由 TRAE 驱动的青年心理机制互动展馆
"选择回路"是一座面向青年群体的 AI 心理机制互动展馆。
它不是传统心理测评，也不是把心理知识做成卡片合集，而是让用户进入具体生活情境，在拖延、刷屏、完美主义、从众、目标过载与方向迷茫等场景中亲自作出选择，观察选择带来的即时反馈和长期影响。
项目使用 TRAE 分阶段完成产品审查、安全改造、统一数据会话层、个性化路线推荐和跨展厅综合报告。AI 不替用户下结论，而是基于真实互动记录，帮助用户获得一条更适合自己的参观路径和一份可以回看的自我觉察报告。
"选择回路"关注的不是抽象心理术语，而是青年每天都可能经历的真实时刻：
明知道任务重要，却总想再等一会儿；
已经放下手机，却又下意识点开信息流；
因为害怕结果不够好，迟迟不愿开始；
面对群体意见时，慢慢放弃自己的判断。
这些行为往往不是简单的意志力问题，而是即时奖励、社会比较、环境刺激、损失厌恶和认知惯性共同作用的结果。
项目以"夜间心理展馆"为叙事框架，将这些机制转化为可以进入、选择、失败、回看和重新尝试的互动展厅。
用户不再只是阅读"你为什么会拖延"，而是通过自己的选择，看见一条真实发生的回路：
触发 → 想法或感受 → 惯性选择 → 即时反馈 → 长期影响
"我们希望把心理科普从'告诉用户一个概念'，转变为'让用户亲自经历一次选择过程'。"
选择当前困扰 → 本地规则生成基础路线 → AI 优化展厅顺序和推荐理由 → 用户完成互动展厅 → ChoiceSession 记录真实选择 → 本地程序完成确定性统计 → AI 优化报告表达
用户可以选择 1～3 个当前困扰，系统会从真实存在的展厅中推荐一条参观路线。
路线推荐不是让大模型自由编造页面。展厅 ID、页面地址和可推荐范围均由服务端白名单控制；AI 只负责在安全范围内优化排序与说明。
当用户完成展厅后，ChoiceSession 会记录实际选择、触发因素、行为标签和积极信号。跨展厅报告中的次数、标签和证据关系由本地确定性程序生成，AI 只能优化摘要、自我觉察问题和温和建议，不能修改用户记录或统计事实。
即使 AI 服务暂时不可用，本地规则仍能完成路线推荐和综合报告，保证核心体验不中断。
本项目不是一次性生成一个静态页面，而是使用 TRAE 进行分阶段产品开发。以下五个 Session 均有阶段文档、测试记录和代码产出可供审查。
梳理九个展厅、旧数据流、安全风险和比赛版用户闭环，形成 competition-product-plan.md 与 development-progress.md。
移除前端明文密钥，建立 Node.js 同源 AI 代理、统一错误结构、超时、限流和日志脱敏。
建立可版本化的本地会话结构，将 DDL 怪兽、信息流老虎机和完美主义迷宫接入统一行为记录。
实现 8 类困扰选择、9 个真实展厅白名单、本地推荐与 AI 路线优化。
实现可追溯的本地数据聚合、重复体验处理、数据充分度判断和 AI 文本优化。
完整体验流程
工程架构
展馆围绕大学生日常成长场景设计九个主题空间，每个展厅对应一种反复出现的心理决策回路。
拖延与即时满足
信息刺激与注意力消耗
群体压力与判断偏移
协作、责任与搭便车
高标准与行动阻碍
目标过载与注意力分配
沉没成本与机会选择
比较、竞争与价值判断
方向选择与未来探索
"选择回路"希望提供一种比文章、视频和测评题更具参与感的心理科普方式。
它不判断用户"是什么样的人"，也不提供心理疾病诊断，而是帮助青年用户看见：
项目面向青少年身心健康公益方向，但始终坚持非医疗、非诊断、低风险表达。