 代码 | `skills/social-skills-coach/` 将课程打包为可加载的技能 — 所有知识的单一真实来源。 | | **安全功能** | 代码 | BYOK（您的 API 密钥保留在浏览器会话中，绝不存储在服务器端）+ 每个请求在 API 信任边界处使用 zod 验证。 | | **可部署性** | 文档/视频 | 部署在 Vercel 上；请复制下面的步骤。 | | **抗重力** | 视频 | 使用 Antigravity IDE + CLI 构建；在提交视频中显示。 | --- ## 功能 - **4 阶段辅导循环** — 分析器 → 教练 → 角色扮演 → 反思。 - **基于课程的建议** — 教练仅根据为您的情况检索的课程内容（RAG）提供建议，而不是通用提示。 - **智能体技能课程** — 社交技能知识一次性编写为可重用的技能，即唯一的真实来源。 - **MCP 服务器（自带模型）** — 四个智能体作为 MCP **提示**公开 + 知识工具，以便任何 MCP 客户端都可以运行整个教练并使用其自己的模型。作为一个 npm stdio 包发布，[`social-skills-coach-mcp`](https://www.npmjs.com/package/social-skills-coach-mcp)。 - **多模型** — 在 Xiaomi MiMo 和 DeepSeek 之间切换；演示密钥过期时自动故障转移。 - **附件** — 上传图像和文本文件（`.md`、`.txt`、`.csv`）供 AI 分析。 - **移动优先** — 设计用于在现场使用：有连接和演示页面，教练随时在您的口袋里。 - **暗色/亮色主题** — 减少眼部疲劳，对于光敏感非常重要。 --- ## 安全 在每个信任边界处强制执行 — 浏览器、API 和 MCP 服务器： <p align="center"> <img src="./public/images/settings-byok.png" alt="BYOK 设置 — 您的 API 密钥仅存在于此选项卡的会话内存中" width="320" /> </p> - **BYOK，绝不持久。** 您的 API 密钥通过 `Authorization: Bearer` 头部发送，并在内存中使用 — 绝不记录，绝不写入数据库。 - **仅限会话存储。** 浏览器将密钥 + 聊天记录保存在 `sessionStorage`（而非 `localStorage`）中，因此它们在选项卡关闭时被清除。 - **信任边界处的 zod 验证。** 每个 `/api/chat` 和 MCP 请求都使用 zod 解析；如果 JSON 或形状格式不正确，则拒绝（`400`）在任何模型到达之前，如果缺少密钥，则禁止（`401`）。 - **没有内部泄漏。** 错误仅在服务器端记录；客户端收到通用消息（`内部服务器错误`），从不包含堆栈跟踪或机密信息。 - **设计无状态。** 没有数据库，没有服务器端用户数据。 - **SonarQube 代码质量验证。** 所有评级：A（安全、可靠性、可维护性）。 --- ## 作为 MCP 服务器使用（自带模型） 整个辅导功能也是一个**独立的 MCP 服务器**，因此任何人都可以运行它并使用他们自己的模型。四个智能体作为 MCP **提示**公开 — 它们在**连接客户端的**模型上执行，因此服务器不需要 API 密钥并且自己不运行推理。这就是您可以插入比演示（廉价）的 MiMo/DeepSeek 更强大的模型的原因。 - **提示**（在您的模型上运行）：`analyze_situation` · `coach` · `roleplay` · `reflect` - **工具**（知识基础）：`list_social_topics` · `get_social_knowledge({ topics })` ### 选项 1 — stdio 上的 npm 包（推荐用于本地客户端） 发布为 [`social-skills-coach-mcp`](https://www.npmjs.com/package/social-skills-coach-mcp）。将其添加到客户端的 `mcp.json`（Claude Desktop、Cursor、Antigravity 等）： ```json { "mcpServers": { "social-skills-coach": { "command": "npx", "args": ["-y", "social-skills-coach-mcp"] } } } ``` 或交互式检查： ```bash npx @modelcontextprotocol/inspector npx -y social-skills-coach-mcp ``` ### 选项 2 —托管 HTTP（部署的应用） 相同的功能在 `POST <your-host>/api/mcp` 处提供（Streamable HTTP 传输）。针对正在运行的服务器进行快速烟雾测试： ```bash curl -s -X POST http://localhost:3000/api/mcp \ -H "Content-Type: application/json" \ -H "Accept: application/json, text/event-stream" \ -d '{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"get_social_knowledge","arguments":{"topics":["opening"]}}}' ``` 两种形式共享一个核心（`registerSocialSkillsMcp`）和一个课程源（智能体技能），因此它们永远不会漂移。 --- ## 存储库结构 ```text ├── skills/social-skills-coach/ # 智能体技能：课程（运行时产品知识，单一真实来源） ├── .agents/skills/ # Antigravity 智能体技能（开发时 AI 助手，如 karpathy/vercel） ├── packages/ │ └── social-skills-coach-mcp/ # 发布 npm stdio MCP 服务器（提示 + 工具） ├── .github/workflows/ # CI/CD（测试和 Vercel 部署） ├── __tests__/ │ ├── e2e/ # Playwright 端到端测试 │ └── units/ # Vitest 单元测试 ├── src/ │ ├── app/ │ │ ├── api/ │ │ │ ├── chat/route.ts # 辅导聊天：路由 + RAG 接地 + 流式传输 │ │ │ └── [transport]/route.ts # MCP 服务器（解析为 /api/mcp） │ │ ├── layout.tsx │ │ └── page.tsx # 主 UI 和聊天界面 │ ├── components/ # React 组件（ui/ from Base UI / shadcn） │ └── lib/ │ ├── agents/ # 阶段智能体 + 知识适配器 │ ├── knowledge/ # 加载器，读取智能体技能切片 │ ├── mcp/server-setup.ts # 共享 MCP 注册（工具 + 智能体提示） │ ├── orchestrator.ts # LLM 主题选择 + 接地（仅限服务器） │ ├── router.ts # 确定性阶段路由（客户端安全） │ ├── ai.ts # 提供者初始化（MiMo / DeepSeek） │ └── store.ts # Zustand 状态（历史记录，配置） ├── public/ │ └── images/ # 架构 PNG、封面、截图（README / 媒体库） ├── next.config.mjs # outputFileTracingIncludes 将技能 markdown 捆绑到 Vercel └── env.example # 环境变量模板 ``` --- ## 本地开发和测试 ### 1. 先决条件 - [Node.js](https://nodejs.org/)（v24 或最新 LTS） - [pnpm](https://pnpm.io/installation)（最新） ### 2. 安装 ```bash pnpm install ``` ### 3. 环境变量（可选 — 仅限“演示”模式） 应用默认为 **BYOK**：在设置对话框中粘贴您自己的 API 密钥，无需服务器配置。要使用内置的“演示（服务器密钥）”模式： ```bash cp env.example .env # 然后填写 MIMO_API_KEY + MIMO_API_BASE_URL 和/或 DEEPSEEK_API_KEY ``` ### 4. 运行 ```bash pnpm dev # 在 http://localhost:3000 启动开发服务器 pnpm test # 单元测试（Vitest） pnpm test:e2e # 端到端测试（Playwright） pnpm build # 生产构建（类型检查 + Next 构建） ``` --- ## 部署（Vercel） 应用部署到 Vercel，无需特殊配置： 1. 将 GitHub 仓库导入 Vercel。 2. （可选）在项目的环境变量中设置 `MIMO_API_KEY` + `MIMO_API_BASE_URL` / `DEEPSEEK_API_KEY` 以启用演示模式的生产环境。 BYOK 无需任何服务器密钥。 3. 部署。 `outputFileTracingIncludes` 设置在 `next.config.mjs` 中将 Agent Skill markdown 捆绑到服务器less 函数，因此 `/api/chat` 和 `/api/mcp` 都可以在运行时读取课程。 > **永远不要提交 API 密钥或密码。** 使用环境变量。 --- ## 技术栈 Next.js（App Router）· React · TypeScript（严格）· TailwindCSS · Vercel AI SDK · Zustand · Vitest + Playwright · pnpm · 部署到 Vercel。 --- ## 路线图 - 更多提供商：Anthropic、OpenAI、Google Gemini。 --- ## 免责声明 该项目是 [Kaggle AI Agents: Intensive Vibe Coding Capstone Project](https://www.kaggle.com/competitions/vibecoding-agents-capstone-project) 的概念验证（MVP），由 **Agents for Good** 团队参与，仅供感兴趣的方评审和研究使用。所有功能（包括但不限于演示、AI 智能体、技能和 MCP）**不能取代专业的持牌心理学家或帮助专业人士**，不能提供任何医疗治疗或咨询。 演示网站目前使用假名。 避免提及个人信息，如真实姓名、电话号码或地址； AI 可能出错并产生幻觉 — 所有建议仅供参考。 --- ## 许可证 [MIT](https://opensource.org/licenses/MIT)