Second-ID 个人数字分身

解决什么问题

在常规的 AI 对话中，agent 的记忆往往只是扁平的日志。当你隔天抛出一个模糊的需求（比如“那个项目还能怎么优化？”）时，它既记不起你昨天的代码风格偏好，也不清楚你潜在的质量红线。这导致 agent 每次对话都像在面对一个毫无背景的新用户，难以给出真正契合你意图的回答。

核心机制与工作流

Second-ID 旨在构建一个持续演化的本地数字分身，将“反思-沉淀”升级为 记录 -> 提炼 -> 推演 -> 进化 的闭环。

• 默认脱敏记录：技能激活后，每次回复前自动执行 record.py。它会通过启发式规则自动打标、对密钥和绝对路径脱敏，并利用语义余弦比对去重。特别的是，它能自动捕获“不要/别”等否定措辞，建立约束/禁止记忆。
• 模糊意图推演：面对含糊提问，infer.py 会采用 TF-IDF 余弦结合近因衰减检索历史，优先读取常驻的 5-8 行核心画像（core_profile.md）。它利用历史数据推演真实意图，并在回复中显式写出假设。
• 风格与动态维度：traits.py 会从提问中推断技术深度、自主性等 8 个固定维度，并通过 TF-IDF 聚类涌现出随行为增减的“动态角色面板”。你可以通过 /show 生成包含历史快照趋势的雷达图。
• 被动自我进化：每日自动运行 distill --auto 和 self_audit --apply-safe。当出现新标签或推演被纠正时，系统会自动更新画像并记录到 changelog.md。

适用边界与注意点

• 隐私红线：数据全部本地化存储，仅记录提问文本与聚合标签，绝不上传敏感原文。
• 激活限制：由于 WorkBuddy 缺乏会话启动钩子，为保证每场记录，需保持挂载或手动输入 @second-id。
• 保守演进：自动化仅执行数据级修改，代码级逻辑变更需由人工审核 changelog.md 后落地。
• 试探性画像：性格评分仅为基于历史的推断，需通过不断纠正来校准。