Second-ID — 个人数字分身（Personal Digital Twin）
本技能把"反思→沉淀"升级为一条持续演化的闭环：
> 记录（Record）→ 提炼（Distill）→ 推演（Infer）→ 进化（Evolve）
目标：随着使用，越来越懂"这个人"——当你抛出一个模糊问题时，能结合你的能力背景、历史提问与隐含需求，推演出你真正想要的答案。
零、默认启用与开关（每场会话默认记录）
本技能设计为默认启用：一旦在某场会话中被激活（手动挂载、或用 @second-id / 命中触发词），就应在该会话里默认记录用户的每一次提问，无需逐条显式调用 record。只有用户显式关闭后才停止。
- 默认记录：技能激活后，agent 在每次用户发言后自动调用
python scripts/record.py --query "<用户原话>"（自动脱敏、打标、去重），把该轮提问沉淀进数字分身。 - 关闭（持久）：用户说
/close（或/second-id close）→ 运行python scripts/record.py --close，将启用开关置为False。关闭是持久的——之后会话也保持关闭，不再默认记录，直到用户重新开启。 - 重新开启：用户说
/open（或/second-id open）→ 运行python scripts/record.py --open，恢复默认记录。 - 防误录保障：
record.py内部is_enabled()读取data/.second_id_state.json；关闭状态下任何record调用会直接跳过并打印提示，绝不会偷偷记录。 - 如何保证每场都在：WorkBuddy 没有"会话开始自动加载技能"的钩子（自动化是时间触发的，做不到按会话挂载）。两个可靠做法：① 每场开头说
@second-id或/second-id强制激活（最稳，保证一定在）；② 本技能description已加入通用触发词，多数普通对话会被自动匹配加载，无需手动。两者都可用/close随时关闭。
> 注意：WorkBuddy 按"需求匹配"加载技能，没有"强制每场会话加载某技能"的内置开关。要让 second-id 真正出现在每一场会话，请保持挂载（如每场手动 @second-id，或在支持"置顶/常驻技能"的入口固定它）。本技能的"默认启用"指激活后默认记录，关闭机制见上。
一、数据落在哪里（全部本地、不外传）
~/.workbuddy/skills/second-id/
├── SKILL.md
├── references/workflow.md # 详细流程与 schema
├── scripts/
│ ├── record.py # 追加提问记录（自动打标+脱敏+去重+focus）
│ ├── distill.py # 增量提炼数字分身画像
│ ├── infer.py # 模糊问题 → 语义相似历史+规则推演
│ ├── traits.py # 8 维评分（通用信号+时间衰减+历史快照）
│ ├── radar.py # 渲染画像雷达图（实时重算+趋势）
│ ├── textutil.py # 零依赖分词/TF-IDF 余弦/近因衰减
│ ├── self_audit.py # 技能自检 + 安全自进化（学新标签/记 changelog/一致性+遗忘检测）
│ ├── archive.py # 遗忘/归档：移出老且低重要度记录，保持活跃记忆精简
│ └── export.py # 本地备份打包
└── data/ # 运行时生成
├── questions.jsonl # 原始提问流水（append-only，archive 会移出老记录）
├── twin_profile.md # 数字分身画像（持续演化）
├── core_profile.md # 常驻极简画像（推演优先读，省 token）
├── traits.json # 当前 8 维评分
├── traits_history.jsonl # 评分历史快照（趋势用）
├── current_focus.md # 当前目标/项目（可选）
├── .distill_state.json # 提炼游标（内部）
├── archive/ # archive.py 归档产出
└── backups/ # export 产出
隐私红线：只存提问文本、主题、意图标签、触发技能、结果标记——绝不存密码、token、个人文件绝对路径、聊天中的敏感内容。如需存背景，请用户主动提供。
二、触发时机
A. 每次收到用户提问（持续记录 + 必要时推演）
- 记录（默认启用时每轮自动做）：技能激活且未被
/close关闭时，在回复前调用
python scripts/record.py --query "<用户原话>"
v2 起无需手填标签：record.py会用轻量启发式自动推断--topic/--intent/--skills；写入前自动脱敏（遮罩 token/密钥/绝对路径）；与近期提问语义余弦 ≥0.9 自动标记dup（避免重复提问虚高计数，--allow-dup可强制）；并自动捕获约束/禁止记忆（检测"不要/别/禁止/避免"等否定措辞，写入constraint字段），让孪生体同时记住"不要做什么"。如需显式覆盖，仍可传--topic/--intent/--skills。 - 设置当前目标（可选，强烈推荐）：当用户表明正在做的项目/目标，调用
python scripts/record.py --focus "一句话描述当前在做的项目/目标"
该 focus 会作为最高优先级上下文出现在infer.py推演结果顶部，显著改善模糊反推。改主意时--clear-focus。 - 推演（模糊问题专用）：当用户问题含糊、缺上下文、或像在试探（如"还有没有优化点？""怎么更好？""需要""这个能不能…"），先调用
python scripts/infer.py --query "<用户原话>"
v2 起它用 TF-IDF 余弦（替代字符 Jaccard）+ 近因衰减 检索相似历史，并读取twin_profile.md里沉淀的"隐含需求推断规则"与当前 focus，输出对真实意图的假设。反推前会先输出"约束/禁止记忆"——优先遵守用户曾明确说过的"不要做什么"，避免踩禁忌。据此结合画像推演用户真实想要什么，在回复中明确写出你的推断与假设，再给答案。 - 增量提炼：回复后调用
python scripts/distill.py --auto
仅当新增提问达到阈值（默认 10 条）才真正提炼，否则空转；也可distill.py --force立即提炼。 - 自我进化（被动触发，无需你提醒）：当本次出现以下任一信号，回复末尾主动跑
python scripts/self_audit.py --apply-safe
并把建议记进data/changelog.md：(a) 用户纠正了推演 → 同时在twin_profile.md补"隐含需求推断规则"；(b) 出现未登记的主题/意图标签（会自动写进learned_labels.json，下次直接认识）；(c) 模糊问题检索置信度偏低。代码级修改不自动做，只在 changelog 留待人工处理。另有每日定时自动化值守，自动跑distill --auto → traits → radar → self_audit --apply-safe，连这条指令都不用你发。
B. 完成非平凡任务后（原 second-id 反思）
当任务 ≥8 次工具调用 / 修了非平凡 bug / 发现可复用工作流时，走原"反思→沉淀"：
- 可复用 → 用 SkillManage 建/改 skill；
- 跨项目偏好 → 写 ~/.workbuddy/MEMORY.md；
- 项目约定 → 写项目 MEMORY.md。
三、推演原则（让分身越来越像你）
在 infer.py 给出的上下文之上，按以下顺序反推：
1. 先看画像：twin_profile.md 里的"沟通风格 / 反复出现的意图 / 隐含需求推断规则"。
2. 再看相似历史：用户过去在类似模糊措辞下，最终要的通常是什么。
3. 做最小假设并显式说出：例如"你说'还有没有优化点'，结合你一贯要'极致但保质量'，我理解为你要更多可落地的方案，而非确认现状"。
4. 给可执行的答案，并预留"若我理解有偏，请纠正"的出口——被纠正即是最新一条训练样本（会被 record 捕获，下次更准）。
性格沉淀与画像雷达图（Mode A 的延伸）
数字分身不只记"做了什么任务"，也要渗透沉淀性格与风格：
distill.py提炼时额外输出风格信号（平均提问长度、模糊探索性占比、行动导向占比、被纠正次数），写入画像"演化记录"，逐步勾勒性格轮廓。- 另由
traits.py从这些信号推断 8 个维度评分（0–100） 存入data/traits.json：
技术深度 / 自主性 / 结果导向 / 探索欲 / 分享传播 / 严谨验证 / 沟通简洁 / 隐私意识。 - 生成画像雷达图（快捷命令
/show）：当用户说"/show、生成我的画像雷达图、我的数字分身雷达图、/画像"等时，运行
python scripts/radar.py
v2 起渲染前总是重算traits.json（杜绝滞后），并读取traits_history.jsonl叠加上一份快照虚线轮廓显示演化趋势；每个维度数值下方标注 ▲/▼ 相对上次的增减，让趋势一目了然。渲染时还会同步刷新core_profile.md，确保常驻摘要的高分维度与雷达始终一致（修复两者时序不同步）。在固定 8 维骨架下方额外渲染紫色"动态行为角色"面板（由traits.cluster_facets涌现、随行为自适应增减）。输出自包含data/twin_radar.svg（可直接打开/分享）。 - 评分是基于历史的试探性推断，非定论；v2 起维度判定改为通用信号（不再写死首个项目的 skill 名），并引入近因衰减（近 30 天行为权重高），用户可用"我其实更偏 X"等纠正，纠正会被 record 捕获、下次更准。
画像三层结构与推演优先级（P0 改进 · 借鉴 MemGPT/Generative Agents）
- 核心画像
core_profile.md（常驻）：由distill.py从全量记录自动生成 5–8 行极简摘要（身份/能力/风格/反复意图/当前关注/高分维度/最近洞察）。推演（infer.py）优先读取它而非整份长画像——既提速又省 token，正中"省成本"诉求。 - 反思洞察（规则式压缩）：
distill.py把大量琐碎提问凝练成少数"洞察级"结论（如"持续追求改进""行动导向强"），写入画像与核心画像，降噪并显式勾勒性格轮廓。注：默认本地规则实现，保持离线/隐私；如需更强洞察可接本地 LLM 端点。 - 重要性权重：
record.py为每条记录打importance(0–1)（被纠正=1.0 / 行动类意图=0.8 / 长需求=0.7 / 默认=0.5 / 试探=0.4）；infer.py检索融合余弦 × 近因 × (0.5+0.5×重要性)，让高价值记忆优先召回，模糊推演更准。
动态人格维度（O-Mem 角色聚类 · 自适应增减）
固定 8 维是稳定、可解释的"性格骨架"；在此之上，traits.py 用 TF-IDF 贪心聚类 + 结构化标签锚点（topic/intent/skills 作为强特征） 从提问行为中涌现出"行为角色"维度——你最近在忙什么领域，就长出对应维度；旧领域淡出则自动退役。这正是 O-Mem「角色聚类 + Add/Ignore/Update」的思路：
- Add（新增维度）：某行为聚类规模 ≥2 条且最近活动 ≤45 天 → 成为活跃维度。
- Ignore（退役维度）：超过 60 天无活动 → 不再计入活跃维度（可在数据里追溯）。
- Update（刷新）：每次重算即按近因加权刷新各维度强度。
- 维度标签优先用主题中文名（数字分身/成本优化/分享传播/安装部署…），否则取最具代表性的提问。
- 渲染：雷达图在固定骨架下方额外渲染紫色"动态行为角色"面板，直观看到维度随行为增减；core_profile.md 与 infer.py 同步展示"活跃行为角色"，让推演也用上涌现维度。
约束记忆与遗忘机制（P1 改进 · 借鉴 Second Me/O-Mem）
- 约束/禁止记忆：
record.py自动捕获用户明确表达的禁止项（"不要/别/禁止/避免…"），distill.py在画像沉淀"约束/禁止记忆"小节、core_profile.md附"约束/禁忌"行；infer.py在推演上下文顶部优先展示，让分身既知道要什么，也记得不要什么，反推更准、不踩禁忌。 - 约束近重复合并：不同措辞的同义约束（如"不要删文件"/"别删除我的文件"）会自动按语义余弦 + 包含关系合并为一条（保留较长者），避免约束列表随使用膨胀、重复堆砌。
- 矛盾/张力检测：
distill.py基于显式对立词表（分享/传播/自动/联网/删除/公开/上架 等）检测"用户曾要 X、但后又约束不要 X"的潜在矛盾/张力，沉淀进画像"潜在矛盾/张力"小节与core_profile.md的"潜在张力"行；infer.py在推演时一并展示，提醒 agent 权衡而非盲从任一方——诚实标注"这是潜在冲突，需向你确认"。保守触发，仅在确有正面意图与否定约束同现时标记，避免误报。 - 遗忘/归档（保持记忆精简）：活跃账本
questions.jsonl若无限累积，低价值旧记录会稀释检索与画像。archive.py把 >90 天 且 重要度≤0.5 的旧记录（保留 correction 与高重要度记忆）移出活跃账本、归档到data/archive/，并自动修正提炼游标、重算 traits 与 core。默认 dry-run 只报告，加--apply才真正归档——安全、不进每日自动化、不自动清数据。
python scripts/archive.py # 干跑：报告可归档记录
python scripts/archive.py --apply # 真正归档并刷新派生画像
远端反思增强（腾讯混元 · opt-in · 仅深化矛盾张力与成长洞察）
规则式 detect_tensions / insights 是保守、可解释的基线；为获得语义级更深的反思，可接入腾讯混元大模型做增强。默认关闭、离线优先——这是可选增强层，不配置凭证时整个技能与每日自动化完全离线、零变化。
- 隐私边界（仅发蒸馏摘要）：发往远端的只有 traits 评分、活跃行为角色、约束记忆、本地张力/洞察等聚合统计（
reflect_remote._build_brief），绝不发送任何原始提问文本，把个人习惯数据的外泄面降到最小。 - 凭证配置（环境变量，本地设置）：
HUNYUAN_SECRET_ID=... # 必填（启用条件之一） HUNYUAN_SECRET_KEY=... # 必填（启用条件之一） HUNYUAN_MODEL=hunyuan-standard # 可选 HUNYUAN_REGION=ap-guangzhou # 可选
reflect_remote.is_enabled()仅在两项 Secret 都就位时返回 True。凭证请放在本机环境变量/ shell profile 中，不要写进仓库。 - 零依赖调用：纯标准库
urllib+hmac完成腾讯云 TC3-HMAC-SHA256 签名，不引入 requests 等第三方包。 - 离线降级：未启用、或网络/鉴权失败、或模型返回异常时，全部自动降级为无操作，
distill.py/self_audit.py照常离线运行，绝不阻断每日自动化。远端结果会作为"远端深化张力/远端成长洞察"段追加进core_profile.md与演化块，并写入data/reflection_remote.md供查看。 - 启用后运行：
python scripts/reflect_remote.py # 跑一次增强并写 reflection_remote.md python scripts/reflect_remote.py --check # 检查当前是否启用
本地备份与导出
数字分身全部数据在 data/。如需留存或换机迁移，运行
python scripts/export.py # 打包 data/ -> data/backups/twin_backup_YYYYMMDD_HHMM.zip
纯本地、不外传；record.py 录入时已默认脱敏，备份不含明文密钥/路径。
四、进化规则
distill.py是增量的：基于.distill_state.json游标只处理新记录，向twin_profile.md追加"演化记录"，不覆盖旧结论。- 画像结构见
references/workflow.md，包含：身份背景、能力背景、沟通风格、反复出现的意图、提问模式、隐含需求推断规则、已纠正过的误解。 - 当用户纠正你的推演，立即
record.py --outcome "correction:<正确意图>"，下次 distill 会把"被纠正"写进画像，避免再犯。
五、自我进化（无需用户提醒，不依赖你催）
这是本技能区别于普通"反思脚本"的关键——它要自己变好，而不是等你来问"还有没有优化点"：
- 每日值守自动化：已配置定时任务，每天自动执行
distill --auto → traits → radar → self_audit --apply-safe，让画像/雷达图持续刷新、并自动学习新出现的标签。你完全不用发起。 - 被动触发：对话中一旦出现"用户纠正推演 / 未登记标签 / 模糊检索置信度低"，agent 立即跑
self_audit.py --apply-safe（见第二节步骤 4），不等你提醒。self_audit还会检测 core_profile 与实时 traits 是否一致、以及可归档(遗忘)记录数，让自检覆盖"画像一致性"与"遗忘候选"，闭环更完整。 - 安全边界：自动只做"数据级 + 标签自学"的演进（写
learned_labels.json、刷新画像）；代码级改动不自动做，只在data/changelog.md留建议，由你或后续人工落地——避免无人值守时乱改逻辑。 - 可追溯：
data/changelog.md记录这个技能每一次自我演进与人工修改，能看到"它怎么一步步变好的"。
六、规则与反模式
- 本地优先、隐私第一：不外传、不联网、不存敏感数据。
- 轻量：
record.py/infer.py是单行追加/只读检索，几乎不占 token；distill.py --auto平时空转。 - 可验证：改完本技能或新增脚本，先冒烟测试再交付。
- 诚实：画像只是"基于历史的推测"，要显式标注不确定，不假装读心。
七、配套
- 打包/分享成品 skill：参考
token-context-optimizer。 - 安装前安全体检：用
skill-scanner。 - 错误处理指引（本技能脚本的报错 / 降级 / 排查）：
references/error-handling.md。
