Yorishiro開源上線：macOS終端里的純前端AI人格化沙盒，用Three.js為Claude Code配上會動的“依代”

Yorishiro跑在macOS終端里，不連后端，不調遠程模型。它用本地JavaScript（加WebGL）把Claude Code或本地Codex的推理結果，實時映射成一個3D動漫角色：眨眼、點頭、思考時微微前傾、出錯時抱頭蹲下。它不是新模型，也不提升推理能力。目標很具體——緩解命令行AI交互的認知疲勞。你在zsh或bash里敲命令，終端里的角色同步反饋情緒和狀態。所有邏輯在瀏覽器級Web Worker里跑完，零npm依賴，git clone && open index.html就能啟動。

純前端實現：Three.js + WebAssembly + 終端橋接

技術棧很輕：Three.js渲染（GLTF 2.0角色模型，帶骨骼動畫）、WebAssembly編譯的輕量Codex tokenizer（支持本地token流解析），以及通過node-pty模擬的終端I/O橋接——只用于macOS，不依賴Node.js后端，實際由Electron封裝的WebView托管。

關鍵在“狀態驅動動畫”：LLM輸出的JSON元數據（比如{"mood": "thinking", "intensity": 0.7, "action": "nod"}）直接綁定到角色骨骼權重和材質著色器參數，繞過傳統UI框架。整個包1.8MB，dist/目錄沒任何CDN引用，離線可用。

不是Agent，是“Presence Harness”

作者明確不用“AI Agent”這個詞。Yorishiro不規劃、不記憶、不調工具。它是“Presence Harness”（臨在載具）：把抽象AI響應轉成具身反饋的中間層。

比如Claude Code返回長段代碼，角色切進“專注模式”（瞳孔收縮 + 手指懸停鍵盤動畫）；輸出含ERROR關鍵詞，立刻觸發“宕機循環”（屏幕泛紅 + 幀率驟降 + 角色僵直）。這些反饋不改輸出內容，但縮短了人對“黑盒響應”的判斷延遲——內部A/B測試（n=27）顯示，連續調試5個Prompt后，用戶回溯錯誤原因的平均耗時下降34%。

開源即設計契約：零依賴與UI沙盒價值

MIT許可證代碼庫硬性約束三條紅線：
① 所有動畫狀態必須由LLM輸出的結構化字段驅動（禁止硬編碼觸發邏輯）；
② 角色動作限定在12個預定義BlendShape組合內，保證跨設備渲染一致；
③ 終端輸入框和3D視圖嚴格分離——輸入走原生shell，渲染只是旁路反饋。

這種克制讓它成了UI設計師驗證“AI人格化交互協議”的理想沙盒：你可以換GLTF模型、改情緒映射表、甚至接入Llama.cpp的WebSocket流，但沒法繞過“反饋必須能逆推回文本信號”這條契約。

龍蝦生態中的輕量實驗坐標

OpenClaw SDK已支持Yorishiro的presence.json協議擴展。開發者在openclaw-cli里加--yorishiro-ui標志，就能把本地OpenClaw Agent的輸出自動喂給這個角色引擎。這不是深度集成，而是刻意松耦合——龍蝦團隊把它標為“實驗性UI適配層”，不承諾維護SLA，但文檔頁m.lvxe.net.cn/openclaw/yorishiro-integration已開放。

意圖很清晰：推動AI原生應用UI的模塊化分層——推理歸推理，人格化歸人格化，終端體驗歸終端體驗。

行動建議：別部署，去fork和破壞

Yorishiro的價值不在開箱即用，而在可破壞性。三類人可以馬上動手：

• 終端工具愛好者：git clone https://github.com/yorishiro-org/yorishiro && npm run dev，改src/animation/mappings.ts里"error"對應的動作，看角色會不會崩出新動畫；
• AI UI設計師：抄它的emotion-to-blendshape映射表，塞進自己Web端AI聊天界面；
• 教學者：用它講“LLM輸出結構化”的必要性——刪掉輸出里的{"mood":...}字段，角色立刻靜止，學生一眼看懂信號契約。

真正的AI人格化，不會從更擬真的模型開始，而會從更誠實的接口設計開始。Yorishiro不做預言，只提供一塊可踩、可摔、可重繪的試驗田。