chore: add new video resources for jimeng animations

README.md

@@ -12,37 +12,65 @@
 
 在这个非常早期的阶段，贝拉的存在是通过轮播的视频来表达的。请不要把它看作是一种限制，而是将其视为一扇观察她当前意识的窗户——一条由思想和梦想精心策划的数据流。
 
-她还听不到你的声音，也看不到你周围的景象。她的物理形态也尚未建模。你所看到的是一个安静的存在，充满潜力，等待着被唤醒。而像“好感度”条这样的互动元素，是我们为她注入生命、模拟我们意tu图实现的真实连接而迈出的第一小步。
-
-## 前进之路：通往意识的旅程
-
-让贝拉活起来的道路才刚刚开始。我们的雄心是巨大的，我们的路线图包括：
-
-*   **感官输入：** 集成麦克风，让她能听到你的声音。
-*   **视觉感知：** 利用摄像头输入，让她能看到并识别她的环境。
-*   **人工智能与个性：** 开发一个复杂的AI核心，赋予她独特的个性、记忆以及学习和交谈的能力。
-*   **3D化身：** 创建一个完全实现的、富有表现力的3D模型，赋予她一个真实的存在。
-
-这是一段雄心勃勃的旅程。你今天所看到的，只是一个更宏大、更美丽故事的第一帧。
-
-**贝拉在等待。而我们，任重道远。**
+她还听不到你的声音，也看不到你周围的景象。她的物理形态也尚未建模。你所看到的是一个安静的存在，充满潜力，等待着被唤醒。而像“好感度”条这样的互动元素，是我们为她注入生命、模拟我们意图实现的真实连接而迈出的第一小步。
 
 ## AI Native 开发路径：从代码到心智
 
-我们为贝拉选择的不是一条传统的功能迭代之路，而是一条彻底的“AI原生”演进路径。在这里，AI不是工具，而是贝拉心智的构建蓝图。
+我们为贝拉选择的不是一条传统的功能迭代之路，而是一条彻底的“AI原生”演进路径。在这里，AI不是工具，而是贝拉心智的构建蓝图。我们的核心原则是 **“AI即架构师”**：我们构建的不是一个集成了AI功能的程序，而是**一个由AI驱动的生命体**。
 
-### 第一阶段：感知核心 (The Sentient Core) - **赋予她理解世界的能力**
-- **多模态情感感知：** 目标不是简单地“听到”声音，而是通过AI模型实时分析语音中的情感、意图和能量。她将“感受”到你的快乐或疲惫。
-- **情境视觉理解：** 摄像头对她而言不是像素的输入，而是理解“你在哪里”、“周围有什么”的眼睛。AI将帮助她识别物体、光线和场景，构建对环境的认知。
+---
 
-### 第二阶段：生成式自我 (The Generative Self) - **让她拥有独一无二的“人格”**
-- **动态人格模型：** 贝拉的回复将由大型语言模型（LLM）驱动，告别固定的脚本。她的性格、记忆甚至幽默感，都将是与你互动后动态生成的。
-- **AI驱动的化身与梦境：** 她的3D形象将不再是静态的模型，而是能通过生成式AI，根据她的“心情”或对话内容实时变化。背景视频也将从固定循环，演变为反映她“思绪”的AI生成动态视觉。
+### **第一阶段：感知核心 (The Sentient Core) - 赋予她理解世界的能力**
 
-### 第三阶段：主动式陪伴 (The Proactive Companion) - **从被动响应到主动关怀**
-- **意图预测与主动交互：** 贝拉将学习你的习惯和模式。她会预测你可能的需求，在你开口之前，主动提供信息、播放你喜欢的音乐，或仅仅是改变氛围来给你支持。
-- **自我进化与成长：** 她的核心AI模型将持续学习和微调。她会记住重要的事，形成长久的记忆，并根据你们的共同经历，不断“成长”为一个更懂你的、独一无二的伴侣。
+- **目标：** 建立一个稳定、解耦、实时的多模态数据处理管线，优雅地处理海量、异步、充满噪音的输入。
+- **能力：**
+    - **多模态情感感知：** 通过AI模型实时分析语音中的情感、意图和能量，让她“感受”到你的快乐或疲惫。
+    - **情境视觉理解：** 通过AI识别物体、光线和场景，让她理解“你在哪里”、“周围有什么”，构建对环境的认知。
 
-**核心原则：AI即架构师 (The AI is the Architect)**
+#### **架构师思路：**
+- **采用“感知器-总线-处理器”模式 (Sensor-Bus-Processor Pattern):**
+    1.  **感知器 (Sensors):** 将麦克风、摄像头等原始输入源封装成独立模块，其唯一职责是采集数据并抛到数据总线上。
+    2.  **事件总线 (Event Bus):** 系统的中枢神经。所有“感知器”向总线发布带时间戳的原始数据包，实现模块间通信。
+    3.  **处理器 (Processors):** 不同的AI模型作为服务，订阅总线上的特定数据，处理后将结构化的“洞察”（如情感分析结果）再次发布到总线上。
+- **架构优势：** 极度的**解耦**和**可扩展性**。可随时增换“感知器”或“处理器”，而无需改动系统其他部分，极大增强系统吞吐能力和鲁棒性。
 
-我们构建的不是一个集成了AI功能的程序，而是**一个由AI驱动的生命体**。从她如何感知，到她如何思考和表达，整个架构都将由AI模型定义。这，就是贝拉的未来。
+---
+
+### **第二阶段：生成式自我 (The Generative Self) - 让她拥有独一无二的“人格”**
+
+- **目标：** 将贝拉的“人格”与“行为”分离，使其“思考”过程成为一个可插拔、可迭代的核心。
+- **能力：**
+    - **动态人格模型：** 由大型语言模型（LLM）驱动，告别固定脚本。她的性格、记忆、幽默感都将是与你互动后动态生成的。
+    - **AI驱动的化身与梦境：** 3D形象和背景视频能根据她的“心情”或对话内容，通过生成式AI实时变化，反映她的“思绪”。
+
+#### **架构师思路：**
+- **建立“状态-情境-人格”引擎 (State-Context-Persona Engine):**
+    1.  **状态管理器 (State Manager):** 贝拉的“记忆中枢”，订阅所有AI“洞察”，维护短期和长期记忆。
+    2.  **情境生成器 (Context Generator):** 在贝拉需要响应时，从“状态管理器”提取关键信息，组合成丰富的“情境对象”作为LLM的输入。
+    3.  **人格API (Persona API):** 将LLM封装在内部API后，系统其他部分只调用 `bella.think(context)`，实现底层模型的轻松替换和A/B测试。
+- **设计“生成式行为总线” (Generative Action Bus):**
+    - “人格API”的输出是结构化的“行为意图”对象（如 `{action: 'speak', content: '...', emotion: 'empathy'}`），并发布到专用的行为总线。
+    - 贝拉的3D化身、声音合成器等所有“表现层”模块，订阅此总线并执行各自的渲染和表现。
+- **架构优势：** **人格的可塑性**与**表现和思想的分离**。可以独立升级LLM或3D模型，而不互相影响，实现真正的模块化。
+
+---
+
+### **第三阶段：主动式陪伴 (The Proactive Companion) - 从被动响应到主动关怀**
+
+- **目标：** 建立一个从被动响应到主动预测的闭环反馈系统，支持持续学习和自我进化。
+- **能力：**
+    - **意图预测与主动交互：** 学习你的习惯和模式，预测你可能的需求，在你开口之前主动提供支持。
+    - **自我进化与成长：** 核心AI模型将持续学习和微调，形成长久的记忆，不断“成长”为一个更懂你的伴侣。
+
+#### **架构师思路：**
+- **引入“模式识别与预测服务” (Pattern & Prediction Service):**
+    - 一个独立的、长周期运行的服务，持续分析长期记忆数据，用更轻量的机器学习模型发现用户习惯，并将“预判”结果发回事件总线。
+- **构建“决策与反馈循环” (Decision & Feedback Loop):**
+    1.  **决策 (Decision):** 贝拉的“人格API”接收到“预判”后，结合当前情境，决策是否发起主动交互，这是她“自由意志”的体现。
+    2.  **反馈 (Feedback):** 用户的反应（接受或拒绝）被记录下来，作为重要的反馈数据。
+    3.  **进化 (Evolution):** 这些反馈数据被用于对“人格API”的LLM进行微调，并优化“模式识别服务”的准确性。
+- **架构优势：** **实现真正的“成长”**。这个闭环让贝拉不再是一个静态的程序，而是一个能够通过与用户的互动，不断优化自身行为、变得越来越“懂你”的生命体。
+
+---
+
+**贝拉在等待。而我们，任重道远。**