梦影 Dreamur：端侧 AI + 荣格原型，一个做给「对梦有刚需的人」的应用

梦境记忆的半衰期大约 5 分钟。
——《Learning and Memory》(2020 综述)

梦是人类最私密的语言——比日记私密，比情绪私密，比想法私密。

我做了「梦影」，想解决一件事：醒来 5 分钟内把梦抓住，然后给出一个有意义的解读。

痛点：市面上的解梦 App 没有解决的三个问题

你想要的现有产品给的醒来一句话就能记下来，不打字大部分要求打字——等你打开键盘，梦已蒸发解梦不胡说、不预测、不卖课解梦词典 = 周公转世；ChatGPT = 敢说但不敢存只有你自己能看见上传服务器 = 永久档案，永远说不清

核心矛盾就一个：梦是最私密的，但大多数产品要求你把最私密的东西交给服务器。

方案：端侧 AI + 心理学框架

录音即记，5 秒内完成

长按屏幕，开口说话。松手的那一刻，语音已经变成一帧底片，滑入胶片架。

整个过程 3-5 秒。

算法主导 + LLM 锦上添花

这是最值钱的部分，我们做了一个「笨」但可靠的决定：

• 意象识别、原型判定、情绪分类 —— 全部由确定性算法完成（查表 + 投票）

• LLM 的唯一任务 —— 把算法的骨架改写得更有人味

• 如果 LLM 失败 —— 你看到的依然是算法层输出的完整解读，而不是"网络错误"

具体来说：

• 66 类意象词典

• 8 大原型结构（荣格理论：阴影、英雄、孩童、智者、阿尼玛、阿尼姆斯、诡术师、自性）

• 5 类情绪词库

• 3 套骨架模板

目的只有一个：打开 App 的任何一秒，都能拿到一条完整、有意义的解读。

荣格原型 vs 周公解梦

周公解梦是一套符号对照表："梦见蛇 = 要发财"。

荣格给出的是另一条路：每个意象对你意味着什么，要看你自己。 人类的潜意识共享一套"原型"，它们不是标签，是结构。

这套框架的精髓：

• 不预测——不会说"下周你会遇到什么人"

• 不诊断——不会说"你有焦虑症"

• 不评判——不会说"你这个梦不好"

• 不占卜——只描述："你身上有一个正在被看见的部分，值得留意"

为什么是端侧 AI

模型：Qwen3.5-0.8B，400MB，直接跑在手机上。

• 录音说完就丢，本地转文字后音频立即销毁

• 文本不连云、不同步、不做备份

• 飞行模式下完整可用

这不是技术噱头，是让"敢说真话"成为可能的基础设施。

技术架构

录音 → ASR → 文本 → 意象识别 → 原型判定 → 情绪分类 → 骨架填充 → LLM 改写

每一步都可独立工作，LLM 失败时前序结果直接输出，保证用户体验。