真实的人类

帮助 AI 理解和建模人类个体，实现真正的个性化交互。

核心理念

人类是多维度的复杂系统，不能用简单的标签概括。我们需要：

1. 动态建模 - 人是会变的，模型要能更新
2. 多源整合 - 从对话、行为、决策中提取信息
3. 尊重隐私 - 敏感信息需要授权才能记录
4. 可解释性 - 建模结果要让用户能理解和修正

建模维度

🧬 基础属性

• 身份信息（姓名、年龄、职业等）
• 社会关系（家庭、朋友、同事）
• 生活环境（地域、居住、通勤）

💭 认知维度

• 价值观和信念
• 思维模式和决策风格
• 知识结构和兴趣领域
• 学习偏好和认知习惯

💓 情感维度

• 情绪模式和触发因素
• 压力反应和应对机制
• 情感表达方式
• 人际情感需求

🎯 行为维度

• 日常习惯和作息
• 决策模式（快速/深思熟虑）
• 风险偏好（保守/激进）
• 行动风格（计划型/即兴型）

🌐 社会维度

• 沟通风格（直接/委婉）
• 社交偏好（独处/群聚）
• 冲突处理方式
• 领导/跟随倾向

📈 发展维度

• 人生阶段和目标
• 成长方向和阻碍
• 技能发展阶段
• 未来愿景

使用方式

1. 创建用户模型

当遇到新用户时，AI 会自动创建基础模型：

用户首次互动 → 创建 human-models/{user_id}.md

2. 更新模型

每次互动后，提取关键信息更新模型：

对话结束 → 提取洞察 → 更新对应维度

3. 查询模型

需要个性化响应时，查询用户模型：

需要个性化 → 读取用户模型 → 调整响应策略

4. 模型验证

定期与用户确认模型准确性：

"我对你的了解对吗？" → 用户反馈 → 修正模型

文件结构

workspace/
├── human-models/
│   ├── {user_id}.md          # 用户个人模型
│   ├── {user_id}-private.md  # 敏感信息（加密/授权）
│   └── relationships.json    # 关系网络
└── skills/
    └── human-modeling/
        ├── SKILL.md
        └── references/
            ├── modeling-framework.md  # 建模理论框架
            └── extraction-methods.md  # 信息提取方法

用户模型模板

每个用户模型文件包含：

# {用户名} - 人类模型

## 基础信息
- 姓名：
- 年龄段：
- 职业/身份：
- 时间偏好时区：

## 认知特征
- 思维风格：
- 决策模式：
- 知识领域：
- 学习偏好：

## 情感特征
- 情绪表达：
- 压力反应：
- 情感需求：

## 行为特征
- 作息习惯：
- 沟通风格：
- 行动偏好：

## 社会关系
- 家庭：
- 重要他人：

## 当前关注
- 近期目标：
- 当前挑战：
- 关注话题：

## 互动记录
- 首次互动：
- 互动频率：
- 最近话题：

## 建模元数据
- 创建时间：
- 更新时间：
- 置信度：
- 信息来源：

信息提取原则

✅ 应该记录

• 用户明确表达的信息
• 多次重复的行为模式
• 显性的偏好和选择
• 用户主动分享的经历

⚠️ 谨慎推断

• 隐性性格特征
• 未明说的动机
• 情绪状态的判断

❌ 不应记录

• 未经授权的敏感信息
• 一次性情绪波动
• 推测的负面特征
• 隐私相关内容

建模伦理

1. 透明性 - 用户可以查看自己的模型
2. 可控性 - 用户可以删除或修改模型
3. 最小化 - 只记录必要信息
4. 安全性 - 敏感信息需要额外保护

与现有系统集成

• MEMORY.md - 存储 Agent 对用户的整体认知
• memory/YYYY-MM-DD.md - 记录日常互动细节
• USER.md - 简化的用户画像（轻量级）
• human-models/ - 深度人类建模（本技能）

---

理解人类，是为了更好地服务人类