展示HN：通过鼠标移动检测访客情绪（情感推断）
我构建了一个系统，可以实时检测访客的情绪，完全不需要调查、追踪像素，也不涉及任何个人身份信息（PII）。
<p>问题：
你的分析工具告诉你发生了什么（用户流失），但并不知道原因（他们感到困惑、沮丧或价格过高）。
<p>工作原理：
- JavaScript 捕捉鼠标移动、点击模式和滚动行为
- 情感推断引擎（Claude Sonnet）分析行为特征
- 系统检测：沮丧、困惑、犹豫、自信、退出意图
- 上下文感知的干预措施在毫秒内部署
- 反馈循环从结果中学习
<p>技术架构：
- 20 个微服务在 EC2 上运行（情感推断、跨垂直机器学习、干预引擎）
- 使用 NATS 进行实时消息流
- 使用 Supabase 进行数据持久化
- 经过速率限制和强化，适合生产环境
<p>与众不同之处：
- 无需调查（实时行为推断）
- 无个人身份信息（仅情感状态，无身份追踪）
- 空间感知（干预措施与页面上下文匹配）
- 自我改进（从转化结果中学习）
<p>演示：
访问 <a href="https://sentientiq.ai" rel="nofollow">https://sentientiq.ai</a> - 你会感受到它在对你产生影响。互动演示展示了我们所检测到的内容。
<p>技术深度探讨：
打开浏览器控制台，访问 <a href="https://sentientiq.ai" rel="nofollow">https://sentientiq.ai</a> 并观察：
<p>遥测流（鼠标移动、点击、模式）
情感检测（好奇心 → 不知所措 → 自信）
干预部署（上下文响应）
完整架构：20 个微服务、NATS 流、Claude 推断（Haiku→Sonnet 升级），速率限制为每分钟每会话 10 次 Sonnet 调用。详细文档即将发布。欢迎在此提出技术问题。
<p>这个项目我独自花了 6 个月时间完成，几乎经历了两次生死考验。非常希望听到 HN 社区的反馈。
查看原文
I built a system that detects visitor emotions in real-time from mouse telemetry - no surveys, no tracking pixels, zero PII.<p>The Problem:
Your analytics tell you what happened (user bounced), but not why (they were confused, frustrated, or priced out).<p>How it works:
- JavaScript captures mouse movements, click patterns, scroll behavior
- Emotional inference engine (Claude Sonnet) analyzes behavioral signatures
- System detects: frustration, confusion, hesitation, confidence, exit intent
- Context-aware interventions deploy in milliseconds
- Feedback loop learns from outcomes<p>The Stack:
- 20 microservices on EC2 (emotional inference, cross-vertical ML, intervention engine)
- NATS for real-time message streaming
- Supabase for persistence
- Rate-limited and hardened for production<p>What makes this different:
- No surveys (real-time behavioral inference)
- No PII (emotional states only, no identity tracking)
- Spatial awareness (interventions match page context)
- Self-improving (learns from conversion outcomes)<p>Demo:
Visit <a href="https://sentientiq.ai" rel="nofollow">https://sentientiq.ai</a> - you'll feel it working on you. The interactive demo shows what we detect.<p>Technical Deep Dive:
Open the browser console on <a href="https://sentientiq.ai" rel="nofollow">https://sentientiq.ai</a> and watch:<p>Telemetry stream (mouse movements, clicks, patterns)
Emotion detection (curiosity → overwhelm → confidence)
Intervention deployment (contextual responses)
Full architecture: 20 microservices, NATS streaming, Claude inference (Haiku→Sonnet escalation), rate-limited to 10 Sonnet calls/min/session. Detailed docs coming soon. Happy to answer technical questions here.<p>Built this solo over 6 months. Nearly died twice. Would love feedback from the HN crowd.