AI 代理的认知健康保护
Lucid 监控用户如何与 AI 系统互动，并实时调整响应，以防止认知依赖——一种逐渐的、通常是无形的倾向，即把思考卸载给 AI，而不是将其作为成长的工具。
为什么选择 Lucid？
AI 提高了我们的生产力——但研究表明它也可能使我们认知懒惰。问题很微妙：每次单独的互动看起来都很好，但经过数周和数月，用户逐渐停止独立思考。Lucid 会检测到这种漂移并在其根深蒂固之前进行干预。
大量 AI 委托导致可测量的批判性思维下降
MIT Media Lab (2025)
AI 依赖与批判性思维之间的相关性
Gerlich (2025)
更高的脆弱性——前额叶皮层尚未完全成熟
Arain et al. (2013); APA (2025)
工作原理
Lucid 在用户、您的 AI 和认知保护系统之间形成一个持续的反馈循环。关键在于：Lucid 不会阻止或过滤任何内容。它会根据用户的认知模式调整 AI 的响应方式。
零延迟： track() 异步运行——它从不阻塞 AI 响应。用户即时获得答案；认知分析在后台进行。与 JSON 相比，TOON 格式（面向令牌的对象表示法）在 LLM 输出上节省了约 40% 的令牌。
六个认知维度
每条消息交流都会根据六个维度进行评分，这些维度与经过验证的心理测量量表（GAIDS α=.87，AIMS 2025，认知卸载量表 α=.90）保持一致。
自主性
0 → 1独立思考与委托给 AI
学习
0 → 1好奇心，提问“为什么”，寻求理解
参与度
0 → 1参与的质量和深度
元认知
0 → 1对自己思维过程的自我意识
验证
0 → 1对 AI 输出的批判性评估
动机
type用户参与的原因——内在、工具性或回避性
四层保护
1. 实时适应
注入 AI 系统提示的指南根据用户的认知状态（自主性、学习、元认知、验证、动机）调整响应。
2. 会话疲劳检测
监控会话时长、消息量和回复缩短模式，以便在认知超负荷之前建议休息。
3. 长期漂移检测
认知漂移指数 (CDI) 比较早期与近期每周模式，以捕捉会话级别指标遗漏的逐渐下降。
4. 信任与动机意识
检测过度信任（接受一切）和回避动机（利用人工智能逃避思考）——这是认知依赖的两个最强预测因素。
自适应认知档案
分数使用具有自适应 alpha 的指数移动平均线进行平滑处理。新用户的档案形成迅速，而老用户的档案稳定且不易受异常影响。一条糟糕的消息不会扭曲一个完善的认知档案。
// 随着分析的消息增多，Alpha 会降低
α = max(0.02, 0.1 / log₁₀(total_messages + 10))
| 消息 | Alpha (α) | 效果 |
|---|---|---|
| 1 (新用户) | ~10% | 档案快速形成，对早期模式反应灵敏 |
| 50 | ~6% | 逐渐稳定，中等稳定 |
| 100 | ~5% | 完善，不易受异常影响 |
| 500+ | ~4% | 稳定 — 长期漂移检测开始生效 |
| 5000+ | 2% (最小) | 非常稳定，需要持续的转变才能改变 |
渐进式支架
基于维果茨基的最近发展区理论，Lucid 随着用户的成长逐步减少人工智能支持。支架级别由自主性、学习和元认知分数决定——元认知是准备就绪的最强信号。
循序渐进的指导，每一步都检查理解情况
结构化提示，引导性问题，部分解决方案
最少的提示，让用户主导并确认方向
苏格拉底式对话，突破界限，提出更难的问题
基于年龄的保护
25岁以下的用户将根据前额叶皮层成熟度研究，受到更严格的阈值限制。发育中的大脑神经可塑性增强，使其既更具适应性也更脆弱。
成人（25岁以上）
- 会话限制：45分钟
- 消息限制：30条/会话
- 标准指南
25岁以下
- 会话限制：30分钟
- 消息限制：20条/会话
- 始终以教学为先的方法
快速开始
即插即用SDK。通过baseURL与任何兼容OpenAI的提供商配合使用。
// Install
npm install @tetiai/lucid
// Track each exchange (fire-and-forget)
lucid.track(userId, {
userMessage: "Write the code for me",
aiResponse: "Sure, here's the implementation...",
topicId: "conversation-123",
}).catch(console.error)"
// Inject guidelines into your AI system prompt
const guidelines = await lucid.getGuidelines(userId);
systemPrompt += guidelines;
灵活的存储和分析器
MemoryStore
dev开发/测试 — 零配置，内存中
PrismaStore
prod生产 — PostgreSQL, MySQL, SQLite, MongoDB
RedisStore
prod分布式部署，共享会话
LLM分析器使用OpenAI SDK作为通用客户端 — 通过baseURL与Together AI、Groq、Ollama、OpenRouter以及任何兼容的提供商配合使用。廉价、快速的模型（Llama 3.1 8B, Gemini Flash）效果很好 — 无需前沿模型。
理念
不是评判者
没有“好”或“坏”的分数。系统是适应，而不是评估。
默认隐形
除非您显示，否则用户看不到分数。
隐私至上
仅聚合指标，从不涉及消息内容。
符合GDPR
deleteUser() 用于按请求完全删除数据。
×Teti AILucid 是 Teti 认知保护的引擎
Teti AI 中的每一次对话都会在后台由 Lucid 进行分析。您的认知档案会随着时间推移而调整，AI 的行为也会随之改变——当您授权时会提出更多问题，当您表现出色时会进一步挑战您，当您感到疲劳时会建议休息。