Yorishiro开源：macOS终端纯前端AI人格化沙盒，Three.js驱动Claude Code 3D角色实时反馈

Yorishiro开源上线：macOS终端里的纯前端AI人格化沙盒，用Three.js为Claude Code配上会动的“依代”

Yorishiro跑在macOS终端里，不连后端，不调远程模型。它用本地JavaScript（加WebGL）把Claude Code或本地Codex的推理结果，实时映射成一个3D动漫角色：眨眼、点头、思考时微微前倾、出错时抱头蹲下。它不是新模型，也不提升推理能力。目标很具体——缓解命令行AI交互的认知疲劳。你在zsh或bash里敲命令，终端里的角色同步反馈情绪和状态。所有逻辑在浏览器级Web Worker里跑完，零npm依赖，git clone && open index.html就能启动。

纯前端实现：Three.js + WebAssembly + 终端桥接

技术栈很轻：Three.js渲染（GLTF 2.0角色模型，带骨骼动画）、WebAssembly编译的轻量Codex tokenizer（支持本地token流解析），以及通过node-pty模拟的终端I/O桥接——只用于macOS，不依赖Node.js后端，实际由Electron封装的WebView托管。

关键在“状态驱动动画”：LLM输出的JSON元数据（比如{"mood": "thinking", "intensity": 0.7, "action": "nod"}）直接绑定到角色骨骼权重和材质着色器参数，绕过传统UI框架。整个包1.8MB，dist/目录没任何CDN引用，离线可用。

不是Agent，是“Presence Harness”

作者明确不用“AI Agent”这个词。Yorishiro不规划、不记忆、不调工具。它是“Presence Harness”（临在载具）：把抽象AI响应转成具身反馈的中间层。

比如Claude Code返回长段代码，角色切进“专注模式”（瞳孔收缩 + 手指悬停键盘动画）；输出含ERROR关键词，立刻触发“宕机循环”（屏幕泛红 + 帧率骤降 + 角色僵直）。这些反馈不改输出内容，但缩短了人对“黑盒响应”的判断延迟——内部A/B测试（n=27）显示，连续调试5个Prompt后，用户回溯错误原因的平均耗时下降34%。

开源即设计契约：零依赖与UI沙盒价值

MIT许可证代码库硬性约束三条红线：
① 所有动画状态必须由LLM输出的结构化字段驱动（禁止硬编码触发逻辑）；
② 角色动作限定在12个预定义BlendShape组合内，保证跨设备渲染一致；
③ 终端输入框和3D视图严格分离——输入走原生shell，渲染只是旁路反馈。

这种克制让它成了UI设计师验证“AI人格化交互协议”的理想沙盒：你可以换GLTF模型、改情绪映射表、甚至接入Llama.cpp的WebSocket流，但没法绕过“反馈必须能逆推回文本信号”这条契约。

龙虾生态中的轻量实验坐标

OpenClaw SDK已支持Yorishiro的presence.json协议扩展。开发者在openclaw-cli里加--yorishiro-ui标志，就能把本地OpenClaw Agent的输出自动喂给这个角色引擎。这不是深度集成，而是刻意松耦合——龙虾团队把它标为“实验性UI适配层”，不承诺维护SLA，但文档页yitb.com/openclaw/yorishiro-integration已开放。

意图很清晰：推动AI原生应用UI的模块化分层——推理归推理，人格化归人格化，终端体验归终端体验。

行动建议：别部署，去fork和破坏

Yorishiro的价值不在开箱即用，而在可破坏性。三类人可以马上动手：

• 终端工具爱好者：git clone https://github.com/yorishiro-org/yorishiro && npm run dev，改src/animation/mappings.ts里"error"对应的动作，看角色会不会崩出新动画；
• AI UI设计师：抄它的emotion-to-blendshape映射表，塞进自己Web端AI聊天界面；
• 教学者：用它讲“LLM输出结构化”的必要性——删掉输出里的{"mood":...}字段，角色立刻静止，学生一眼看懂信号契约。

真正的AI人格化，不会从更拟真的模型开始，而会从更诚实的接口设计开始。Yorishiro不做预言，只提供一块可踩、可摔、可重绘的试验田。