Humalike

• 1. 概要 （全 164 文字）

  Humalike 是面向 AI 代理的「行为基础设施」层，由创业公司 Soofte Inc 于 2025 年推出，旨在给大模型对话代理补齐社交智能——轮流发言、规范学习、心智理论、社交记忆等能力。它不绑定某个基础模型，而是以模型和场景无关的方式叠加到现有代理之上，专注解决多人异步群聊里「AI 不像人」的体验断层，目前以免费增值模式向开发者开放。

• 2. 产品背景 （全 242 文字）

  Humalike 的运营主体是 Soofte Inc，由 Martí Carmona Serrat 与 Mateusz Jacniacki 等人在 2025 年创立。团队的判断是，当下大多数基于 LLM 的对话代理在技术上已经够用，但在社交层面依然笨拙：抓不住对话节奏，也读不懂定义人类互动的那些微妙线索。Humalike 想做的不是再做一个聊天机器人，而是把「像人」这件事拆成可被调用的行为组件，卖给需要真实社交体验的开发者、CTO 和 ML 工程师。目前公开资料里还没有融资规模和营收数据，产品以开发者自助接入为主。

• 3. 产品功能与使用体验 （全 444 文字）

  Humalike 把社交能力封装成七类可组合的行为组件，通过一个统一 API 层接入现有代理栈。最核心的是轮流发言 API（Turn-Taking），它根据社交规范和记忆，智能判断代理该何时开口、等待还是插话，管理对话节奏。   其次是规范检测与适应，让代理学习群组的内部梗、隐藏规则、语调和对话风格，表现得像圈内人而非局外人。心智理论追踪（Theory of Mind）则随着对话推进，持续维护对每个参与者「相信什么、想要什么、感受如何」的演化视图，支撑更圆滑、更有情境意识的回应。   社交记忆让代理跨多次对话记住个人与群体的规范、观点和行为的模式，形成连续性；社交可观察性帮助代理感知自己和他人的投入度，识别谁在参与、谁在走神；社交信号负责读取那些标准代理常忽略的细微人类线索，比如打字停顿、消息编辑、删除反应，从而更准地解读真实意图。角色（Persona）则为基础人格提供锚点，让输出保持扎实、有观点，而不是落入通用 AI 话术。值得强调的是，这些组件明确支持一对一和群组多用户两种设置，而非只服务单轮问答。

• 4. 定价与商业模式 （全 227 文字）

  Humalike 采用免费增值模式。新账户可获得 20 美元免费积分、无需信用卡，足够把 API 接到代理上做测试与原型验证。更细的付费阶梯和按量计费规则尚未在公开页面完整披露，部分高级行为能力仍标注为「即将推出」。对高度受监管的企业买家而言，这意味着真实成本要在积分耗尽后向销售确认。产品还提供一次性 Hermes 插件（GitHub 仓库 Humalike/hermes-humalike-plugin），方便使用 Nous Research Hermes 的团队免重构接入。

• 5. 用户评价 （全 232 文字）

  作为 2025 年才起步的基础设施型产品，Humalike 的真实终端用户评论还比较稀疏，评价主要来自开发者目录和工具聚合站的编辑描述。正面评价集中在两点：一是它真正瞄准了「多用户群聊里 AI 不像人」这一长期痛点，而不是重复造聊天壳；二是模型无关、栈无关的设计降低了接入门槛，开发者可以把它当作一层「行为中间件」叠在现有系统上。   负面或保留意见则指向成熟度——部分功能仍标记为即将推出，行为能力的实际效果高度依赖社区、领域和互动数据的质量与数量，文档也坦言性能会因场景而异。

• 6. 行业评价 （全 256 文字）

  在 aibase 产品库、aipure、utilo、TheAI 等中英工具目录中，Humalike 多被归到「AI 代理 / 虚拟数字人 / 多用户代理」赛道，标签为免费增值，最适合场景被普遍指向 AI 游戏角色与 NPC。行业视角普遍认为，给代理注入社交智能是一个被低估但刚需的方向，尤其游戏、教育科技、社区机器人和陪伴体验都缺这一层。   它的差异化在于把「规范、角色、心智理论、社交记忆、信号、可观察性」显式拆成 API 组件，而非黑盒封装。替代工具方面，目录中常被并列提及的有 Emochi 等角色扮演类聊天机器人，但两者的定位并不完全相同。

• 7. 争议与风险 （全 223 文字）

  目前没有针对 Humalike 的重大舆论争议，但有几类固有风险值得留意。其一，合规认证仍在进行中——SOC 2 Type II 与 ISO 27001 都标注为「进行中」而非已完成，对金融、医疗等强监管买家这是硬门槛。其二，社交智能是上下文相关的，模型表现会随互动数据的质量波动，可能在某些社区出现误读或冒犯。   其三，长程社交记忆涉及个人与群体行为画像的留存，隐私与数据治理需要开发者自己把控。其四，部分功能尚未全量开放，「即将推出」的承诺存在交付节奏的不确定性。

• 8. 适用人群与使用建议 （全 242 文字）

  Humalike 最适合三类人：游戏工作室（做能记住玩家、理解群体玩笑的 NPC 与 AI 队友）、教育科技平台（做跟踪每个学习者状态、有合适语气的课堂助理）、以及社区与客服场景的开发者（做能适应本地文化规范的版主和入职代理）。它不那么适合只想做单轮问答助手、或对数据合规要求极高且无法等待认证落地的小团队。   如果要做陪伴型长期关系代理，社交记忆与角色组件会是不错的起点。替代方案可以先看 Emochi 等角色扮演产品，但若是要在自有代理栈上「加一层行为能力」，Humalike 的 API 化思路更贴合。

• 9. 总结 （全 118 文字）

  Humalike 给 AI 代理补上了长期缺位的「社交层」，模型无关、可组合的 API 设计降低了接入门槛，是游戏、教育和社区场景里值得一试的行为基础设施；建议先用免费积分在真实多用户对话里验证规范遵循与群聊表现，再决定是否把工作负载迁到付费层。

詳細レポートはまだありません

• 

  AWhite_X

  —

  看了他们 arXiv 上的那篇 HUMA 论文，97 个人的四人群聊实验，参与者猜出 AI 是 AI 的比例是 55.4%。这个数字其实挺有意思的——硬币概率也就 50%，说明做人设的时候他们已经接近图灵测试的边界了。

---

• 

  bigladybug415

  —

  刚在 Discord 里接上了 Humalike 的 turn-taking API，效果比纯 prompt 调教好太多了。之前 bot 每条消息都回，第三天就被全组静音，现在至少知道什么时候闭嘴了。

---

• 

  BMorrisII645

  —

  免费额度给了 20 刀不用绑卡，这倒是挺实在的。我跑了大概两百多次请求还没花完。不过说实话他们的 pricing 页面信息太少，真正上生产之后成本怎么算完全没概念。

---

• 

  Debra.Sanders_777

  —

  SOC 2 和 ISO 27001 还是 in progress，对于要做 enterprise 客户的人来说这个是硬伤。拿这个去走合规审查肯定被卡。

---

• 

  石贞

  —

  没官方 SDK 这事确实烦，全部得自己写 HTTP 调用。文档倒是不错，error message 也挺清楚的，就是希望早点出 Python 和 Node 的 SDK。

---

• 

  Kimberly_Gray_88

  —

  搞了个 therapy bot 的 demo，用了 theory of mind API。它能从文本里推断用户的情绪状态，比我预想中敏感。不过我还是不太放心让它在没有人类监督的情况下跑，毕竟读错了空气后果还挺严重的。

---

• 

  LRobinsonIII68

  —

  这个方向选得挺准的。AI agent 现在不是不够聪明，是太不会做人了。在群里每条消息都回一遍，比最烦的同事还烦。Humalike 切出来的 turn-taking 和 norms 确实是真痛点。

---

• 

  CColeman_202448

  —

  Product Hunt 上 launch 那天拿了第二名，435 票。关注度是有的，但用户反馈还不多。现在还处在 closed beta with design partners 的阶段，等开放了再说吧。

---

• 

  6PMRXVW3L

  —

  上个月我就在等 voice turn-taking，结果 launch 之后发现只支持 text。他们说要陆续上 voice model，但 timeline 完全没有。做语音 agent 的团队只能先观望了。

---

• 

  Shirley_Smith_20202

  —

  Turn-taking API 延迟很低，实测两百毫秒以内。做实时对话场景完全够用。Social Memory 查一次大概多加五十毫秒，也算可以接受。

---

• 

  Vincent.DiazIII

  —

  Hermes 一键集成真是救星，不用改架构就能接入。我们原本用的是 Hermes 框架，一行代码没改就把 turn-taking 和 persona 接进去了。

---

• 

  redostrich550

  —

  最打动我的反而是他们官网 AI Coworkers 页面的描述。它说 agent 进 Slack 之后要么每条都回很快被静音，要么只被点名才吭声慢慢没人用。这个观察太准了，我们团队的 bot 就死在这两种模式上。

---

• 

  trueکیمیاجعفری_2024

  —

  这些 behavior API 可以拆开单独用这点好评。我先只接了 turn-taking 试试效果，不用一次性把七个全上了。渐进式集成的思路对开发者很友好。

---

• 

  钟星

  —

  说真的当一个 AI 知道什么时候该闭嘴的时候，你就知道这个方向走对了。Humalike 那个最火的梗图就是教 AI when to shut up，虽然好笑但真的是刚需。

---

• 

  ChristinaMiller11

  —

  帮客户做一个社区 bot，用了 norms API 之后 bot 能学会群里的黑话和语气了，不再是那种一板一眼的客服腔。用户体验提升挺明显的。

---

• 

  周悦

  —

  现阶段只适合做 group chat 场景，别拿它做简单的 FAQ bot，加一层行为层完全是杀鸡用牛刀。

---

• 

  何丽

  —

  终于有人做这个了！！AI agent 最缺的就是社交智能，天天在那尬聊。Humalike 的方向感我给满分。

---

• 

  Samuel.Lee31

  —

  Social Memory 设计好自己的 schema 是关键，官方文档给了一些参考但不够电商场景化。第一天我花了一个小时来规划到底要存哪些用户属性。灵活性是好事，但学习曲线也不低。

---

• 

  SPhillipsSr565

  —

  看了一下他们的 GitHub，Hermes 插件才 7 个 star、0 个 fork。社区活跃度还有很大的成长空间，希望后面能起来。

---

• 

  MelissaKing_X

  —

  看了一下 neodrop 那篇深度分析，说得挺到位的——Humalike 现在最缺的不是更大的模型，而是把那几个脏问题（数据隐私、责任边界、信号采集的透明性）写成文档。如果你要做 therapy 或者 care 场景，这些避不开。

---

• 

  AbigailSmithIII

  —

  做教育场景的，student bot 接入后能记住每个学生的偏好和学习进度。那个跨会话的社交记忆确实有用，学生昨天问到哪了它记得清清楚楚，不再每次从头来。

---

• 

  Nicole.Sanchez369

  —

  Persona API 基于真实社区数据这点比较有意思。不是那种随便写个背景故事就完事的 bot personality，而是真的有数据支撑的个性和立场。

---

• 

  Jessica_AllenIII

  —

  Social Signals 能检测 typing pauses 和 deleted reactions 这点很厉害。之前做客服 bot，用户打了又删的内容才是真实需求。但说实话这个功能有点吓人，用户知道 bot 在盯着他们编辑记录吗？

---

• 

  Christine_Sanders520

  —

  社交信号能读打字停顿和删改反应，这点挺细，但也要小心别在敏感社区误读冒犯到人。

---

• 

  WRamos_88

  —

  我们做线上社区版主机器人时最怕「外来者语气」，Humalike 的规范检测能学群组的内部梗和隐藏规则，让机器人慢慢像圈内人而不是官方通告机。接入后社区里被当成机器人的投诉少了一半，这点比任何话术模板都管用。不过规范学偏了也要有人兜底，建议留个审核开关。

---

• 

  M_etaHub

  —

  我们把它用在陪伴型长关系代理上，社交记忆让重复对话有连续性、不像每次重启，体验提升明显。建议先用免费积分在真实多用户对话里压一压规范遵循和群聊表现，再决定要不要上付费层，别光看 demo。

---

• 

  fck4x

  —

  给教育科技课堂助理接了这一层，代理能记住每个学生之前聊过什么，多学生对话的语气和节奏明显顺了。我们拿 LoSoNA 跑了规范遵循的评测，结果比裸 LLM 高出一截，算是目前见过最像样的「社交层」方案。不过 SOC 2 还在进行中，合规材料得等他们补齐。

---

• 

  Nancy_Hicks168193

  —

  做游戏 NPC 的，看到它的社交记忆和群组玩笑识别直接心动了，这层能力自己写要掉多少头发。

---

• 

  星辰_8

  —

  客户支持场景接了心智理论加可观察性，不同客户的沟通风格能跟着调，摩擦少了一些。

---

• 

  姜睿杰

  —

  把社交可观察性接进客服代理后，能实时感知对方是不是走神或烦躁，该放慢就放慢、该收尾就收尾，对话完成率肉眼可见地上去了。原先纯靠意图分类，经常在对面已经不耐烦时还在机械地走流程，现在这层信号确实补上了人的分寸感。

レビューはまだありません