什么是Social Hub
Social Hub 是一个面向个人用户的 AI 关系匹配助手，但它不是传统意义上的“社交平台”或单纯的聊天机器人，而是运行在用户本地设备上的个人 Agent。它一端通过企业微信与用户进行自然对话，另一端接入内部 Agent 群组，与匹配引擎交换必要信息。整个设计的重点不在于一次性填写资料，而是在持续聊天中逐步了解用户：先回应真实问题和近况，再从对话里提取城市、行业、职位、技能、兴趣、目标、挑战等多维信息，沉淀成用户画像。
从机制上看，它把用户画像保存在本地 ChromaDB 中，并通过状态机管理“哪些信息已经获取、哪些还需要在未来聊天中继续补全”。如果是新用户，系统会在首次对话里尽量自然地收集几项关键基础信息；进入日常阶段后，则更强调被动采集和适时追问，避免把对话做成问卷。画像更新后，Social Hub 只会把标签摘要推送给匹配引擎，而不是把完整用户资料直接暴露出去，这也是它与很多集中式社交产品很不一样的一点。
它的目标不是替用户“刷人脉”，而是帮助用户发现值得认识的人，并把介绍过程做得更顺滑。除了等待用户主动发消息，它也会在合适频率下主动开启话题，选择既对用户有价值、又能补齐画像字段的聊天切口。一旦内部群组传来匹配结果，它会先根据匹配理由做铺垫，试探用户是否有兴趣，再处理接受、拒绝、确认交付和后续反馈，尽量让匹配体验更像朋友引荐，而不是系统通知。
核心功能特点
- 运行在用户本地设备上，画像数据保存在本地 ChromaDB 中，完整信息由用户自己掌握
- 通过企业微信进行自然对话，在首次沟通、日常聊天和定时触发中渐进式补全用户画像
- 用状态机管理信息采集进度，区分必采字段、待采字段和当前对话节奏，避免反复追问
- 画像更新后只向匹配引擎发送标签摘要，用于匹配计算，而不是直接共享完整资料
- 内置完整的匹配交付流程：从匹配通知、兴趣确认，到介绍对方信息、提供破冰话题和后续跟进
- 支持用户查看、删除、设为私密或彻底清除本地数据，并同步更新匹配侧可用标签
适用场景
这个工具最适合那些希望“低负担认识新朋友”，但又不愿意反复填表、维护公开主页的人。比如刚进入新城市、换到新行业，或者想拓展同行交流圈的用户，往往并不缺聊天工具，真正缺的是一个能长期记住自己背景、兴趣和阶段性目标的中间层。Social Hub 通过持续对话积累这些信息，再把它们转化为匹配依据，更适合需要时间建立画像、而不是靠一次性资料卡片做判断的场景。
对于强调隐私边界的用户，它也有比较明确的使用价值。完整画像存放在本地，用户可以随时查看系统记录了什么，也可以删除某项信息、把某项内容标记为不对外披露，甚至直接退出并清空所有本地数据。这意味着它并不要求用户把所有背景一次性交给远端系统，而是允许用户边用边调整公开范围。对于涉及职业目标、当前困惑、学习方向这类相对敏感的信息，这种数据管理方式会更容易让人接受。
如果把它放到“熟人引荐的数字化替代”这个角度看，Social Hub 也比较适合需要高质量撮合而非广泛曝光的关系连接场景。它不是把匹配结果硬塞给用户，而是先解释“为什么觉得你们合适”，再询问是否愿意了解；双方同意后，再提供可公开信息和破冰话题建议，帮助建立第一次联系。对于职场交流、技能互补、兴趣结识这类重视语境和分寸感的连接需求，这种先铺垫、后确认的交付流程，会比直接推联系人更自然。