今天对虚拟形象做了阶段动作关键词检测和一些页面优化。
从我个人历程来说，再次达到了阶段性最优。
每次完成这样一个目标，都会浪费些时间彳亍，不清楚下一步该做什么。
短期来看，可能有两件事是需要紧接着完成的。
1是手机和电脑端的历史记录同步。依靠mysql数据库能达成类似的效果。
2是历史记录检索的优化。虽然并不紧要，但随着历史记录越积越多，这个问题的弊端会越来越明显。
长期来说，也有两件事。
1是实现系统上的自动化。基于shell或者写成内核模块。
这件事本身和Alice并无本质关联，应该说这个想法被忙于Alice而忽略了。
但对AI性能依赖很严重，如果仅仅是写个框架，很难说能在实际应用上有多大改变。
2是对话的优化。这个概念很宽泛，但宽泛正是它的优点，我们能做各类的尝试，而几乎每次尝试都能带来喜悦的效果，代价是一点性能上的开销。
记个最近想过的。
- 为AI建立发言目标
这个发言目标当然也是AI自己生成。每次生成加入一个类似栈的容器，越晚加入，AI实现它的目的性越强。
而最早的目标，如果几轮对话始终没能实现，或是由于队列有限，就被挤出去遗忘。
对话过程中每次接收到用户消息，和回顾自己的发言都要生成目标，以供下一次发言使用。
但我不需要试验就知道，效果不会有多好的，这是由于表层的试验效果和深入到深度学习过程中是完全不同的。
所以更长远一点的目标是，训练自己的对话模型。
这个对话模型，只需要能够完成对话，然后在深度学习和训练中对它进行优化。
由于只针对对话体验，所需参数和消耗也许不会很大。
此方悬停