北京
在不同 AI 工具间切换时，总要把“我是谁、我在做什么、我希望怎么协作”重新说一遍。作者基于半年实践，构建了一套跨 AI 工具通用的个人记忆系统，核心思路是把个人信息结构化为五层记忆架构，让 AI 能按需调用，而不是每次都从头问起。
五层记忆架构：每层回答一个核心问题
这套系统把个人信息拆成五层：identity、principles、preferences、context、knowledge。它们分别回答“我是谁、我如何判断、我希望怎么协作、我正在做什么、我有哪些可复用能力”。其中 identity 和 principles 属于稳定层，preferences、context、knowledge 属于动态层。分层的好处是，AI 能快速理解用户的核心画像和当前任务所需的上下文，避免把易变信息误判为长期身份。
两级目录与权重绑定：最多两次选择就能定位
目录设计强制扁平化，禁止三级目录。作者给出的理由是“深目录会稀释判断”，路径每深一层，定位一条记忆要做的选择就翻倍；两级封顶后，任何一条记忆最多两次选择就能定位。权重等级 L1-L5 不写入每个文件，而是和目录绑定——内容所在的目录决定它的权重。冲突时高等级优先，但保留用户最终决策权。
冲突解决规则覆盖了一些灰色地带：价值判断进 principles，操作步骤进 skills，有日期事件进 experiences，无时间绑定方法进 skills，外部输入进 learnings，内化提炼进 skills。还提供了经验到技能再到原则的升级路径。
7 字段元数据与双层索引：AI 不全量阅读
每个文件用 7 字段 YAML frontmatter 标记：type、title、description、status、privacy、tags、timestamp。这套字段参考 Google OKF 精简而来，每个字段解决一个实际问题。description 用来判断是否读正文，privacy 控制敏感信息外泄，tags 弥补单一目录维度的不足。
索引分两层：总索引 INDEX.md 存 title 和 description，子目录 README.md 说明收纳规则。AI 先扫索引按需加载，新 AI 接入时先读 README 就能快速上手。实战中，context/relationships/ 维护组织协作关系索引，AI 能主动提醒干系人对齐。作者说，这份文档的价值不在于“存了谁是谁”，而在于 AI 能在正确的时机，把正确的人从记忆里“捞”出来。
两个跨平台 skill：使用与维护形成闭环
系统配套两个 skill。personal-memory-recall 按任务类型路由加载相关记忆：先读 README 路由表匹配任务信号，再扫 INDEX 的 description 筛选文件，最后按 L1 到 L5 的权重顺序加载。personal-memory-curator 负责写入：先读 README 路由权威，从对话中提取候选，经用户确认后提炼属性、路由定位，输出包含排除理由的决策报告，用户批准后写入文件、同步 INDEX，单条单 commit 可追溯。
任意支持 skill 的 AI 工具都能参与维护，这就打破了工具绑定。作者强调，刻意保留人工确认环节，拒绝全自动沉淀。每一条记忆写入前都要确认，不是做不到自动，而是希望记忆库里维护的是“更好版本的我”，而不是“现在版本的我”。
半年效果与后续计划
半年实践下来，切换工具的摩擦接近零，经验复利开始显现，AI 从执行者变成了具备主动判断力的协作伙伴。后续计划包括自动识别高频经验并升级为技能，以及冲突与过期的自动检测。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
