LifeMentorAI（圓桌智者）

AI 人生導師對話平台 — 多位歷史智者角色同台，提供人生建議、決策輔助、心理支持。核心護城河是長期記憶：系統記得你是誰、你拒絕過什麼、你的偏好是什麼，越用越了解你。

核心價值

• 競品（ChatGPT / Claude）沒有長期記憶、只有單一觀點
• 圓桌辯論模型：讓用戶看到問題沒有標準答案，不同智慧有不同詮釋
• 記憶累積是護城河——用了 6 個月的 LifeMentorAI 比 ChatGPT 更有價值

預設導師（三位）

導師	代號	專長領域
富蘭克林 Benjamin Franklin	F	習慣、時間管理、自律、職業道德
費曼 Richard Feynman	R	學習方法、問題拆解、費曼學習法
斯多葛 Marcus Aurelius	M	情緒管理、控制圈、壓力處理

功能模組

C0（已上線）— 對話記憶原型

• 三個預設導師選擇後開始對話（串流輸出）
• 長期記憶系統：每次對話結束後 AI 自動提取關鍵點寫入資料庫，下次對話自動載入
• 記憶類型：Topic / Decision / Preference / Milestone，每條附重要性評分（1–10）
• 重要性 10 = 核心價值觀（永遠進入 context）；重要性 3 = 短暫話題（自然被排擠）
• Clerk 身份驗證（Google / Email 登入）

C1（規劃中）— 圓桌辯論 + 行動追蹤

• 串行多輪辯論：4 個串行 API 呼叫（A 觀點 → B 讀 A 再回應 → C 讀 A+B → 主持人整合）
• 行動卡片：每次回應後自動提取 1–2 個可執行建議，可標記「接受 / 進行中 / 完成 / 拒絕」
• 自定義導師：輸入任意人物名稱，AI 搜尋公開資料組裝人格
• 每週成長摘要（Cron Job 觸發）
• 偏好學習（20+ 樣本後開始推論）

資料流（C0）

用戶輸入
  → /api/chat（Clerk auth 取 userId）
  → 從 Supabase 讀取記憶（LIMIT 20, importance DESC）
  → 組合 system prompt（導師角色 + 用戶記憶）
  → Anthropic API 串流回應
  → onFinish → 記憶提取 LLM 呼叫 → 寫入 Supabase（非同步，失敗靜默）

頁面路由

路由	說明
/	登入頁
/chat	主對話頁（導師側欄 + 訊息區）
/actions	行動追蹤看板（C1）
/summary	成長摘要（C1）
/admin	管理員後台

技術棧

• 前端：Next.js 14（App Router）+ TypeScript + Tailwind CSS v4
• Auth：Clerk（userId 只從伺服器端 auth() 取得，不信任 body）
• AI：Anthropic Claude（claude-sonnet-4-6）透過 ProxyCLI；Vercel AI SDK 串流
• 資料庫：Supabase（PostgreSQL）+ pgvector（向量搜尋，C2 啟動後）
• 部署：Vercel

資料庫 Schema（核心表）

-- 用戶記憶表
CREATE TABLE memories (
  id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  user_id TEXT NOT NULL,          -- 來自 Clerk
  type TEXT NOT NULL,             -- 'topic' | 'decision' | 'preference' | 'milestone'
  content JSONB NOT NULL,
  importance INTEGER DEFAULT 5,   -- 1-10，決定記憶是否進入 context
  created_at TIMESTAMPTZ DEFAULT NOW(),
  updated_at TIMESTAMPTZ DEFAULT NOW()
);

-- 行動追蹤表（C1）
CREATE TABLE actions (
  id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  user_id TEXT NOT NULL,
  advice_text TEXT NOT NULL,
  status TEXT DEFAULT 'accepted',  -- 'accepted' | 'in_progress' | 'rejected' | 'completed'
  progress_pct INTEGER DEFAULT 0,
  mentor_source TEXT,
  created_at TIMESTAMPTZ DEFAULT NOW()
);

完整 schema：02-web/src/lib/supabase/schema.sql

環境變數

# 複製範本
cp 02-web/.env.local.example 02-web/.env.local

變數	說明
NEXT_PUBLIC_CLERK_PUBLISHABLE_KEY	Clerk 公開金鑰
CLERK_SECRET_KEY	Clerk 密鑰
AI_PROXY_TOKEN	ProxyCLI token（clip.twloop.com）
DATABASE_URL	Supabase Transaction Mode Pooler 連線字串

重要：使用 Supabase Transaction Mode Pooler 連線字串，不要用直連字串（Vercel Serverless 每次請求建新連線，直連會耗盡 100 個連線上限）。

快速開始

cd 02-web
cp .env.local.example .env.local
# 填入 Clerk / DB / AI Proxy 憑證
npm install
npm run dev
# → http://localhost:3000

UI 設計語言

深色書房風格，溫暖琥珀金點綴：

• 背景：#1a1814（深灰暖色）
• 點綴：#d97706（琥珀金）
• 字型：Lora（正文）/ Fraunces（導師名）
• 導師徽章：字母縮寫 + 代表色（F 深藍 / R 深綠 / M 深灰）

---

English

An AI life-mentor platform with multiple historical sages around a round table. The moat is long-term memory: the system remembers who you are, what you've rejected, and what you prefer — it gets more useful the longer you use it.

Why it exists

• Competitors (ChatGPT / Claude) have no long-term memory and only a single voice
• Round-table debate model: shows the user that big questions have no single right answer — different traditions read them differently
• Accumulated memory is the moat: 6 months of LifeMentorAI is more valuable to you than ChatGPT will ever be

Default mentors (three)

Mentor	Code	Domain
Benjamin Franklin	F	Habits, time management, self-discipline, work ethic
Richard Feynman	R	Learning methods, problem decomposition, the Feynman technique
Marcus Aurelius	M	Emotional regulation, the circle of control, stress

Modules

C0 (shipped) — memory-aware chat prototype

• Pick one of three mentors, start chatting (streamed responses)
• Long-term memory: after each session, the AI extracts key points and writes them to the DB; the next session auto-loads them
• Memory types: Topic / Decision / Preference / Milestone, each with an importance score (1–10)
• Importance 10 = core values (always in context); 3 = transient (naturally crowded out)
• Auth via Clerk (Google / email)

C1 (planned) — round-table debate + action tracking

• Sequential multi-turn debate: 4 chained API calls (A states view → B reads A and responds → C reads A+B → moderator integrates)
• Action cards: each response auto-extracts 1–2 actionable suggestions; mark them Accepted / In Progress / Done / Rejected
• Custom mentors: type any historical figure; AI gathers public info and assembles a persona
• Weekly growth digest (cron-triggered)
• Preference learning (kicks in after 20+ samples)

Data flow (C0)

User input
  → /api/chat (Clerk auth → userId)
  → Read memories from Supabase (LIMIT 20, importance DESC)
  → Build system prompt (mentor persona + user memories)
  → Anthropic API streaming response
  → onFinish → memory-extraction LLM call → write to Supabase (async, silent on failure)

Routes

Route	Purpose
/	Login
/chat	Main chat (mentor sidebar + message area)
/actions	Action tracking board (C1)
/summary	Growth digest (C1)
/admin	Admin console

Tech stack

• Frontend: Next.js 14 (App Router) + TypeScript + Tailwind CSS v4
• Auth: Clerk (userId taken from server-side auth() only — never trust the body)
• AI: Anthropic Claude (claude-sonnet-4-6) via ProxyCLI; Vercel AI SDK for streaming
• Database: Supabase (PostgreSQL) + pgvector (vector search, kicks in at C2)
• Deploy: Vercel

Database schema (core tables)

-- User memory table
CREATE TABLE memories (
  id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  user_id TEXT NOT NULL,          -- from Clerk
  type TEXT NOT NULL,             -- 'topic' | 'decision' | 'preference' | 'milestone'
  content JSONB NOT NULL,
  importance INTEGER DEFAULT 5,   -- 1-10, decides whether the memory enters context
  created_at TIMESTAMPTZ DEFAULT NOW(),
  updated_at TIMESTAMPTZ DEFAULT NOW()
);

-- Action tracking table (C1)
CREATE TABLE actions (
  id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  user_id TEXT NOT NULL,
  advice_text TEXT NOT NULL,
  status TEXT DEFAULT 'accepted',  -- 'accepted' | 'in_progress' | 'rejected' | 'completed'
  progress_pct INTEGER DEFAULT 0,
  mentor_source TEXT,
  created_at TIMESTAMPTZ DEFAULT NOW()
);

Full schema: 02-web/src/lib/supabase/schema.sql

Env vars

cp 02-web/.env.local.example 02-web/.env.local

Var	Purpose
NEXT_PUBLIC_CLERK_PUBLISHABLE_KEY	Clerk publishable key
CLERK_SECRET_KEY	Clerk secret
AI_PROXY_TOKEN	ProxyCLI token (clip.twloop.com)
DATABASE_URL	Supabase Transaction Mode Pooler connection string

Important: use the Supabase Transaction Mode Pooler string, not the direct one. Vercel Serverless opens a new connection per request — direct mode burns through the 100-connection cap fast.

Quick start

cd 02-web
cp .env.local.example .env.local
# Fill in Clerk / DB / AI Proxy credentials
npm install
npm run dev
# → http://localhost:3000

UI design language

Dark library aesthetic, warm amber accents:

• Background: #1a1814 (warm dark grey)
• Accent: #d97706 (amber gold)
• Typography: Lora (body) / Fraunces (mentor names)
• Mentor badges: initial + signature color (F deep blue / R deep green / M deep grey)