本能层：大脑还没想好，身体先动

Mynah 可以在「大脑」还在组织回答时就做出身体反应：一个快速决策模型看着实时转录，从这个形象烘焙好的动作片段里挑一个——点头、挥手、摇头、大笑、害羞、眨眼——或者什么都不做。说话的模型不负责动作，动作的模型不负责说话。这套分工来自 open-annie，决策跑在 Jev（TypeSafe System One）上，本地规则作为底线和兜底。

它怎么工作

1. 片段。 每个动作都是一小段预先烘焙的视频，与形象的待机循环在同一帧域里（见形象）。用烘焙接口加 kind: "action" 和一个 LivePortrait 驱动模板就能烘：

   curl -sk -X POST https://<host>:9443/api/v1/avatars/bake \
     -H "authorization: Bearer $TOKEN" -H "content-type: application/json" \
     -d '{"avatar_id":"luna","kind":"action","action":"shake","motion_ref":"builtin:shake_face","apply":true}'

   适合做动作的内置模板：shake_face、laugh、shy、wink。片段热安装，并持久化在 config.avatar.actions。

2. 提问。 访客说话时，引擎大约每 450 毫秒的新文本问一个封闭题：这些片段里哪一个此刻最合适，还是都不做？ 数字人说话时再多问一题：这段话是否明确承诺了一个动作？（「我挥挥手」→ 是）。每个选项都带一句说明，模型知道片段长什么样。

3. 门控。 只有置信度够高才播（默认 0.6，文本还在流式进来时 0.8），两次动作至少隔 4 秒，并且只在数字人没有在说话时播（说话帧优先，片段等下一次提问）。

4. 兜底。 没有 key、超时、429、连续三次失败 → 规则引擎用关键词回答同样的问题。永远不会卡住对话。

决策来源

来源	延迟	费用	需要
rules	0 ms	免费	无
jev	约 100–500 ms	每百万输入 token 0.042 美元	TypeSafe API Key；api.typesafe.ai 返回 451 的地区需要一个出海代理

在 控制台 → 配置中心 → 本能层（配置组 instinct）里设置：开关、来源、Key、可选的 proxy_url、门槛。新建会话生效。

怎么看到它在工作

访客页的 DataChannel 会收到每一次决策：{"type":"instinct", clip, reason, provider, latency_ms, answers}；cored 日志以 [instinct <会话>] 打印。dsh 插件的 mynah_action 工具可以手动触发同一批片段。