Humalike

面向 AI 代理的社交行为基础设施层，让对话代理像人一样轮流发言、读懂规范与情绪

API服务 AI应用开发框架 AI智能体

https://humalike.dev/

前往官网

深度报告

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。
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。
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。
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。
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。
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。
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。
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。
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。

用户评论

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。

黄梅

—

说实话，心智理论追踪在长对话里确实让回复更接得住话茬，但依赖互动数据质量，冷启动群效果一般。

Matthew.MorrisZ556

—

团队群聊协调这个用例我们实测了一周，代理能记住每个人的偏好和之前的承诺，到点主动提醒，不像普通助理只会被动应答。最惊喜的是它插话的时机，基本踩在冷场之前而不是抢话，多用户体验一下就上来了。等付费价目表出来再决定扩量。

Carolyn_Peterson8

—

部分功能还标着即将推出，成熟度要打个折扣，但方向是对的，先占个坑。

OwenKrause_dev

—

免费 20 美元积分够跑通 demo，先用群聊场景试了下轮流发言，节奏比我们之前手写的状态机自然。

jEAN386

—

模型无关这点很关键，我们已经绑死在自家 LLM 上了，能当中间件叠一层行为组件比换底座现实太多。

程磊

—

文档把规范、角色、信号这些拆成 API 组件，比那种黑盒人格包透明，做社区机器人版主正合适。

Jason_RiveraZ

—

定价还看不太清，积分用完后怎么计费没写明白，企业采购前得先问销售。

JacobSmith_994

—

Hermes 插件一次性接进去就能用，对 Nous 系代理基本零改造，省事。

AHallSr_902

—

对比 Emochi 那种角色扮演壳，Humalike 更像是给开发者用的能力层，定位不一样，别混为一谈。

Humalike

深度报告

用户评论

相关链接

同类产品