应启用emosense-v2.1插件、开启语音频谱分析、部署tonemapper-wechat-zh技能、校准consistency_weight为0.42、启用feedback beacon闭环。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果在使用ClawBot进行微信消息或语音交互时发现情绪识别结果与用户真实状态偏差较大，则可能是由于多模态输入通道未对齐、情绪标签映射规则未适配中文语境，或本地插件版本低于v2026.3.31导致识别引擎缺失关键微表情与语调特征解码能力。以下是提升ClawBot情感识别准确率的具体操作路径：
一、启用EmoSense-v2.1多模态识别插件
该插件是ClawBot当前唯一支持语音基频波动、文本否定修饰识别及微表情帧级解析的官方情感分析子系统，必须绑定微信Inbound通道并完成强度阈值校准，否则将退化为纯文本关键词匹配模式。
1、启动ClawBot本地控制台，在左侧导航栏点击Skills Marketplace。
2、在搜索框中输入EmoSense-v2.1，确认其状态为“已安装”且版本号显示为v2026.3.31或更高。
3、点击Config按钮，将WeChat-Inbound通道拖入“Enabled Input Sources”区域。
4、在配置面板中将Intensity Threshold设为0.62，并勾选Detect Mixed Emotions复选框。
二、强制启用语音频谱分析模块
微信语音消息默认仅提取ASR文本，需手动开启底层音频特征提取，否则无法捕获语速衰减、停顿异常、基频抖动等关键情绪生理指标。
1、进入ClawBot根目录下的/config/audio/emotion.yaml文件。
2、将enable_spectral_analysis字段值由false改为true。
3、在同文件中定位feature_set参数，将其修改为["mfcc_13", "pitch_jitter", "pause_ratio"]。
4、保存后执行命令：clawctl reload audio触发热重载。
三、部署ToneMapper-WeChat-ZH语气映射Skill
该Skill负责将EmoSense输出的情绪标签（如frustrated、curious、disappointed）转化为符合中文社交语用习惯的语言特征组合，缺失此Skill将导致情绪识别结果无法驱动差异化回复。
1、访问ClawBot仪表盘，进入Skill Orchestrator界面。
一款AI工具，主要用于使用 CodexBar CLI 本地成本使用情况，按模型汇总 Codex 或 Claude 的使用量，包括当前（最新）模型或完整的模型分解，适合需要提升相关任务效率的用户。
2、点击+ Add Skill Chain，选择模板ToneMapper-WeChat-ZH。
3、在映射表中为frustrated状态设定：最大句长≤12字、禁用疑问句、启用“马上处理”“已锁定问题”等确定性短语前缀。
4、为curious状态设定：允许嵌套设问、插入背景解释占比≥35%、启用“其实…”“你可能不知道…”等引导性句式。
四、校准consistency_weight情绪一致性参数
该参数控制ClawBot在连续对话中维持情绪状态的强度，数值过低会导致语气跳跃失真，过高则掩盖用户情绪转变，微信私域场景需严格设为0.42以匹配真实社交节奏。
1、打开/config/memory/emotion.yaml文件。
2、定位consistency_weight字段，将其值修改为0.42。
3、同步修改decay_rate_per_hour为0.07，确保情绪记忆随时间自然衰减而非突变。
4、保存后执行命令：clawctl reload emotion。
五、启用Feedback Beacon情绪反馈闭环
该机制通过用户对自动回复的显式反馈（如长按消息点“不太准”）反向训练本地情绪模型，若未开启则ClawBot无法从错误中学习，识别准确率将长期停滞。
1、在ClawBot控制台Settings → Privacy & Feedback中，开启Enable Feedback Beacon开关。
2、确认Feedback Mode设置为Real-time Local Retraining。
3、在微信中向ClawBot发送任意消息，长按该消息选择“反馈情绪识别结果”，选择“不准确”并补充说明真实情绪。
4、系统将自动生成feedback_20260520_XXXXX.log文件并触发本地模型微调。
