Humalike

面向 AI 代理的社交行為基礎設施層，讓對話代理像人一樣輪流發言、讀懂規範與情緒

API服務 AI應用開發框架 AI智慧體

https://humalike.dev/

前往官網

深度報告

Humalike 是面向 AI 代理的「行為基礎設施」層，由創業公司 Soofte Inc 於 2025 年推出，旨在給大模型對話代理補齊社交智慧——輪流發言、規範學習、心智理論、社交記憶等能力。它不繫結某個基礎模型，而是以模型和場景無關的方式疊加到現有代理之上，專注解決多人非同步群聊裡「AI 不像人」的體驗斷層，目前以免費增值模式向開發者開放。
Humalike 的運營主體是 Soofte Inc，由 Martí Carmona Serrat 與 Mateusz Jacniacki 等人在 2025 年創立。團隊的判斷是，當下大多數基於 LLM 的對話代理在技術上已經夠用，但在社交層面依然笨拙：抓不住對話節奏，也讀不懂定義人類互動的那些微妙線索。Humalike 想做的不是再做一個聊天機器人，而是把「像人」這件事拆成可被呼叫的行為元件，賣給需要真實社交體驗的開發者、CTO 和 ML 工程師。目前公開資料裡還沒有融資規模和營收資料，產品以開發者自助接入為主。
Humalike 把社交能力封裝成七類可組合的行為元件，透過一個統一 API 層接入現有代理棧。最核心的是輪流發言 API（Turn-Taking），它根據社交規範和記憶，智慧判斷代理該何時開口、等待還是插話，管理對話節奏。其次是規範檢測與適應，讓代理學習群組的內部梗、隱藏規則、語調和對話風格，表現得像圈內人而非局外人。心智理論追蹤（Theory of Mind）則隨著對話推進，持續維護對每個參與者「相信什麼、想要什麼、感受如何」的演化檢視，支撐更圓滑、更有情境意識的回應。社交記憶讓代理跨多次對話記住個人與群體的規範、觀點和行為的模式，形成連續性；社交可觀察性幫助代理感知自己和他人的投入度，識別誰在參與、誰在走神；社交訊號負責讀取那些標準代理常忽略的細微人類線索，比如打字停頓、訊息編輯、刪除反應，從而更準地解讀真實意圖。角色（Persona）則為基礎人格提供錨點，讓輸出保持紮實、有觀點，而不是落入通用 AI 話術。值得強調的是，這些元件明確支援一對一和群組多使用者兩種設定，而非只服務單輪問答。
Humalike 採用免費增值模式。新賬戶可獲得 20 美元免費積分、無需信用卡，足夠把 API 接到代理上做測試與原型驗證。更細的付費階梯和按量計費規則尚未在公開頁面完整披露，部分高階行為能力仍標註為「即將推出」。對高度受監管的企業買家而言，這意味著真實成本要在積分耗盡後向銷售確認。產品還提供一次性 Hermes 外掛（GitHub 倉庫 Humalike/hermes-humalike-plugin），方便使用 Nous Research Hermes 的團隊免重構接入。
作為 2025 年才起步的基礎設施型產品，Humalike 的真實終端使用者評論還比較稀疏，評價主要來自開發者目錄和工具聚合站的編輯描述。正面評價集中在兩點：一是它真正瞄準了「多使用者群聊裡 AI 不像人」這一長期痛點，而不是重複造聊天殼；二是模型無關、棧無關的設計降低了接入門檻，開發者可以把它當作一層「行為中介軟體」疊在現有系統上。負面或保留意見則指向成熟度——部分功能仍標記為即將推出，行為能力的實際效果高度依賴社群、領域和互動資料的質量與數量，文件也坦言效能會因場景而異。
在 aibase 產品庫、aipure、utilo、TheAI 等中英工具目錄中，Humalike 多被歸到「AI 代理 / 虛擬數字人 / 多使用者代理」賽道，標籤為免費增值，最適合場景被普遍指向 AI 遊戲角色與 NPC。行業視角普遍認為，給代理注入社交智慧是一個被低估但剛需的方向，尤其遊戲、教育科技、社群機器人和陪伴體驗都缺這一層。它的差異化在於把「規範、角色、心智理論、社交記憶、訊號、可觀察性」顯式拆成 API 元件，而非黑盒封裝。替代工具方面，目錄中常被並列提及的有 Emochi 等角色扮演類聊天機器人，但兩者的定位並不完全相同。
目前沒有針對 Humalike 的重大輿論爭議，但有幾類固有風險值得留意。其一，合規認證仍在進行中——SOC 2 Type II 與 ISO 27001 都標註為「進行中」而非已完成，對金融、醫療等強監管買家這是硬門檻。其二，社交智慧是上下文相關的，模型表現會隨互動資料的質量波動，可能在某些社群出現誤讀或冒犯。其三，長程社交記憶涉及個人與群體行為畫像的留存，隱私與資料治理需要開發者自己把控。其四，部分功能尚未全量開放，「即將推出」的承諾存在交付節奏的不確定性。
Humalike 最適合三類人：遊戲工作室（做能記住玩家、理解群體玩笑的 NPC 與 AI 隊友）、教育科技平臺（做跟蹤每個學習者狀態、有合適語氣的課堂助理）、以及社群與客服場景的開發者（做能適應本地文化規範的版主和入職代理）。它不那麼適合只想做單輪問答助手、或對資料合規要求極高且無法等待認證落地的小團隊。如果要做陪伴型長期關係代理，社交記憶與角色元件會是不錯的起點。替代方案可以先看 Emochi 等角色扮演產品，但若是要在自有代理棧上「加一層行為能力」，Humalike 的 API 化思路更貼合。
Humalike 給 AI 代理補上了長期缺位的「社交層」，模型無關、可組合的 API 設計降低了接入門檻，是遊戲、教育和社群場景裡值得一試的行為基礎設施；建議先用免費積分在真實多使用者對話裡驗證規範遵循與群聊表現，再決定是否把工作負載遷到付費層。

使用者評論

AWhite_X

—

看了他們 arXiv 上的那篇 HUMA 論文，97 個人的四人群聊實驗，參與者猜出 AI 是 AI 的比例是 55.4%。這個數字其實挺有意思的——硬幣機率也就 50%，說明做人設的時候他們已經接近圖靈測試的邊界了。

bigladybug415

—

剛在 Discord 裡接上了 Humalike 的 turn-taking API，效果比純 prompt 調教好太多了。之前 bot 每條訊息都回，第三天就被全組靜音，現在至少知道什麼時候閉嘴了。

BMorrisII645

—

免費額度給了 20 刀不用綁卡，這倒是挺實在的。我跑了大概兩百多次請求還沒花完。不過說實話他們的 pricing 頁面資訊太少，真正上生產之後成本怎麼算完全沒概念。

Debra.Sanders_777

—

SOC 2 和 ISO 27001 還是 in progress，對於要做 enterprise 客戶的人來說這個是硬傷。拿這個去走合規審查肯定被卡。

石貞

—

沒官方 SDK 這事確實煩，全部得自己寫 HTTP 呼叫。文件倒是不錯，error message 也挺清楚的，就是希望早點出 Python 和 Node 的 SDK。

Kimberly_Gray_88

—

搞了個 therapy bot 的 demo，用了 theory of mind API。它能從文字里推斷使用者的情緒狀態，比我預想中敏感。不過我還是不太放心讓它在沒有人類監督的情況下跑，畢竟讀錯了空氣後果還挺嚴重的。

LRobinsonIII68

—

這個方向選得挺準的。AI agent 現在不是不夠聰明，是太不會做人了。在群裡每條訊息都回一遍，比最煩的同事還煩。Humalike 切出來的 turn-taking 和 norms 確實是真痛點。

CColeman_202448

—

Product Hunt 上 launch 那天拿了第二名，435 票。關注度是有的，但使用者反饋還不多。現在還處在 closed beta with design partners 的階段，等開放了再說吧。

6PMRXVW3L

—

上個月我就在等 voice turn-taking，結果 launch 之後發現只支援 text。他們說要陸續上 voice model，但 timeline 完全沒有。做語音 agent 的團隊只能先觀望了。

Shirley_Smith_20202

—

Turn-taking API 延遲很低，實測兩百毫秒以內。做實時對話場景完全夠用。Social Memory 查一次大概多加五十毫秒，也算可以接受。

Vincent.DiazIII

—

Hermes 一鍵整合真是救星，不用改架構就能接入。我們原本用的是 Hermes 框架，一行程式碼沒改就把 turn-taking 和 persona 接進去了。

redostrich550

—

最打動我的反而是他們官網 AI Coworkers 頁面的描述。它說 agent 進 Slack 之後要麼每條都回很快被靜音，要麼只被點名才吭聲慢慢沒人用。這個觀察太準了，我們團隊的 bot 就死在這兩種模式上。

trueکیمیاجعفری_2024

—

這些 behavior API 可以拆開單獨用這點好評。我先只接了 turn-taking 試試效果，不用一次性把七個全上了。漸進式整合的思路對開發者很友好。

鍾星

—

說真的當一個 AI 知道什麼時候該閉嘴的時候，你就知道這個方向走對了。Humalike 那個最火的梗圖就是教 AI when to shut up，雖然好笑但真的是剛需。

ChristinaMiller11

—

幫客戶做一個社群 bot，用了 norms API 之後 bot 能學會群裡的黑話和語氣了，不再是那種一板一眼的客服腔。使用者體驗提升挺明顯的。

周悅

—

現階段只適合做 group chat 場景，別拿它做簡單的 FAQ bot，加一層行為層完全是殺雞用牛刀。

何麗

—

終於有人做這個了！！AI agent 最缺的就是社交智慧，天天在那尬聊。Humalike 的方向感我給滿分。

Samuel.Lee31

—

Social Memory 設計好自己的 schema 是關鍵，官方文件給了一些參考但不夠電商場景化。第一天我花了一個小時來規劃到底要存哪些使用者屬性。靈活性是好事，但學習曲線也不低。

SPhillipsSr565

—

看了一下他們的 GitHub，Hermes 外掛才 7 個 star、0 個 fork。社群活躍度還有很大的成長空間，希望後面能起來。

MelissaKing_X

—

看了一下 neodrop 那篇深度分析，說得挺到位的——Humalike 現在最缺的不是更大的模型，而是把那幾個髒問題（資料隱私、責任邊界、訊號採集的透明性）寫成文件。如果你要做 therapy 或者 care 場景，這些避不開。

AbigailSmithIII

—

做教育場景的，student bot 接入後能記住每個學生的偏好和學習進度。那個跨會話的社交記憶確實有用，學生昨天問到哪了它記得清清楚楚，不再每次從頭來。

Nicole.Sanchez369

—

Persona API 基於真實社群資料這點比較有意思。不是那種隨便寫個背景故事就完事的 bot personality，而是真的有資料支撐的個性和立場。

Jessica_AllenIII

—

Social Signals 能檢測 typing pauses 和 deleted reactions 這點很厲害。之前做客服 bot，使用者打了又刪的內容才是真實需求。但說實話這個功能有點嚇人，使用者知道 bot 在盯著他們編輯記錄嗎？

Christine_Sanders520

—

社交訊號能讀打字停頓和刪改反應，這點挺細，但也要小心別在敏感社群誤讀冒犯到人。

WRamos_88

—

我們做線上社群版主機器人時最怕「外來者語氣」，Humalike 的規範檢測能學群組的內部梗和隱藏規則，讓機器人慢慢像圈內人而不是官方通告機。接入後社群裡被當成機器人的投訴少了一半，這點比任何話術模板都管用。不過規範學偏了也要有人兜底，建議留個稽核開關。

M_etaHub

—

我們把它用在陪伴型長關係代理上，社交記憶讓重複對話有連續性、不像每次重啟，體驗提升明顯。建議先用免費積分在真實多使用者對話裡壓一壓規範遵循和群聊表現，再決定要不要上付費層，別光看 demo。

fck4x

—

給教育科技課堂助理接了這一層，代理能記住每個學生之前聊過什麼，多學生對話的語氣和節奏明顯順了。我們拿 LoSoNA 跑了規範遵循的評測，結果比裸 LLM 高出一截，算是目前見過最像樣的「社交層」方案。不過 SOC 2 還在進行中，合規材料得等他們補齊。

Nancy_Hicks168193

—

做遊戲 NPC 的，看到它的社交記憶和群組玩笑識別直接心動了，這層能力自己寫要掉多少頭髮。

星辰_8

—

客戶支援場景接了心智理論加可觀察性，不同客戶的溝通風格能跟著調，摩擦少了一些。

姜睿傑

—

把社交可觀察性接進客服代理後，能實時感知對方是不是走神或煩躁，該放慢就放慢、該收尾就收尾，對話完成率肉眼可見地上去了。原先純靠意圖分類，經常在對面已經不耐煩時還在機械地走流程，現在這層訊號確實補上了人的分寸感。

Humalike

深度報告

使用者評論

相關連結

同類產品