融合心理学理论与 AI 工程，构建可计算的需求理解体系
以马斯洛需求层次理论为核心，将人类需求解构为 12 个可量化维度：生理需求、安全需求、归属需求、尊重需求、认知需求、审美需求、自我实现、超越需求、自由需求、秩序需求、权力需求和情感需求。每个维度都有独立的权重系数与层级压制关系。
意图门控过滤无关信号，基础势能公式计算原始需求强度，注意力耦合引入 12x12 关联矩阵强化相关维度，最终排序输出 Top-K 需求向量。每一步都是透明可解释的数学运算，而非黑盒。
DPU (Demand Processing Unit) 作为需求理解专用引擎，负责精确的维度计算与势能排序；LLM 提供自然语言理解与深度语义推理。两者通过 LangGraph 工作流协同，实现 1+1>2 的分析能力。
同一文本同时经过关键词匹配、DPU 引擎分析、LLM+DPU 完整版三种管线处理，直观展示不同方法对需求理解的差异。让用户清晰看到 AI 理解能力从规则到语义到深度推理的进化路径。
五大功能模块，覆盖从需求理解到社交信号分析的完整链路
输入任意中文文本，同时展示关键词匹配、DPU 引擎分析、LLM+DPU 完整版三种分析结果，直观对比 AI 理解能力的差异。内置 4 个差异演示预设：否定词陷阱（"我不是不想去"）、口语化情绪（"今天真是太绝了"）、表面说没事（"没事，挺好的"）、孤独的晚餐（独自吃完一整份外卖）。每个预设都精心设计，用以展示传统方法在情感理解上的盲区与 DPU 引擎的优势。
交互式人格对话沙盘。选择预设人格（如 Luna - 温暖治愈型、Kai - 理性分析型、Nova - 社交蝴蝶型等）或创建自定义人格，设定 12 维需求偏好与性格参数。实时对话并观察 DPU 引擎的 12 维雷达图、路径追踪、层级压制分析，每句话的需求变化都被实时可视化呈现。支持导出对话分析报告。
完整展示 4 步势能计算公式：Step 1 意图门控（通过意图检测过滤无关维度）、Step 2 基础势能（计算每个维度的原始需求强度）、Step 3 注意力耦合（引入 12x12 关联矩阵，强化相关维度的权重）、Step 4 最终排序（结合层级压制系数，输出 Top-K 需求向量）。所有公式、系数和中间结果都完全透明展示。
从聊天记录中提取多个角色，分析每个角色的需求分布、情绪底色和社交策略。支持截图提取对话文本，一键生成动机分析报告。洞察每个角色在对话中的真实需求驱动，揭示社交互动中隐藏的权力关系与情感流动。
粘贴对话内容，系统自动识别装逼信号并量化装逼指数，推断 8 种装逼人格类型（知识型炫耀、低调型凡尔赛、资源型展示、经历型打卡、品味型优越、成就型总结、关系型暗示、焦虑型补偿）。AI 深度解析社交货币的流向与策略，揭示每句"炫耀"背后的真实心理需求。
DPU 引擎在多个领域发挥需求理解的核心价值
为游戏角色赋予真实的需求驱动模型，NPC 不再是脚本化的反应机器，而是根据 12 维需求状态做出符合心理逻辑的行为决策，提升游戏沉浸感与角色真实感。
超越关键词匹配的客服系统，真正理解用户话语背后的需求层次。识别"我只是问问"与"我真的很需要"的差异，提供恰到好处的情感回应与解决方案。
为多智能体系统提供需求优先级排序能力，让机器人或 AI Agent 根据需求势能自动分配任务优先级与资源投入，实现更智能的任务调度与协作。
前端 React + 后端 FastAPI，轻量高效的技术选型
从理论到产品的快速迭代之路
无需编程基础，跟着指引 2 分钟完成配置。推荐通义千问（国内稳定、免费额度充足）。
