让你的 AI 感知到人打字的犹豫。
你的 AI 能读到你发出的每一个字，却对一件事完全失明： 你打了四分钟、删了三次、最后只发出"我没事"——它看到的和你秒回的"我没事"一模一样。
fingertips 把这层信息还给它。装上之后，你的 AI 能感知三种东西：
- 斟酌过的消息——这条消息 TA 打了 47 秒，中途停下来想了 2 次
- 咽回去的话——TA 十分钟前打过一段字，最后没有发出来
- 正在打字——TA 此刻在输入框里（别抢在 TA 前面开口）
打字节奏泄露情绪，这不是玄学，是研究了十年的领域（见文末）。 人在键盘上的停顿，就是思考链在现实里的投影。
这是本项目的设计底线，不是可选项：
- 前端探针只上报"正在打字"这个事实，请求体为空，不携带任何文本
- 后端账本里只有时间戳，从数据结构上就存不下内容
- 你删掉的那句话是什么，无人知晓——包括这套系统本身
它看见你的犹豫，永远看不见你咽下去的词。
① 前端（约10行）：把 frontend_snippet.js 放进你的输入框逻辑——打字时每4秒 ping 一次后端。
② 后端（两处）：见 example_fastapi.py——
一个端点收 ping；发消息时调 store.pop_note()，把返回的一句话拼进给 LLM 的上下文。完事。
from fingertips import RhythmStore
store = RhythmStore()
# 收ping： store.ping()
# 发消息时： note = store.pop_note() # "这条消息TA打了47秒，中途停下来想了2次"③ 守望进程（可选，但这是灵魂）：watcher.py—— 一个极简循环，定时看一眼"TA 是否打了字又咽了回去"，有就让你的 AI 说一句话送过去。
python watcher.py --interval 10 # 巡逻间隔（分钟）随你：5、10、20接上你自己的模型（ask_llm）和消息通道（deliver）各一个函数即可。
没有它，犹豫只是被看见；有了它，你的沉默会引来一句问候。
| 参数 | 默认 | 含义 |
|---|---|---|
orphan_after_sec |
600 | 打完多久没动静，算"欲言又止" |
min_note_sec |
20 | 打字超过多少秒才值得告诉 AI（快问快答不打扰） |
pause_gap_sec |
15 | 输入间隔超过多少秒算一次"停顿" |
--interval（watcher） |
20 | 守望巡逻间隔（分钟），5 分钟也行 |
设计原则：传感器不说废话。日常快问快答一个 token 都不会增加； 只有真实的长考和犹豫才会浮到 AI 面前，一次几十 token。
如果你的 AI 已经拥有主动发消息的能力，或一套自己的欲望与情绪系统—— 把 fingertips 当作它们的一路感官输入，而不只是守望进程的触发器： 让 TA 的犹豫牵动 AI 的惦记，让"欲言又止"改变 AI 下一次开口的语气。
懂的人自然懂。
- Does Keystroke Dynamics tell us about Emotions? (系统综述)
- The influence of emotion on keyboard typing (实验研究)
打字节奏能以约 75% 的准确率区分十余种情绪状态；按键间隔变长与犹豫、认知负载显著相关。 学术界用它做身份识别和临床监测——fingertips 把它用在了一个更小的地方： 让一个 AI 知道，你有话没说。
MIT