Persona Forge — 让 AI 学会你的判断力
> 不是"让 AI 记住你的习惯"——那是记忆工具，已经很多了。
> 这个做的是另一件事：把你的判断连同结果一起存下来，
> 让 AI 知道你什么时候准、什么时候翻车。**
我们不做什么（先划清界限）
做"让 AI 记住你"的已经有一堆了：Anthropic 官方 memory-management（416★）、
LobeHub claude-memory、aiskillstore memory-management……
它们回答的是「我说过什么」。我们回答的是「我判断得准不准」。
| 记忆类 skill | persona-forge | |
|---|---|---|
| 记什么 | 偏好、决策、纠正 | 判断 + 事后的实际结果 |
| 目标 | AI 当秘书（记事） | AI 当参谋（复盘） |
| 冷启动 | 从零手写 | 扫描已有散落记忆，一次捞回 |
| 注入方式 | 把 JSON / md 塞进 CLAUDE.md | 编译成祈使句指令 |
| 提炼门槛 | 无 | 同类型 ≥20 条带结果 |
> 「事后回填——你的判断到底对不对」。**
> 这是本 skill 唯一无法被替代的地方，也是它最难被坚持的地方。
> 如果你只想让 AI 记住你的偏好，用官方那个就够了，别装这个。
核心认知（先读这段，否则会用错）
这不是训练模型，是给模型一本书。
它不改变任何权重，只产出三份可被任何模型读取的结构化文件。好处：立刻可用、不随基座换代贬值、可读可改可导出。
唯一的稀缺原料是「带结果的判断」。
说了什么不重要，说完之后事情走向如何才重要。不回填实际结果，攒再多也只是"用户说过什么"，不是"用户判断得对不对"——训不出判断力。这是整套体系的单点故障。
两条循环，速度差三个数量级，别混为一谈：
采集循环（日常·秒级） 信号命中 → 一句话存入 → 继续干活，不打断
↓ 攒够
锻造循环（定期·月级） 纵向聚类 → 结果分析 → 更新注入层 → 回测
采集必须轻到无感，否则坚持不下去。锻造可以重，因为一月一次。
一、三类语料（对应三个待办，别混淆）
| 语料 | 回答什么问题 | 信号 | 文件 | 门槛 |
|---|---|---|---|---|
身份档案<br>profile |
我是谁、什么角色、在推什么、什么约束 | 显式填写 / 推导后确认 | data/profile.json |
一份即可，须本人核对 |
判断日志<br>decisions |
我是怎么判断的？判断得准不准？ | S6 判断表达 | data/decisions.jsonl |
同一类型 ≥20 条带结果（纵向） |
偏好条目<br>preferences |
我喜欢什么、讨厌什么？ | S8 偏好陈述 | data/preferences.json |
无门槛，随记随用 |
反表层条目<br>anti-shallow |
什么样的输出我会否掉？ | S7 否定反馈 | data/anti-shallow.json |
≥10 条可命名否定项 |
> 档案不是偏好：档案回答"我是谁"（角色/目标/硬件约束），偏好回答"怎么说话"。
> 两者都进注入层，但档案在第零节——模型先看你是谁，才知道该用哪套口径。
> ⚠️ 纵向 ≠ 横向：判断日志要求"同一决策类型反复出现 20 次，看判断如何变化"，不是"20 个不同场景各一条"。后者只会得到一个什么都知道一点的通用档案，学不到判断力。
二、采集循环（日常，秒级，不打断）
采集有两种模式，别只做第一种：
| 模式 | 时机 | 说明 |
|---|---|---|
| 实时捕获 | 日常对话中 | 下面的 S6/S7/S8 三信号，命中即存 |
| 回溯采集（Backfill） | 安装后第一次、每月、换机器时 | 扫描本机散落的记忆文件与历史对话，把存量语料一次性捞回。见下 |
⚡ 回溯采集（冷启动必做）
实时捕获只能记"此刻之后"的话，但绝大多数高价值语料已经躺在硬盘里了——散落在多个 agent 的记忆文件中。
python scripts/scan_memories.py
零依赖、秒级，输出 data/_backfill_candidates.json。分三层：脚本定位源 → 信号词典确定性筛选 → 模型精读提炼（不让模型大海捞针）。
> ⚠️ 只有对话历史里的 user 消息是你的原话（trust=high）。
> 工作区日志大多是助手视角的记录（trust=low），严禁当原话入库。详见 references/backfill.md。
三个信号，命中即捕获
| 信号 | 表现 | 捕获动作 |
|---|---|---|
| S6 判断表达 | 用户对某事下了判断："这单能签""这个店长稳不住""先做 A 不做 B" | 存判断 + 依据 + 预期 → 记入回填队列 |
| S7 否定反馈 | 用户否掉了某个输出："太表层了""我要的是归因不是数据""别用营销腔" | 存否定项 + 触发原因 + 期望做法 |
| S8 偏好陈述 | 用户表达偏好："我喜欢结论先行""以后都给我表格""别问我，你定" | 存偏好 + 适用场景 + 强度 |
捕获纪律（违反 = 这整套失效）
- 一句话存完就走——不追问、不展开、不打断用户当前操作流
- 必须记原话——判断与否定都要保留用户原始措辞，不要 paraphrase（原话里有判断力的指纹）
- S6 必须建回填提醒——记下"X 天后问结果"，存
outcome_due - 不确定归哪类 → 存进
decisions，标category: unclassified，不要猜 - 用户说"这个别记" → 立刻删，不解释
事后回填（S6 的闭环，最重要的一步）
到 outcome_due 那天，主动问一句：
> "上次你判断【{判断摘要}】，现在结果怎么样？对了我记对，错了我记为什么错——错的才值钱。"
回填字段：actual / verdict（hit / miss / partial）/ why（错了必须写为什么）。
> 为什么错的更值钱：对的判断只证明"这次运气或能力到了"，错的判断才会暴露你的思维盲区。一条带 why 的 miss，价值 > 五条 hit。
三、锻造循环（定期，建议每月或攒够 20 条触发）
F1 — 纵向聚类
按 category 把判断日志归堆。只处理已回填的（未回填的不参与模式提炼，避免用未验证的判断污染注入层）。
F2 — 结果分析（核心）
对每个聚类算三件事：
- 命中率（hit / 总数）——低于 50% 的类别要重点写进注入层（说明这是你的盲区）
- 误判模式——把所有
verdict: miss的why放一起，看有没有重复出现的思维陷阱 - 判断依据的演变——早期 vs 近期，你依赖的信息变了吗？
输出：一段"我的判断画像"，含：我擅长判断什么 / 我容易在哪里翻车 / 我的依据通常来自什么。
F3 — 更新注入层
把 F2 结论写回三个文件（格式见 references/corpus-schema.md）。只增不改历史条目——历史判断带着当时的语境，改了就失真。
F4 — 回测（不可跳过）
预留 holdout：每 10 条判断留 1 条不进注入层，专供回测。
回测动作：拿 holdout 样本，对比 注入前 vs 注入后 的模型输出，判三个问题：
- 注入后是否命中了用户的真实偏好？
- 注入后是否避开了已知的反表层项？
- 注入后给出的判断，是否更接近用户实际会做的判断？
量化：命中率提升 < 10% → 说明本轮锻造无效，回 F2 重来，不要拿无效注入层凑数。
四、注入出口：怎么进 AI 的上下文
⚠️ 先破一个错觉：装了 skill ≠ AI 每次都懂你
skill 只在触发词命中时才加载 SKILL.md。聊家常、问数据、写文案时它不会被触发，
注入层也就没进上下文。
所以常驻必须靠一份编译好的独立文件，挂到各 AI 的全局记忆里：
语料 data/*.json → build_context.py 编译 → PERSONA_CONTEXT.md → 挂载到各 AI
（记录） （祈使句指令） （唯一出口）
> 编译不是格式转换，是"记录 → 指令"的改写。
> 记录 {"content":"先给简洁结论"} 喂给模型，它不会改行为；
> 编译成 - 输出先给一句话结论，再展开细节 才会。别直接拿 JSON 去喂模型。
一条命令
python scripts/build_context.py --install # 生成 + 挂到 MEMORY.md / CLAUDE.md（幂等）
python scripts/build_context.py --copy # 复制到剪贴板，贴给网页端 AI
python scripts/build_context.py --mode full # 全量 4.6k 字
python scripts/build_context.py --topic 家电 # 只带相关条目
四条路径
| 路径 | 做法 | 自动？ |
|---|---|---|
| Claude Code / CodeBuddy | ~/.claude/CLAUDE.md 加 @<PERSONA_CONTEXT.md> |
✅ 每会话 |
| WorkBuddy | ~/.workbuddy/MEMORY.md 加读取指针 |
✅ 每会话 |
| 网页端 AI | --copy 贴到对话框 / 存进"自定义指令" |
❌ 更新后重贴 |
| 自己的产品 / API | 拼进 system 消息第一段，或走代理层统一注入 |
✅ 客户端零改 |
分层（别全量塞上下文）
L0 身份 / L1 规则 / L2 自检 = lean 默认 ≈ 1.9k 字，任何对话都吃得下。
L3 补充 / L4 判断画像 只在 --mode full 或 --topic 时带。
> ⚠️ 注入不是越多越好。塞满规则模型会顾此失彼，命中率才是判据，不是条目数。
详见 references/injection.md。
五、与 skill-forge 的关系
| skill-forge | persona-forge | |
|---|---|---|
| 造什么 | 通用任务 skill | 个人注入层 |
| 语料 | 外部/行业一线语料 | 你自己的判断与否定 |
| 门槛 | ≥20 条、覆盖 2+ 维度（横向） | 同类型 ≥20 条带结果（纵向） |
| 时间维度 | 无 | 有（回填 + 演变） |
| 护栏 | 禁输出语料原文（防泄密） | 可读、可改、可导出（这是你的东西） |
| 闭环 | 锻造完即出厂 | 复炼（回测 + 定期重跑） |
共同命题：方法不是资产，语料才是。模型权重会随基座换代贬值（约 6 个月），不贬值的是带结果的语料与评测集。
六、质量红线（违反任一条 = 不产出）
- ❌ 只记判断不回填结果 → ✅ S6 必须有
outcome_due，到期必问 - ❌ 判断日志横向铺开 → ✅ 同一类型纵向 ≥20 条才够料谈模式
- ❌ paraphrase 用户原话 → ✅ 保留原始措辞
- ❌ 用未回填的判断提炼模式 → ✅ 只用已验证样本
- ❌ 回测无提升还照用 → ✅ 提升 <10% 打回重做
- ❌ 改历史条目 → ✅ 只增不改
- ❌ 用户说别记还记 → ✅ 立刻删
使用纪律
- 采集轻、锻造重——采集超过 10 秒就是设计失败
- 错的比对的贵——miss 必须写
why - 重复 = 强度——同一偏好被提出 2 次以上，
strength升为must并标repeat_count（说明 AI 一直没做到）；跨月重复要触发机制检查——问"为什么没执行、缺什么机制"，而不是再记一次 - 注入层是活的——每月复炼一次，过期偏好要标
deprecated而不是删 - 可读可改——用户随时可以要求导出、修改、删除任何条目
参考文件
- 四类语料字段规范：
references/corpus-schema.md - 信号识别详解 + 捕获话术：
references/signal-radar.md - 回溯采集（冷启动扫描）：
references/backfill.md - 注入协议（怎么进 AI 上下文）：
references/injection.md - 复炼闭环与回测方法：
references/reforge-loop.md
