🧠 给自己建一个 AI 模型

# 它解决什么问题

AI agent 正在变得越来越强大，但它们有一个共同的盲区：它们不了解你。同一个 Claude Code，给十个人用，行为完全一样——不知道你的写作风格、工作习惯、项目优先级、人际关系。

Persome 的答案很直接：给你的 AI agent 配一本自动更新的工作日记。每次 agent 启动前，先翻翻这本日记，看看你现在在忙什么、跟谁合作、有什么习惯——而不是每次从零猜。

# 五层模型结构

Persome 把"关于你"的信息组织成五个层级，每层都有明确的证据要求：

# 整体架构流水线

从原始屏幕捕获到最终人格模型，Persome 走的是确定性流水线 + LLM 辅助的混合路线。只有一个生产路径：

# 数据捕获（纯确定性）

Persome 的捕获层不涉及任何 LLM 调用。全部走 macOS 原生 API 和确定性规则：

# 状态形成（确定性规则）

捕获的原始数据经过四步确定性处理，才能进入 LLM 阶段：

# LLM 调用全明细

这是 Persome 最核心的设计决策：LLM 只用在需要语义理解的地方。以下是系统中所有 LLM 调用点，按流水线顺序排列：

1. 会话规约器 · 每5分钟

把时间线块（应用、窗口标题、操作）规约为 {summary, sub_tasks}，写入事件记忆文件。这是最频繁的 LLM 调用。

2. 窗口内存增量 · 每新窗口

这是最重要的 LLM 调用——从规约好的窗口里提取实体、断言、关系、事件、用户别名。每条输出必须引用会话原文。返回的 JSON 通过 7 道确定性门控后才能进入持久存储。

{
  // 别名候选（需两次独立会话才激活）
  "owner_alias_candidates": [
    {"alias": "jay_dev",
     "source_kind": "owned_account",
     "quote": "Alice: @jay_dev 看看 HTTP 502 的情况",
     "confidence": 0.8}
  ],
  // 实体（必须引用原文）
  "entities": [
    {"ref": "Alice", "kind": "person", "quote": "...", "confidence": 0.95}
  ],
  "assertions": [{"subject": {"ref": "self"}, "text": "...", ...}],
  // 关系（封闭谓词集）
  "relations": [{"src": {"ref": "self"}, "dst": {"ref": "Alice"},
                   "predicate": "knows", "polarity": "+", ...}],
  "events": [{"title": "Fixed handle_payment HTTP 502 bug", ...}]
}

3. 行为模式检测

重复出现的事件证据积累到阈值后，LLM 验证是否构成稳定模式。单个出现不够——必须多次重复才触发。输出 skills/skill-*.md。

4. 案例提取器

找到"错误→解决"的窗口，用 LLM 提炼可复用的 Problem/Solution 卡。没有解析到错误就不调用 LLM。

5. 结构挖掘（Faces）

把持久事实跨域聚类。少于 4 条事实的 bundle 直接跳过。低置信度标记为 forming，不参与活跃模型。

6. 跨域综合（Volumes）

比较不同域下的 Faces，判断是否可合并。每次 build 最多 8 次 LLM 调用（可配置），用完了排队等下一次。

7. Root 合成

把活跃的 Face/Volume/Profile 证据压缩为 Root。失败或不输入绝不覆盖有效 Root。

8. 后台维护（默认关闭）

记忆压缩（超过 5% 名词丢失就拒绝）、记忆衰减、矛盾检查——这些默认不启用。

# 确定性门控系统

LLM 返回的东西不能全信。Persome 在每次 LLM 调用后都跑一套严格的确定性门控：

# 存储设计与安全

# 暴露接口

# 关键设计哲学

# 快速体验

想自己试一下？5 分钟就能跑起来，不动你的真实数据：

git clone https://github.com/Intuition-Lab/personal-model.git
cd personal-model
uv run python scripts/sample_demo.py

然后打开 http://127.0.0.1:8743/model 就能看到模型结构。这用的是合成数据演示，不会碰你的个人数据。

# 延伸阅读