我把数字分身做成了一个真正可复用的系统
这次不只是“让 AI 帮我干活”
过去一段时间，我一直在做一件事：把自己的知识库、博客、网站、职业判断和写作风格逐步交给 AI，让它不只是回答问题，而是站在我的视角做事。
最早这个东西更像一个实验：
- 读我的 Obsidian wiki
- 理解我的关注点和写作方式
- 审视我的个人网站
- 帮我改页面、写博客、整理内容
但我最近发现，一个真正有价值的数字分身，不能只是“会在当前对话里表现得像我”。
它必须满足三个条件：
- 能检索已有资产，而不是每次从零开始
- 能把结果写回系统，而不是只留在聊天记录里
- 能从任务里沉淀规则，让后续动作越来越稳
于是我把这件事往前推了一步：把它做成了一个单独的 repo，也把它同步回我真实在用的本地 skill。
这次的目标不是展示一个酷炫 demo，而是把一个“像我”的 AI，变成一个“能长期替我工作的 operating layer”。
数字分身到底在做什么
我给这个系统的定位不是 chatbot，而是一个文件驱动的 agent layer。
它主要做四类事：
1. 读取我的长期知识
它会优先读取：
AGENTS.mdwiki/_index.mdwiki/outputs/- 相关历史文章、研究报告、复盘记录
这一步很重要。很多所谓“数字分身”其实只有一层 prompt 伪装，当前会话里看起来像你，过了这个窗口就什么都不记得了。
我想要的不是这种效果。
我想要的是：它下次再做类似任务时，知道我之前怎么想、怎么做、踩过什么坑。
2. 路由不同类型的工作
现在这个数字分身不是一个大而空的 prompt，而是明确分了几个能力模块：
- 内容创作
- wiki 管理
- 代码研究
- 网站优化
- 简历工坊
- 学习闭环
这意味着它不是“想到什么做什么”，而是先判断问题属于哪类，再加载对应能力文件和工作规则。
3. 把高价值输出写回系统
这是我最在意的一点。
如果一个 AI 帮我想出了一个好观点，但这个观点只出现在聊天窗口，那它几乎等于没有存在过。
所以我现在要求数字分身在完成任务后，优先把结果写回到这些地方：
wiki/outputs/wiki/summaries/Blog/Published/- 或项目本身的长期文档
换句话说，它要留下“资产”，而不是留下“印象”。
4. 通过 learning loop 逐步变强
真正让我开始认真看待这个系统的，是 learning loop 这一层。
它不是训练模型权重，也不是幻想 AI 自我觉醒。
它做的事情很朴素：
- 这次任务暴露了什么稳定偏好？
- 哪个流程应该写成默认规则？
- 哪个错误下次应该直接跳过？
- 哪个结果值得变成模板？
一旦这些东西被写进 durable notes，数字分身就不再只是“回答得像我”，而是开始“工作方式也越来越像我”。
这次我具体做了什么
今天我把它正式整理成了一个独立项目：
这个 repo 不是一个复杂框架，而是一个非常克制的 skill package，核心文件包括：
SKILL.md：总控协议WORKFLOW.md：对外解释这套 operating modelcapabilities/：能力模块references/：写作风格和标签体系examples.md：典型使用方式
这次我借鉴了一些成熟 agent 系统最值得保留的原则，但没有照搬它们的整套 runtime。
我保留的是这条主链路：
retrieve -> act -> write back -> learn
也就是说：
- 先检索已有资产
- 再执行任务
- 再把结果写回知识系统
- 最后抽取下次可复用的规则
这比“我写了一个很长的 prompt”更有价值，因为它开始具备了可持续迭代的形状。
哪些人会真正需要这种东西
我不觉得每个人都需要数字分身。
如果你没有长期积累的知识资产，也没有稳定的输出需求，那它大概率只是一个很酷的概念。
但下面这几类人，我认为会明显受益。
1. 持续写作的人
如果你长期写博客、做公开表达、整理职业判断，数字分身可以帮你：
- 从零散笔记里找主线
- 先查历史观点，避免重复表达
- 保持风格一致
- 把一次输出接回整个知识系统
对这类人来说，它不是代写工具，而是一个长期共笔系统。
2. 有个人知识库的人
很多人做知识管理，停留在“我存了很多信息”。
但信息本身不会自动变成生产力。数字分身的价值在于，它把知识库从被动存档变成主动工作记忆。
你不再只是“记住了”，而是让 AI 可以基于这些知识去行动、去审视、去生成新结果。
3. 正在做个人品牌或个人网站的人
我这次最直观的应用场景，就是我的个人网站。
数字分身现在已经能做这些事：
- 审视首页表达是否足够像我
- 判断某个项目值不值得挂到网站上
- 根据新主题起草一篇博客
- 持续把网站当成一个“活系统”来维护，而不是静态简历页
如果你的网站本身就是你的长期资产，这种能力会非常有意义。
4. 想把 AI 从“对话助手”升级成“工作系统”的人
很多人现在对 AI 的使用方式还是：
“问一个问题，拿一个回答，结束。”
但我越来越确定，这不是 AI 最有杠杆的用法。
更强的用法是：
- 把你的工作流文件化
- 把规则显式化
- 把输出资产化
- 让 AI 逐步进入这个闭环
数字分身的价值，就在于它处在这个演化方向上。
它不适合什么人
这个系统也有明确边界。
它不适合：
- 只是想要聊天陪伴的人
- 没有知识沉淀习惯的人
- 希望“一键自动化 everything”的人
它更像一个需要长期喂养的 operating layer，而不是开箱即用的万能 agent。
如果你没有 wiki、没有笔记、没有持续输出需求，它的收益会很有限。
我对这件事真正感兴趣的地方
我感兴趣的不是“AI 像不像我说话”。
我感兴趣的是另一件更本质的事：
一个人多年的思考、判断、偏好和方法，能不能被蒸馏成一套持续工作的系统。
如果可以，那个人知识管理的意义就变了。
我们做笔记，不再只是为了自己回头看。 我们整理观点，不再只是为了某一篇文章。 我们维护 wiki，不再只是为了显得有体系。
这些东西开始成为一个 agent 的工作记忆、操作边界和演化素材。
我觉得这才是“数字分身”真正值得做的地方。
下一步
接下来我会继续让这个数字分身做两件更实际的事：
- 持续维护我的个人网站和博客
- 继续把它的工作方法回写到本地 skill，而不是只停留在公开 repo
因为对我来说，公开展示只是副产品。
真正重要的是：它能不能在我的真实工作流里长期变强，长期有用。
如果你也在做个人知识系统、持续写作或者个人网站，我觉得这条路很值得试一试。
不是因为它酷，而是因为它可能真的会成为一种新的个人 operating system。