一、問題:文字是一道牆

閱讀的本質是解碼。數百年來,我們透過視覺掃描符號,在大腦中重建作者試圖傳遞的資訊。這個過程極度仰賴兩個條件:專注力與語言處理能力。

但對許多人來說——ADHD 患者、閱讀障礙者、憂鬱症導致的認知遲緩——這兩個條件並非理所當然。文字不是橋,是牆。

Project H.O.L.O. 提出的核心假設是:如果故事可以繞過文字解碼階段,直接作用於人類的其他感知通道——聽覺、節奏、空間感——那麼閱讀就不再是少數人的特權。

二、CRA 模型的核心架構

Cognitive Rhythm Alignment (CRA) 是一個即時追蹤閱讀行為、注意力狀態與認知節律的系統,並據此動態調適內容的呈現方式。它不是一個靜態的 NLP 模型——它是一個閉環回饋系統。

┌─────────────────────────────────────────────────────────┐ │ CRA 認知節律對齊模型 │ ├─────────────────────────────────────────────────────────┤ │ │ │ 文本輸入 ──► 語義解構 ──► 模態分配 ──► 多模態生成 ──► 內容呈現 │ │ │ ▲ │ │ │ ┌────────────────┘ │ │ ▼ │ │ │ 認知追蹤 ────► 節律校準 │ │ (注意力/閱讀 (動態調適 │ │ 速度/停留) 呈現參數) │ │ │ └─────────────────────────────────────────────────────────┘

2.1 語義解構層(Semantic Ingestion)

輸入文本先經過深度語義分析:段落結構、情感曲線、場景轉換、對話密度。這一步產出的不是「摘要」,而是一張敘事地圖——標記了文本中哪些段落適合聽覺化、哪些需要視覺輔助、哪些情感高峰值得放慢節奏。

2.2 認知追蹤層(Cognitive Tracking)

在閱讀過程中,系統即時監測多項行為指標:

  • 閱讀速度:讀者停留在某個段落多久
  • 注意力偏離:是否出現頻繁的來回滾動或分心行為
  • 時間節律:閱讀會話的持續時長與間歇模式

這些數據構成了讀者的即時認知圖譜——不是判斷「讀者讀懂了沒有」,而是判斷「讀者當下的認知狀態適合什麼樣的呈現方式」。

2.3 節律校準層(Rhythm Calibration)

這是 CRA 最關鍵的環節:系統將認知圖譜與敘事地圖進行對齊,動態調整內容的呈現參數。舉例:

  • 當注意力開始下降 → 自動切換到聽覺模式(TTS 朗讀),降低視覺負荷
  • 當閱讀速度顯著放緩 → 判斷可能是情感共鳴點 → 延長該段落的背景音效保留時間
  • 當出現來回滾動 → 判斷可能是理解困難 → 自動生成視覺化的場景輔助圖

三、多模態生成管線

節律校準後的輸出進入多模態生成層,將文本轉化為以下形式:

聽覺模態 視覺模態 觸覺模態 量子語義

3.1 聽覺層

透過 ElevenLabs API 進行情感參數化的文字轉語音。不只是朗讀——角色的對話帶有對應的情緒色調,場景轉換時背景音效動態變換,敘事節奏與讀者的認知節律同步。

3.2 視覺層

根據語義解構結果,生成與當前段落情緒一致的色調、光線、空間暗示。不是「插圖」,是情感氛圍的視覺化——讀者不會「看到」角色,但會「感受到」場景的溫度。

3.3 量子語義分析

專案中最實驗性的模組。以量子啟發的相似度計算取代傳統的餘弦相似度,在語義空間中捕捉非線性的概念關聯。這使得系統能識別出傳統向量空間中難以捕捉的隱喻結構——例如「微風」與「自由」之間的語義共振。

四、13 個專案的生態系統

CRA 模型不是孤立的——它是 ModernReader 生態系統中的核心引擎,由 13 個子專案共同構成:

ModernReader 核心 Semantica · H.O.L.O. · Claw 協議 │ ┌────────┬───────────┼───────────┬──────────┐ ▼ ▼ │ ▼ ▼ 基礎設施 前端體驗 │ 資料分析 垂直應用 (4 repos) (2 repos) │ (2 repos) (4 repos) │ qbridge ──── 量子加速 │ StatSigCalculator ─ 內容實驗 agent_full ─ Agent 通訊 │ calc-tracker ── 學習分析 multithreaded ─ 排程 │ packet-monitoring ─ 網路 │ Carbon.Negtive ─ 環境敘事 │ sensory-shield ─ 感知防護 │ Robotic-Navigation │ Signal-to-System │ TeWei02.github.io

設計理念:每個子專案獨立可用,但透過 Semantica 語義引擎與 Claw Agent 協議串聯後,形成一條從物理信號到人類可讀敘事的完整 AI 管線。

五、CRA 為什麼與眾不同

市面上的閱讀輔助工具大多在做「加速」——Spritz 逐字顯示、Bionic Reading 加粗前半段——它們的預設是「閱讀的問題是太慢」。

CRA 的預設恰恰相反:閱讀的問題不是速度,是認知頻寬。當一個人的大腦因為 ADHD 或 MDD 而無法維持穩定的注意力時,加速只會讓情況更糟。真正的解法是讓文字的呈現方式適應當下的認知狀態,而不是要求認知狀態去適應文字。

這就是 Cognitive Rhythm Alignment 名字的由來:不是強迫節奏一致,而是找到兩者之間的共振點。

六、驗證:24 人受試者內實驗

CRA 模型的第一輪實驗採用受試者內設計(within-subjects design),同一批參與者分別在傳統文字模式與 CRA 調適模式下閱讀相同內容。關鍵衡量指標包括:

  • 閱讀專注時長(sustained attention duration)
  • 內容回憶準確率(recall accuracy)
  • 自評閱讀流暢度(self-reported flow)
  • 認知負荷問卷(NASA-TLX adapted)

完整實驗數據與統計分析將在後續文章中展開。

七、下一步

CRA 目前處於早期驗證階段。接下來的迭代方向包括:

  • 將認知追蹤從行為指標擴展到生理信號(心率變異、皮膚電導)
  • 引入個人化長期學習曲線——同一個讀者在不同日子的認知基線不同
  • 開放 API,讓其他閱讀平台接入 CRA 調適層

最終目標不是造一個更好的閱讀器,而是建立一套能被任何內容平台使用的認知適應協議——讓「適性閱讀」變成互聯網的基礎設施,而非某個 app 的付費功能。


柯德瑋,2026 年 6 月
專案原始碼:github.com/TeWei02/ModernReader