从想象
到基础设施

通用模型已经足够聪明。个人 AI 最大的 gap，不是模型不知道世界，而是它不知道我。

2023 年 8 月，我写下了一份叫《ChatGPT 的长期计划》的笔记。那时 ChatGPT 出现还不到一年。我关心的已经不只是它能不能回答问题，而是：如果一个 AI 长期拥有我的个人数据，它到底可以了解我到什么程度？

我列出文字、照片、视频、音乐、代码、健康记录、财务数据、日历、聊天和日记，然后开始问一些真正和我有关的问题：

• 我最近几个月把时间花在了哪些事情和哪些人身上？
• 过去几年的支出和状态受什么因素影响最大？
• 做一个重要决定时，我过去有没有相似的记录？
• 哪些健康变化值得我带着证据去问专业人士？
• 能不能把旅行时随手拍的视频和照片，自动整理成一段 vlog？

我想做的是一个对我的一生拥有长期记忆的系统。它不只知道这次对话里说了什么，而是知道我过去做过什么、喜欢什么、害怕什么、哪些计划总是失败、什么情况下我的判断容易变形。

我甚至设想过让它学习我的说话方式，用我的声音回答问题，替我整理社交关系，成为一个数字版本的我。现在回头看，这份笔记很粗糙，也有一些过度乐观、侵犯隐私或根本不应该做的想法。但有一个判断后来没有变：个人 AI 的价值来自长期上下文，不只是参数量。

我当时想做的，不是更聪明的搜索框，而是一个会记得的系统。

当时我以为，只要把足够多的数据喂进去，AI 就会自然地变得了解我。后来发现完全不是这么简单。

原始聊天记录里有大量重复、表情、群聊噪音和没有上下文的碎片。照片里的同一个人可能有很多名字；健康、财务、关系数据又有完全不同的权限要求。信息分散在手机、电脑、云盘、表格、社交软件和封闭的 App 里，每个地方都有自己的格式和更新时间。

真正困难的是：

1. 数据怎样合法、稳定地拿出来；
2. 怎样清洗、去重并保留来源；
3. 哪一个版本是可以信任的 golden copy；
4. 怎样持续更新，而不是一次性导入后慢慢腐烂；
5. 谁可以访问，什么可以撤回和删除；
6. AI 做完以后，人怎样检查它有没有理解错。

如果同一条信息散落在五个数据库里，每个版本都不一样，AI 只是更快地制造混乱。个人数据库真正重要的能力，不是“存得多”，而是知道一条信息从哪里来、什么时候更新、谁有权读取，以及能不能被删掉。

我还需要固定的整理习惯。模型能力再强，如果 input 永远不更新，所谓长期记忆也只是一个过期的档案馆。

我不再只问“它知道什么”，我开始问“它可以替我完成什么”。

我用 n8n 做了一个很小的视频发布流程：手机拍完视频，文件进入工作流；模型分析内容，生成标题、描述和标签；系统上传到视频平台，发回结果通知，然后删除中间文件。

它现在看起来不复杂，但改变了我对 AI 的理解。在这以前，AI 的主要形态是一个对话框。我问一个问题，它给我一段文字。对话结束，工作也就结束了。

这个 workflow 不一样。它有明确的 input、process 和 output；会调用不同工具，完成一个真实动作，并把结果交还给我。AI 第一次不是“给建议的人”，而是进入了我的工作流。

最先跑通的，都是小闭环

这些实验让我明白：真正有用的个人 AI，不应该要求我每天打开十个产品，写十遍 prompt，再把答案手工复制到另一个地方。它应该在后台工作，只把值得我看的部分送回来。

但只要 AI 开始行动，新的问题就出现了。登录会过期，平台 API 不完整，RPA 不稳定，模型对长视频、纯音乐和细微动作的理解不可靠。一个看似简单的“自动订琴房”，瓶颈可能只是每次都要重新验证；一个“AI 钢琴老师”，可能卡在模型只能稳定分析很短的素材。

我开始在每个项目后面专门写一项：瓶颈是什么。

这是我从做 demo 走向做系统的开始。

这个组织有数据入口、长期记忆、负责具体任务的 Agent、Supervisor，也有最后挑战结果的 Reviewer。

到 2026 年，我对个人 AI 的想法已经不再是“做一个懂我的 GPT”。它更像一个小型组织。我的角色也从提问的人，变成决定目标、设置边界和检查结果的人。

数据入口

系统持续接收我主动选择保存的文字、计划、照片、视频、音乐、语音、日历，以及经授权整理的健康、财务和项目运行数据。重点不再是什么都收集，而是清楚哪一份是 master copy，来源能不能追踪，更新有没有时间戳。

职责有限的 Agent

以整理照片为例，我不再让一个模型从头做到尾。它可以被拆成：

• Ingest Agent：读取时间、地点和文件元数据；
• Vision Agent：识别场景、事件、乐器、季节等画面信息；
• People Agent：只在获得授权的私人环境里聚类人物；
• Theme Agent：整理旅行、学校、音乐等主题；
• Editor Agent：判断哪些素材是 hero、good 或 context；
• Supervisor：按主题、时间、人物多样性和画面质量，提出一组候选供我预览。

同样的结构也可以用于视频、音乐、研究和交易系统。我不再追求一个 Agent 什么都会。我更关心一条工作链里，每一步是否足够简单，失败以后能不能看见，结果有没有审核。

统一的交互和输出

我希望把 Codex 作为主要交互入口，让不同 Agent 在后台持续工作；GPT 更像 Reviewer，在关键节点挑战结果。我的目标是：少量时间花在聊天，大部分时间花在检查真正完成的 output。

这些 output 进入不同地方：需要继续生长的原始资料留在私人知识库；数据和工具进入自己的应用；监控结果进入 Dashboard；值得公开的作品和文章进入个人网站；真正需要我决定的事情回到我面前。

Confluence 是 master copy 和原始记录，自己的网站是精华。

这不只是一条网站迁移规则，也逐渐成为我使用 AI 的规则。AI 可以处理大量原始材料，但最后被留下来的内容应该经过选择。

最容易犯的错误，是把项目清单当成实际成果。

1. 数据多，不等于系统了解我。没有结构、权限和来源的数据只是负担。第一步不是上传一切，而是决定什么值得保存。
2. AI 的价值不在回答，而在闭环。如果最后仍需要我复制、粘贴、重新整理和手工执行，它只是把脑力劳动换成了阅读劳动。
3. 架构由瓶颈决定。很多项目不是败在模型不聪明，而是败在登录、权限、数据格式、成本和不稳定接口。解决不了瓶颈，demo 就不是系统。
4. 人不应该退出判断链。健康、财务、交易、人际关系和公开发布可以让 AI 整理证据、提出候选、检查遗漏，但最终决定和发送动作需要明确授权。
5. 个人网站应该保存结果，不应该倾倒数据。私人原始记录允许混乱、重复和犯错；公开内容需要经过时间和选择，真的对阅读者有价值。

我不再特别想制造“另一个我”。我想建立的是一套不会和我争夺注意力，却可以长期帮助我工作的基础设施。

接下来我更关心三件事。

第一，决策要有历史

系统不只保存我最后做了什么，也保存当时掌握了哪些信息、为什么做、预期什么会发生。这样未来复盘时，AI 可以帮助我区分结果偏见和真正的判断错误。

第二，健康与财务是辅助，不是权威

模型可以整理趋势、找出缺口、生成去问医生或专业人士的问题，也可以检查财务记录的异常；但它不应该假装诊断、替我下单，或者因为“了解我”就绕过授权。

第三，创造工具要把我送回现实

音乐、视频、写作和照片系统的价值，不是生成更多内容淹没我，而是让我更快看见素材、得到反馈、继续练习，并把少数真正 proud 的 output 放到世界上。

它记得必要的背景，拥有有限而清楚的权限；可以执行重复任务，也会暴露自己的失败；多个 Agent 可以合作，但重要结果需要 Reviewer 和我自己确认；原始资料继续生长，真正值得留下的东西再变成作品。

我从 AI 的使用者，慢慢变成了它的 Supervisor。

个人 AI 对我来说，不再是一个更聪明的聊天窗口。它是一套长期的数据结构，一组可以工作的 Agent，一条可检查的执行链，以及我对最后结果保留的判断权。这可能才是这三年真正发生的变化。