一、从一次犹豫说起：如愿要解决的真实场景

我们都有过这样的时刻：下班了该吃哪家、方案 A 还是 B、酒桌上该不该喊这一个点、考试前想求个心安……这些事本身不大，却总在犹豫里消耗情绪。

有意思的是，古人早就给了答案——掷杯、抛钱、掷骰、投壶。这些流传千年的占卜与祈愿方式，本质都是同一件事：把难以抉择的事，交给一次随机的抛掷，再用"神明应允"或"所问可行"给心里一个郑重的交代。 我们管这叫"一掷定乾坤"的仪式感。

「如愿」想做的，就是把这套民俗仪式搬进 Rokid AR 眼镜，做成一个随身、可感、零门槛的 AIUI 智能体。它不替你做决定，它只是让"犹豫"这件事，拥有一次郑重的出口。围绕它，我梳理出三类真实场景：

• 决策犹豫：选餐厅、定方案、做选择时，把纠结交给一次随机抛掷（圣杯 / 抛硬币）。

• 聚会娱乐：酒桌喊点、派对破冰，摇骰子算总点、投壶比准头，气氛瞬间拉满（摇骰子 / 投壶）。

• 祈愿仪式：考试、远行、许愿前，来一次郑重的一掷，安放一份心意（四款皆可）。

这三类场景的共同点是：用户要的不是答案，而是一个被界面"接住"的动作意图，和一次有仪式感的回应。而这，恰恰是 AIUI 最该发力的地方——让 AI 理解场景，让界面响应意图。

二、交互设计：卡片承载选择，沉浸承载仪式

做 AIUI 很容易滑向两个极端：要么堆满按钮像传统 App，要么全靠语音像通用助手。「如愿」选了第三条路——对话卡片 + 沉浸式 AIUI 的结合，这也是它在"界面响应意图"上最关键的设计取舍。

卡片层负责"选择与反馈"。 首页用 2×2 的极简卡片网格陈列四大功能（圣杯 / 抛硬币 / 摇骰子 / 投壶），每张卡片只放一个器物图标、一个名字和一句玩法提示，像在递给你四件法器。进入任一游戏后，结果页又是一张结构化"反馈卡片"：中部是大字结果（圣杯 / 反面 / 总点 23），下方是次数与操作提示。卡片的意义在于——让用户在不被打扰的前提下，一眼读懂"现在能做什么、刚才发生了什么"，这正是对话式 UI 的精髓：用最少的元素，完成最清晰的意图确认。

沉浸层负责"仪式与在场"。 一旦开始游戏，界面退化为整屏的单色绿终端视觉（448×290 的终端质感，黑底绿字、霓虹发光），没有任何多余菜单。配合 Rokid 眼镜的镜腿触摸与头部传感器，日常动作被升格为郑重仪式：

• 前滑 / 后滑切换功能，单击进入，双击退出；

• 圣杯 / 抛硬币 / 摇骰子支持"摇头或单击"主动作；

• 投壶则用"抬头蓄力、低头投出"，把身体动作直接变成游戏机制。

最关键的，是一套统一的返回模型：双击＝返回首页，首页双击＝退出智能体，五页一致。它让"怎么回去"这件事在用户脑子里只存一条规则，真正做到了零学习成本——戴上即用，不用记任何唤醒词，也不用在菜单层级里迷路。

三、开发上线历程：在 AIUI 上把"小交互"做到位

「如愿」从原型到上架，核心底座是 Rokid AIUI 的 .ink 声明式框架：一个单文件组件就能承载页面与生命周期，画面由 Canvas 2D 即时绘制。我在 AIUI 的 Craft 工作台里搭骨架，把"输入与传感器""音效引擎"作为横向能力接入，彼此解耦——界面只管画和响应，传感器只管感知，音效只管播放，谁也不绑架谁。这种"能力即 API"的接入方式，让后续扩展新玩法时几乎零成本。

但真正让产品立住的，是上线前在真实眼镜上联调出来的三个"小坑"：

1.滑动被识别成多次切换。 一次滑动常常触发好几页乱跳。解法是在手势处理里引入一个"静默窗口"——只有越过这段安静期，才认定是一次新滑动，把连发的键值合并成一次意图。一个经验值：静默窗口定在约 350 毫秒时，手感最跟手。

2.双击语义混乱。 早期子页面双击会直接退出应用，用户一脸懵。我把返回模型统一成"双击＝回首页、首页双击＝退出"，全页一致，规则只教一遍。

3.返回键误关智能体。 系统返回键默认在抬起时就关闭智能体，体验很脆。我在按键抬起的逻辑里提前拦截默认行为，只在首页才放行退出——让"退出"成为用户明确的选择，而不是系统的意外。

除了手势，传感器算法是另一块硬骨头。加速度计检测"摇头"靠的是旋转角速度累计；投壶的"抬头 / 低头"则用重力方向轴锁定，跟佩戴姿态无关——大约 5.7° 锁定轴向、2.6 rad/s 判定那一下"猛地低头投出"。再叠加噪声过滤与阈值自愈标定，识别在抖动环境下也能稳住。音效引擎则做了三级降级链（Sound → AudioPlayer 的 ogg 失败换 mp3 → 兼容层 → 振动兜底），12 个音效预加载，确保任何环境都"永不静默"。

// ==================== 摇头检测 ====================
const SHAKE_THRESHOLD = 5.5
const SHAKE_REFRACTORY = 150
const SHAKE_WINDOW = 1500
const SHAKE_MIN_BEATS = 3
const SENSOR_TIMEOUT = 1500

回头看，这段历程最大的体会是：AIUI 的难，不在画得多炫，而在把"意图—动作—反馈"这条链路在真机上磨到顺滑。 没有真机联调与反复调试，这些手感问题是永远发现不了的——它们只会在用户第一次戴上眼镜时，冷冰冰地暴露出来。

四、意图理解与持续反馈：让界面真正"懂"你

这次征文的主题是"让 AI 理解场景，让界面响应意图"。在「如愿」里，我没有走"语音语义理解"的路线，而是把意图理解重新定义为"动作即意图"：

• 你摇头，意图就是"掷"；

• 你双击，意图就是"回去"；

• 你抬头再猛地低头，意图就是"投出这一箭"。

界面不需要听懂一句话，它只需要读懂你身体给出的那一下动作，并立刻给出对应的沉浸式回应。对弱网、无麦克风、需要静默的场景（比如考场、会议室、深夜卧室），这种纯动作交互反而比语音更可靠——它把"理解"从云端语义，下沉到了端的感知与响应。

而"响应意图"之后的持续反馈，是让仪式感成立的最后一环。我搭了一套多模态即时反馈闭环：

• 视觉：单色绿发光与即时动画，让"掷"的过程看得见；

• 听觉：音效引擎与手势同步触发，从头重放，强化操作因果；

• 触觉：振动兜底，即使音效链路断了，手感还在。

更隐蔽的持续反馈，藏在传感器里——噪声过滤与自愈标定意味着，识别不是一次性的，它会随使用持续校准，越用越稳。这套机制让"界面理解意图"从静态能力，变成了界面与用户之间不断磨合的动态调整关系。

五、给开发者的复用价值

如果「如愿」能留下点什么，我希望是几块能直接搬走的"积木"：

• 单文件 .ink 组件范式：页面、生命周期、绘制收在一个文件里，易维护、易上架，是小团队做 AIUI 的低成本起点。

• 可复用的交互三件套：手势静默合并、统一返回模型、返回键拦截。这三个小机制几乎适用于任何沉浸式 AIUI，能提前规避一大类"手感翻车"。

• 可复用的能力接入模式：把传感器、音效当作横向解耦的能力（API）接入，界面与能力互不打扰，扩展新玩法时只加不改。

• 可复用的算法与兜底：摇头检测、重力轴锁定、音效三级降级链——这些"弱网 / 无麦 / 抖动"场景下的稳健方案，是 AIUI 落地的通用护城河。

• 一套设计心法：让科技退到幕后，让仪式走到台前；零唤醒、零菜单、零门槛。先把一个真实小场景的"界面响应意图"做到极致，比做一个什么都能做却什么都不顺手的助手更有价值。

结语

「如愿」没有试图成为另一个什么都能聊的语音助手。它只做一件事：在你犹豫的时候，替你把那一下"掷"交给界面，再用一次郑重的回应，把心意安放好。

这大概就是 AIUI 最迷人的样子——不是更聪明的脑子，而是更懂场景、更会响应意图的界面。 一掷随心，万事如愿。