自我介绍

大家好，我是Aaron。过去一直从事算法领域相关工作，自工作以来，一直持续在关注算法相关技术的发展，当前除了在工作中会进行一些AI的落地实践，工作之余也在通过AI辅助编程做一些有趣的探索。上周末受网友启发，做了RadioMind。

后续会持续更新AI实践过程中的心得体会，以及AI知识分享。欢迎大家关注我关注公众号，以便第一时间收到更新推送。

• • 微博: https://weibo.com/u/1801679460
• • Github: https://github.com/aaronshan

用 AI 做一个真正懂你的私人音乐主播 —— RadioMind 开发全记录

如果有一个 AI，它记得你上周在加班时喜欢听什么，知道你下雨天的歌单偏好，还能在你说"今天有点累"的瞬间，推来一首刚刚好的歌——你会用吗？

这就是我做 RadioMind 的起点。

特别说明：本项目 100% 由 Claude Code 完成编码，从架构设计到每一行实现代码，全程通过对话驱动生成。我没有手动写过任何一行业务代码——这本身也是这次实验的一部分。

为什么不用现有的音乐 App？

Spotify 有算法推荐，网易云有每日推荐，这些产品做得很好。但它们有一个共同的局限：它们不能和你对话。

你没办法告诉 Spotify "我今天不想听太 happy 的歌，但也不要太压抑"，然后得到一个真正理解这句话的回复。你也没办法让它记住你三个月前说过"雨天不要播英文歌"这件事。

AI 大模型的出现让这件事变得可行了。但怎么做，架构怎么设计，AI 的记忆怎么管理——这是 RadioMind 想认真回答的问题。

整体思路：一个有记忆的 AI DJ

RadioMind 的核心设想是：AI 不只是推荐引擎，而是一个真正了解你的 DJ。

要做到这一点，需要解决三个关键问题：

1. AI 怎么知道你喜欢什么？

不靠用户填表，靠两个来源：一是直接读取你本地的网易云/QQ音乐客户端数据库（macOS），拿到你真实收藏的 1000+ 首歌；二是通过每次对话自动提炼你说过的偏好，写入长期记忆文件。

2. AI 的记忆怎么跨会话保留？

大模型本身没有持久记忆，每次对话都是全新的。RadioMind 参考了 OpenClaw 的记忆系统设计，实现了三层记忆架构：

L1 常青记忆  →  MEMORY.md（每次对话全文注入）               包含：品味分析、艺术家偏好、对话中提炼的个人信息L2 近期记忆  →  memory/YYYY-MM-DD.md（每日自动生成）               每次对话结束后，AI 自动将对话提炼为要点日志L3 历史检索  →  memory.db（SQLite FTS5 全文索引）               90天历史，按需语义检索，不占用上下文窗口

这三层的核心逻辑是：热记忆完整加载，冷记忆按需检索。常用的、重要的信息始终在 AI 视野里；偶尔提到的细节，在用户问起时再去找。

3. 品味信息怎么自动更新？

两条更新路径并行：

• • 定期路径：每天凌晨自动同步本地歌单，重新分析艺术家分布、语言偏好、风格标签，写入 MEMORY.md 的品味区块
• • 对话路径：每次对话结束后，AI 提炼用户明确表达的新偏好（如"工作时不想听有歌词的歌"），带日期戳追加到 MEMORY.md

系统架构

整个项目分四层：

两个界面，两种体验

Web 版：像素风格的音乐电台界面，大时钟、波形可视化、AI 对话区一体化。支持 PWA 安装，可以当桌面 App 用。

TUI 版：给喜欢在终端里工作的人。三列布局——播放区、队列、时钟，呼吸灯边框，竖向粒子波形，mpv 本地解码。所有操作都用键盘完成，完全不需要鼠标。

两个界面共享同一个后端，WebSocket 实时同步播放状态。在 Web 里选的歌，TUI 里实时显示；在 TUI 里聊天，记忆也同样被记录。

AI 调用：不强制依赖 API Key

对于有 Claude Code Max 订阅的用户，可以直接用 claude -p 子进程调用，不需要单独的 API Key。没有订阅的用户配置 CLAUDE_API_KEY 即可。系统会自动检测并选择最优路径，降级处理确保基本可用。

一个有意思的设计细节：品味文件的演进

最初，我把品味信息存在 taste.md，把记忆存在 MEMORY.md——两个文件各司其职，听起来很合理。

但用一段时间后发现问题：AI 每次对话要加载两个文件，内容有重叠，维护分散。更重要的是，品味数据本质上就是"AI 应该了解你的事情"，和记忆文件的定位完全一致。

所以后来把 taste.md 废弃了，把歌单分析的结果（艺术家 TOP20、语言分布、风格标签）直接写入 MEMORY.md 的一个固定区块，每天自动覆盖更新。对话中提炼的偏好则追加到另一个区块，带日期标记。

一个文件，两条更新路径，AI 始终读到最新最完整的你。

技术栈选择

整个项目用 Node.js 写成，没有引入复杂的框架：

• • 后端：Express + WebSocket，够用就好
• • AI 记忆：SQLite FTS5，零运维，本地文件即可
• • TUI：blessed，老牌终端 UI 库，坑不少但足够强大
• • 播放：Web 端用 HTML5 Audio，终端用 mpv（需单独安装）
• • 歌单同步：直接读本地客户端 SQLite，比 API 更稳定

没有用向量数据库，FTS5 的全文检索对中文支持有限但足够用。如果后续记忆量很大，可以考虑升级到 SQLite-vec 做语义检索，架构上已经预留了扩展空间。

Claude Code 全程编码：一次真实的 AI 协作实验

这个项目还有另一层意义：从第一行代码到最后一个功能，100% 由 Claude Code 完成编码，我没有手动写过任何一行业务代码。

整个过程是这样的：我描述需求和思路，Claude Code 生成实现；我指出问题或调整方向，Claude Code 修改重构。从 Express 服务搭建、WebSocket 实时流、记忆系统设计，到 TUI 的呼吸灯动画、像素时钟字体、波形可视化——全部通过对话完成。

这次实验让我对"AI 辅助编程"有了更具体的认识：

• • 擅长的部分：有明确规格的功能实现、重复性工作（批量替换、格式转换）、调试已知类型的错误，效率是人工的数倍
• • 需要人介入的部分：产品方向判断（这个功能要不要做）、审美决策（界面风格、交互逻辑）、以及当 AI 陷入局部最优反复改错的时候，需要人跳出来重新定义问题

Claude Code 不是"帮你写代码的工具"，更准确的描述是一个随时待命的全栈工程师——你负责想清楚要做什么，它负责把它做出来。

开源地址

代码已开源，地址详见：https://github.com/aaronshan/RadioMind

如果你也有自己的网易云/QQ音乐歌单，想试试让 AI 真正"认识"你的音乐品味，欢迎 clone 下来玩。