数字大脑

解决什么问题

创作者和职场人的一个典型痛点：每次打开 AI 对话都从零开始。上周和 Sarah 聊过的合作细节、自己定下的内容调性、灵光一闪的选题，散落在不同会话里，要么找不到，要么要人肉复述。结果就是声音不一致、关系跟进断档、目标 tracker 停留在两周前。

数字大脑把这件事收敛成一套个人操作系统：让身份、声音、人脉、目标沉淀为可复用的数据文件，后续任务只加载需要的部分。

如何工作

三级渐进加载，避免把所有指令一次性塞进上下文：

• L1 元数据：技能概述常驻
• L2 模块指令：按需读取 [module]/[MODULE].md
• L3 数据文件：用到时再碰 .jsonl / .yaml / .md

文件格式分工明确：

• .jsonl 只追加日志——灵感、帖子、联系人、互动，永不删除，只用 status:"archived" 标记
• .yaml 存结构化配置，如目标、价值观、关系圈
• .md 存叙述性内容，如声音画像、日历
• .xml 用于复杂内容模板

三条核心工作流：

1. 内容创作：先读 identity/voice 定调，对照 identity/brand 确认主题契合，参考 content/posts.jsonl 里的历史成功模式，用模板起草，发布后回写指标
2. 会议准备：从 network/contacts.jsonl 找人，取 network/interactions.jsonl 历史互动，结合 operations/todos.md 生成带上下文的简报
3. 周复盘：汇总 operations/metrics.jsonl，按 inner/active/network/dormant 层级找沉睡联系人，更新 operations/goals.yaml，规划下周 content/calendar.md

适用边界

它不负责语义级跨会话记忆，这类需求应交给 memory-systems；也不处理文件溢出策略，那是 filesystem-context 的领域。输出的 BrainState 工件（声音画像、关系简报、目标进度）设计为可交给下游技能继续消费。