AI 数字镜子

要解决什么问题

在 Agent 里长期协作时，模型往往只能看见「当前这一轮」的上下文：你是谁、常用什么工具、沟通习惯如何，需要每次重复说明，或者靠零散记忆文件自己拼。me-skill（SKILL 里称 Me - User Profile Analyzer）的目标是：把你在数字工作区里留下的可观测痕迹，整理成一份结构化用户画像，让回答「我是谁」「我偏好什么」「我有什么习惯」时有据可依，而不是泛泛猜测。

技能如何工作

分析按数据源优先级依次进行，越靠前的权重越高：

1. 记忆文件：USER.md（显式画像）、MEMORY.md（长期记忆）、memory/YYYY-MM-DD.md（近 7～14 天日志）
2. 工作区上下文：SOUL.md、IDENTITY.md、TOOLS.md
3. 已安装技能：从技能名与分类推断技术域、企业工具域、个人兴趣域
4. MCP 配置：看接了哪些服务与集成，不读取 token 明文
5. 会话历史（若有）：近期话题、命令模式、工具使用频率等

合成后的画像通常覆盖六块：身份与角色、性格与沟通风格、技术栈、行为模式、偏好、成长方向。默认输出 Brief Mode；用户要求深度分析时走 Detailed Mode，并引用 references/detailed-template.md。

常见触发与对应动作示例：

• 「Who am I?」→ 读 USER.md + IDENTITY.md，结合技能列表给出简版画像
• 「Analyze me deeply」→ 全量扫描记忆与分类，输出详细报告
• 「What skills should I learn?」→ 对比已装技能、日志里的反复报错与 MEMORY.md 中的目标，指出知识缺口

边界与注意点

• 隐私：不得暴露密钥、token 或凭证；用模式概括，避免大段引用私密原文；区分事实与推断，并用「确定 / 推测 / 可能」标注置信度。
• 数据边界：主会话可读完整记忆；群聊仅用共享上下文（不读 MEMORY.md）；公开场景只用公开画像信息。
• 质量自检：交付前应确认各数据源已检查、推断已标注、画像前后一致且可执行。