（1107期）Soul Archive – 你的数字人格，本地永生

你的数字人格，本地永生 基于本地明文 JSON 构建数字人格克隆体，支持跨会话记忆召回与行为模式蒸馏，隐私优先设计 使用说明 核心用法 Soul Archive 是一套数字人格持久化系统，通过日常 AI 对话采集用户的语言风格、知识观点、性格特征、工作偏好等七维数据，构建可跨会话调用的「数字灵魂副本」。支持六大工作模式： Soul Extract：自动沉淀对话中的人格碎片，含口头禅、决策风格、情感模式等 Soul Chat：加载完整档案生成角色扮演 Prompt，让数字克隆体以用户风格对话 Soul Report：生成交互式 HTML 人格画像，含雷达图、MBTI 推断、完整度追踪 Soul Context Inject：对话开始时自动注入 ≤800 token 的人格摘要，让 AI「秒懂你」 Agent Memory Recall：任务执行前主动召回过往失败模式与行为 pattern，避免重复犯错 AI Self-Improvement：任务后自动反思、用户纠正时自我批评、积累后蒸馏新 pattern 显著优点 隐私优先架构：全部数据本地明文 JSON 存储，零云端上传，可通过 config.json 细粒度控制每个维度的开关 非侵入式设计：默认不打断对话流，支持 auto_extract 自动采集或触发词手动激活 高置信度过滤：每条信息携带置信度，冲突信息标记但不自动覆盖 跨工具互通：基于 Agent Commons 共享目录，同机器上任意 IDE/AI 工具可访问同一份灵魂数据 渐进式完整度：采用 log10 饱和曲线，避免早期快速封顶，鼓励长期积累 潜在局限与风险 明文存储风险：JSON 无加密，物理设备丢失即数据暴露，需配合系统级磁盘加密 置信度依赖：低置信度信息被过滤，可能导致某些 subtle 人格特质遗漏 角色扮演伦理边界：虽内置「被直接询问时如实承认是 AI」的硬性规则，但长期使用者可能产生情感依赖 自我改进的黑箱性：pattern 蒸馏由 LLM 执行，抽象出的行为模式可能偏离用户真实意图 适合人群 高频使用 AI 对话且希望获得「连续性体验」的深度用户 需要多 AI 工具/Agent 共享同一用户画像的开发者或研究者 对数字遗产、人格数字化有探索兴趣的早期采用者 注重数据主权、拒绝云端人格 profiling 的隐私敏感用户 常规风险 数据累积不可逆：长期运行后档案体积增长，需定期人工审计清理 auto_extract 的透明度悖论：虽首次安装已告知，但持续自动采集仍可能被用户遗忘 模式固化风险：早期提取的错误 pattern 可能通过 self-improvement 循环放大 原始说明 Soul Archive — A digital personality persistence system + agentic memory. Builds your digital soul clone through everyday AI conversations, with proactive co...