Oblivilight（憶光）是 OpenHCI'25 人機互動工作坊的專案，選題為「探索智慧系統的遺忘機制互動設計」。我們設計了一盞結合語音辨識、情緒分析、LLM 技術與手勢控制的 AI 夜燈，讓使用者在睡前與它對話、釋放情緒。對話結束時，燈會將內容印成一張記憶紙條，並從系統中清除所有資料。紙條是唯一的紀錄，使用者可以選擇保留或丟棄。
專案拿下 OpenHCI'25 最佳 Demo 獎，也是唯一獲選在 TAICHI'25 研討會發表的作品。
- 從研究到原型的使用者中心設計流程：二手資料研究（含 HBR 報告與 Reddit 論壇分析）加上 11 場深度訪談，定義出 persona、POV 與 HMW，再從中發展產品概念。
- 全端概念驗證整合了 LLM 對話、語音辨識（Whisper）與合成（TTS）、情緒分析、手勢偵測，以及熱感應印表機的實體輸出。
- 提出一套新的互動模型：用光的顏色對映情緒狀態，用手勢操作遺忘，用實體紙條將數位記憶轉移到使用者手上。
研究
哈佛商業評論《The 2025 Top 100 GenAI Use Case Report》指出「陪伴與治療」是生成式 AI 的首要應用，我們從這個方向切入，研究使用者在 AI 陪伴場景下對「遺忘」的需求。
Reddit 上有大量使用者對 AI 日記的隱私表達擔憂，擔心個人資訊被用來訓練演算法，而向 ChatGPT 要求遺忘也往往無法得到滿意的結果。我們另外與 11 位習慣用 AI 抒發情緒的使用者進行深度訪談，歸納出三項發現：
- 使用者喜歡在睡前記錄生活，將記錄本身視為一種儀式
- AI 是門檻很低的情緒釋放出口，使用者希望能無負擔地傾訴
- 使用者希望保留部分紀錄，日後回顧時感受自己的變化
訪談與二手資料一致指向同一個痛點：情緒釋放之後，使用者無法掌控 AI 記住了什麼。他們擔心聊天內容外洩或被用於行銷、擔心 AI 記得太多而產生偏誤理解或被貼標籤，而現有的刪除方式缺乏「可見性」與「自主性」。
設計
基於研究結果，我們提出 Oblivilight。使用流程如下：
- 初次使用： 使用者口述一段自我介紹，憶光僅記憶這段資訊，作為後續對話的基礎。
- 每晚對話： 使用者喚醒憶光，與它分享生活、獲得建議。燈光會依照語音中的情緒狀態即時變換顏色，共有十種情緒對應不同色彩。
- 手勢刪除： 對話途中如果不希望 AI 記住當前的內容，使用者揮掉燈上的顏色，表示記憶的消散，系統漸進式刪除該段對話。
- 結束與印出： 使用者跟燈說「晚安」，憶光收納對話並印出一張記憶紙條。紙條上有對話統整、日期、當天最絢爛的燈光畫面，以及一句 AI 的鼓勵。記憶轉化為實體紙條後，資料從系統中清除。
- 紙條的去向： 紙條可以丟進憶光的記憶封存區，也可以收進使用者的紙本日記或回憶冊。封存區滿時可以整理回顧，不需要的部分可以撕掉。想回憶時，將紙條放到燈頂的掃描器上，可以重播當天的燈光變化。
對話結束後，燈光切換為暖黃光，慢慢變暗，陪伴使用者入睡。
個人貢獻
- 設計整體系統架構，將專案拆分為前端投影、後端核心服務、硬體閘道器三層，各層透過 WebSocket 和 HTTP API 溝通。
- 以 Python / FastAPI 實作後端，整合 LangChain AI 代理、即時情緒分析（GPT-4.1-nano/mini）、語音辨識（Whisper / Google Cloud STT）、語音合成（Yating / OpenAI TTS-1-HD），並透過 WebSocket 將情緒資料即時推送至前端控制燈效。
- 設計對話系統的狀態流程，處理喚醒、對話、遺忘、回顧、睡眠五種模式的切換，以及對話結束時自動生成日記摘要與觸發印表機列印。
- 實作硬體 gateway，採分離式架構處理 Arduino 與後端之間的雙向序列埠通訊，定義感測器訊號（觸碰、揮手、蓋住）到 API 訊號的轉換協定。
- 設計記憶管理機制：手勢觸發的對話漸進式刪除、日記的生成與持久化儲存，以及 RAG 上下文注入讓 AI 能基於過去的日記延續對話。