森源会实验室进入倒计时阶段。随着系统主干安装基本完成，今天的重头戏是中央控制面板的调试。
大厅中央的墙面上，嵌入式触控屏如镜面般安静等待着第一次点亮。那是一块集合温度、湿度、氧气浓度、风速、空气洁净度等多维数据的中控终端，是“这栋房子的中枢感官”。
卜丢站在屏幕前，有些紧张，也有些兴奋。
“点亮它。”他说。
兔兔笑着按下启动按钮。
面板启动，柔和的白光亮起，屏幕中心缓缓出现房子的3D可视图。房屋内的每一个房间，都被温湿图标标注，一目了然。
“一楼客厅，温度23.1℃，湿度42%，CO₂浓度480ppm。”
“二楼主卧，温度22.5℃，湿度44%，轻度正压送氧中。”
“三楼工作间，风速略高，系统正调平分风比。”
兔兔快速翻页展示，“这是主面板监控界面，我们还给每个房间设了独立标签页。”
“有点像天气预报，”蛋蛋凑近看，“但天气是我们自己造的。”
羊羊轻声补充：“而且，我们可以写自己的气象日志。”
这句话点醒了卜丢。
他转过身，看向身后的大家：“我想试试一件事。我要每天记录我在这个房子里住的体感，然后和这些数据比对。”
龙龙懒洋洋地问：“你是想搞个实验？”
“我是想知道，这房子到底有没有‘理解我’。”卜丢认真地说。
当天夜里，系统完成初步负载校正后，卜丢搬进了主卧，开始“试住计划”。
22:00
“房间温度22.4℃，湿度45%，氧气正常。窗帘自动闭合，夜灯渐暗。”
卜丢拿出笔记本，写下：
入住第一夜。身体感觉很安静，不冷不热。湿度似乎比平时高一点，但呼吸顺畅。室内有股微微的木头香。
03:15
他醒了一次，感觉有点口干。他看了看面板上的数值，氧气略低于预期，可能是夜间送风量被系统调节到了节能模式。
07:30
阳光透过自动开启的窗帘洒进来，系统已提前30分钟提升了卧室的新风比，房间有种“清晨山林”的气息。卜丢深吸一口气，写下：
今早醒得很轻快，感觉和以前住的地方不一样。空气像是“活的”，它知道我快醒了。
“这是你昨晚的体感日志？”兔兔第二天在客厅翻着卜丢的记录本。
“是的。我想让系统知道我睡得好不好，不只是看数据对不对。”
“很好。那我们就试试把你的日志输入反馈模型。”
她调出中控系统的反馈录入界面，创建了一个新用户模块：“卜丢-主观感知模型”。
羊羊加入进来，帮忙同步了夜间传感器数据：室温曲线、湿度波动、风速变化、噪声级别等。
“现在我们有了数据，也有了你的描述。”羊羊点头，“模型可以开始学习了。”
接下来的几天，卜丢坚持每天早晚记录自己的感受，有时候写在纸上，有时候直接对着语音助手说：
“今天我觉得有点闷。”
“昨晚风太大，我醒了两次。”
“今天早上醒来很舒服，好像空气变轻了。”
兔兔将这些主观感受和系统参数相对比，不断调整感知模型：
* 卜丢在体感“偏热”的情况下，实际室温为23.2℃，湿度47% → 模型自动降低湿度目标为43%，以增强体表蒸发感；
* 卜丢反映“夜里风声影响睡眠”，系统识别为风速偏高并联动夜间风机降噪模式；
* 卜丢记录“早上空气清爽”，系统确认为日出前30分钟新风量提升带来的正反馈 → 系统固化为晨醒联动模式。
“你变成了房子的老师。”蛋蛋调侃道。
卜丢摇头：“不是。我是让它记住我的‘生活节律’。”
森源会实验室的三恒系统，不仅靠传感器“感知”，更重要的是能“理解”居住者。通过引入用户反馈机制，系统可以进行感知校准和行为优化。
用户反馈模型分为四个步骤：
1. 数据采集
系统持续记录温湿度、风速、空气质量、噪声等基础环境参数，同时开放语音输入或日志记录接口，收集用户主观感受。
2. 感知差异分析
将主观描述与客观参数对比，识别“体感偏差”：如“用户觉得冷”但系统温度正常 → 可能为风速过高、湿度偏低等因素引起的假冷感。
3. 模型微调
每个用户建立独立的“舒适曲线”，系统自动调整送风、除湿、供氧等策略，形成“以人为本”的动态调节机制。
4. 正反馈固化
用户持续满意的策略会自动被写入优先规则集，如“每天早晨六点前提升新风量20%”，成为生活节律一部分。
这种系统反哺机制，让房子不再只是一个空间，而是一个能“学习你”的伙伴。
