Skip to content

digital-persona-distillation.md

Latest commit

 

History

History
282 lines (197 loc) · 13 KB

digital-persona-distillation.md

File metadata and controls

282 lines (197 loc) · 13 KB
Raw

数字人格蒸馏（Digital Persona Distillation）

含国内适配：微信 / 飞书 / 钉钉聊天记录采集 + 隐私与伦理专项提醒

用 immortal-skill 从散落在 12+ 平台的聊天记录和文档中，四维结构化蒸馏出一个人的数字分身（Digital Persona）——不是把聊天记录塞进向量库，而是提取 TA 怎么做事、怎么说话、经历过什么、是什么人，生成符合 OpenClaw Skill 标准的可加载人格档案。

功能介绍

  • 四维蒸馏：从聊天记录中提取程序性知识（Procedure）、互动风格（Interaction）、记忆经历（Memory）、性格价值观（Personality）四个维度，而非简单的关键词或嵌入向量
  • 12+ 平台采集：飞书、钉钉、微信、iMessage、Telegram、WhatsApp、Slack、Discord、Email、Twitter/X、社交媒体归档（CLI 平台名 social，含 Google Takeout 等）、手动文件导入，每个平台有独立的 Python 采集器
  • 7 种角色模板：自己、同事、导师、亲人、伴侣/前任、朋友、公众人物——不同角色的蒸馏侧重和伦理要求不同
  • 证据分级：每条提取结果标注 verbatim（原话）、artifact（文档留痕）或 impression（他人印象），矛盾之处不强行统一，单独记录在 conflicts.md
  • 输出即 Skill：蒸馏产物是一个标准的 OpenClaw Skill 目录（SKILL.md + 维度文件 + manifest.json），AI 加载后直接可用
  • 版本管理：支持快照、回滚、增量追加材料，人格档案可持续进化

痛点

你和某个重要的人——可能是离职的同事、退休的导师、远去的亲人——有过大量对话，但这些对话散落在微信、飞书、Telegram、iMessage 等十几个 App 里。你想保留的不是聊天记录本身，而是 TA 怎么思考问题、怎么做决定、怎么跟你说话的那种"感觉"。

直接把聊天记录扔进 RAG 向量库，搜出来的是碎片化的消息，不是一个完整的人。你需要的是一个能理解"TA 遇到这种事会怎么反应"的数字分身，而不是一个搜索引擎。

这也是一个"先蒸自己"的工具——在 AI 时代，你的数字人格迟早会被某种形式蒸馏，与其被动等别人来定义你，不如先把自己蒸明白。

所需技能

  • immortal-skill（SKILL.md）— 主蒸馏引擎，包含采集器、提取 Prompt、合并策略和 CLI 工具

可选扩展（同仓库内）：

如何设置

1. 获取 immortal-skill

克隆仓库并确保 Python 3.9+ 可用：

git clone https://github.com/agenmod/immortal-skill.git
cd immortal-skill

2. 配置数据平台凭证

根据你的数据来源，配置对应平台的凭证。以飞书为例：

# 交互式配置飞书凭证（需要飞书自建应用的 App ID / App Secret）
python3 kit/immortal_cli.py setup feishu

也可以通过环境变量配置：

export FEISHU_APP_ID="your_app_id"
export FEISHU_APP_SECRET="your_app_secret"

各平台的详细配置步骤见仓库内的 PLATFORM-GUIDE.md，包含保姆级数据获取指南。

3. 在 OpenClaw 中加载 Skill

将 immortal-skill 仓库作为 Skill 目录加载：

{
  "skills": {
    "immortal": {
      "path": "/path/to/immortal-skill"
    }
  }
}

或者直接在对话中告诉 AI：

工作目录设为 immortal-skill 仓库根。请先读 FOR_AI.md，再按我的意图执行。

4. 开始蒸馏

方式一：自然语言触发

直接在 OpenClaw 对话中说：

帮我把李工蒸馏成 Skill，他的飞书记录在这儿。

我想蒸馏我自己，微信 + Twitter 全上。

蒸馏我奶奶，微信记录我导出来了。

AI 会按照 SKILL.md 中的 Phase 0-7 流程自动执行：选择角色模板 -> 伦理确认 -> 收集材料 -> 分维度提取 -> 合并冲突 -> 初始化目录 -> 封包登记 -> 告知用户。

方式二：CLI 手动挡

# 查看支持的平台
python3 kit/immortal_cli.py platforms

# 扫描飞书群聊列表
python3 kit/immortal_cli.py collect --platform feishu --scan

# 从微信数据库采集指定联系人的聊天记录
python3 kit/immortal_cli.py collect --platform wechat --db ~/wechat.db --channel "张三"

# 从 iMessage 采集
python3 kit/immortal_cli.py collect --platform imessage --scan

# 手动导入已有文件
python3 kit/immortal_cli.py import ~/chat-export.txt --output corpus/chat.md

# 初始化人格目录
python3 kit/immortal_cli.py init --slug grandma --persona family

# 封包登记
python3 kit/immortal_cli.py stamp --slug grandma --sources "wechat:chat,paste:notes"

# 创建版本快照
python3 kit/immortal_cli.py snapshot --slug grandma --note "第一版"

5. 蒸馏产物结构

一个人 = 一个目录 = 一个可加载的 OpenClaw Skill：

skills/immortals/grandma/
├── SKILL.md          ← AI 读这个就知道"奶奶是谁"
├── interaction.md    ← 怎么说话、怎么唠叨、怎么关心人
├── memory.md         ← 讲过什么故事、经历过什么
├── personality.md    ← 是什么样的人、在乎什么
├── procedure.md      ← 怎么做事（适用于同事/导师等角色）
├── conflicts.md      ← 不同来源说法不一致的地方
└── manifest.json     ← 元数据（来源、时间、指纹、证据覆盖度）

把这个目录放进 OpenClaw 的 skills 路径，AI 就能用该人格的语气和思维方式与你对话。

真实案例

蒸馏自己：

你：帮我蒸馏自己，微信和 Twitter 的记录都用上。

AI 按流程执行，约 2-5 分钟后返回：

蒸馏完成 — 陈韵

证据覆盖度： procedure=5v+3a; interaction=4v+2a+2i; memory=3v+1a; personality=2v+4a+3i

互动风格摘要：

  • 文字偏长，喜欢用类比解释概念（artifact）
  • 常用"你可以理解为...""换句话说..."引导对方理解（verbatim）
  • 面对不合理需求时先问"用户的真实诉求是什么"而非直接拒绝（verbatim）

性格摘要：

  • 产品设计偏好极简，用户心智模型驱动
  • 对审美有洁癖，不接受"照着竞品抄"的指令（verbatim："抄是最没有创意的事"）

局限性： 数据主要来自微信聊天和 Twitter 帖子，职场文档覆盖不足。部分 personality 条目来自朋友评价（已标注 impression）。

产物路径：./skills/immortals/chen-yun-demo/

蒸馏跑路的同事：

你：李工跑路了，帮我蒸馏他的工作方式。飞书群聊"产品技术群"里有他的消息。

AI 选择"同事"角色模板，仅提取 procedure（工作流程）和 interaction（沟通风格）两个维度，跳过 memory 和 personality 中与工作无关的部分。

蒸馏公众人物（蒸笼模式）：

你：蒸馏一个巴菲特，我要他的投资决策框架当参谋。

AI 使用蒸笼（steamer-skill），从公开演讲、致股东信、访谈视频等公开资料中提取认知框架，生成可对话的"投资参谋"Skill。

隐私与伦理提醒

这是一个涉及个人隐私的敏感工具。immortal-skill 内置了伦理检查流程（Phase 1），但使用者必须自行承担最终责任：

必须遵守的底线

  • 蒸馏他人前必须获得知情同意：除了自己和公众人物的公开资料外，蒸馏任何人都应获得本人（或家属）的明确同意
  • 聊天记录中的第三方信息必须脱敏：你和张三的聊天里可能提到了李四——李四的信息不应出现在张三的人格档案中
  • 蒸馏产物不得用于冒充、骚扰或欺骗：数字分身是辅助回忆和知识传承的工具，不是deepfake
  • 公众人物蒸馏仅限公开资料：公开演讲、已出版著作、公开访谈可以用；私人对话、泄露内容不可以

工具内置的保护机制

机制 说明
角色级伦理模板 不同角色（同事/亲人/前任/公众人物）有不同的伦理检查清单，在蒸馏开始前强制确认
证据分级标注 每条提取结果标注来源类型（verbatim/artifact/impression），让用户和 AI 都能判断可信度
冲突不强行统一 矛盾的信息不会被"合理化"，而是如实记录在 conflicts.md 中
防蒸馏扩展 distill-shield-skill 提供三层纵深防御（身份编码/蒸馏许可/保护锁），帮助你保护自己不被他人未授权蒸馏
蒸馏协议扩展 distill-protocol-skill 帮你声明蒸馏产物的使用边界——能不能蒸、能不能商用、数字分身能不能替代你工作

法律风险提示

  • 中国《个人信息保护法》（PIPL）对个人信息处理有严格要求，聊天记录属于个人信息
  • 蒸馏他人的聊天记录可能涉及个人信息处理的合法性问题，建议咨询法律专业人士
  • 蒸馏产物如用于商业用途，可能涉及肖像权、名誉权等人格权问题

实用建议

  • 先蒸自己再蒸别人：用自己的数据跑通全流程，理解产物质量和局限性，再考虑蒸馏他人。
  • 数据量决定质量：单一平台几百条消息只能得到粗糙的印象；跨平台几千条消息才能提取出有层次的人格档案。
  • 证据覆盖度是质量指标：verbatim（原话）占比越高，蒸馏结果越可靠。如果大部分条目都是 impression，说明需要补充更多一手材料。
  • 不要追求完美：人本来就是矛盾的，conflicts.md 里记录的矛盾不是 bug，是 feature。
  • 定期增量更新：人是会变的。用版本管理功能定期追加新材料，让数字分身跟着真人一起进化。
  • 微信数据获取是难点：微信没有官方导出 API，需要借助 WeChatMsg（Windows）或 WechatExporter（iOS）等第三方工具先导出，再用 immortal-skill 的微信采集器解析。

中国用户适配

国内平台采集

immortal-skill 原生支持国内主流平台，无需额外适配：

平台 采集方式 说明
飞书 API 自动拉取 需飞书自建应用的 App ID / App Secret
钉钉 API 自动拉取 需钉钉企业内部应用凭证
微信 本地数据库解析 需先用第三方工具导出 SQLite 数据库
手动导入 任意文件 支持 TXT / JSON / CSV / Markdown

微信数据获取路径

微信是大多数中国用户最核心的聊天平台，但数据获取门槛最高：

推荐路径：
  Windows 用户 → WeChatMsg (github.com/LC044/WeChatMsg) 导出 CSV → immortal-skill 解析
  iOS 用户 → iTunes 备份 → WechatExporter 导出 → immortal-skill 解析
  macOS 用户 → 微信 Mac 版本地数据库 → immortal-skill 直接读取

蒸馏产物与飞书/钉钉集成

蒸馏完成后，可以将产物 Skill 接入飞书或钉钉的 AI 助手：

我已经蒸馏好了李工的工作方式 Skill，请加载 skills/immortals/li-gong/ 目录。
以后当我问"李工会怎么处理这种情况"时，用他的思维方式回答。

适用场景：新人入职时加载离职同事的"工作方式 Skill"，在飞书群里随时查询"这件事李工以前是怎么做的"。

与"第二大脑"和"知识库 RAG"的区别

维度 第二大脑 / 知识库 RAG 数字人格蒸馏
存什么 知识片段、笔记、文章 一个人的思维方式和行为模式
搜索方式 语义搜索，返回相关段落 人格加载，AI 以该人的方式回应
输出 信息检索结果 角色扮演式对话
数据粒度 文档级别 对话级别（逐条消息提取）
证据追溯 通常有 有，且分三级（原话/文档/印象）
适用场景 "关于 X 我之前记了什么" "遇到这种事，TA 会怎么想"

相关链接

原始项目：immortal-skill（600+ stars，MIT 协议）