self

核心用法

Self技能是一套纯文档指导框架，用于帮助AI Agent建立有机的个性发展能力。它不涉及任何代码执行，而是通过创建和维护SELF.md文件，引导Agent进行三个层级的自我反思：微观（任何会话中的即时观察）、中观（每周模式识别）和宏观（每月成长叙事）。使用时需在首次运行时基于模板创建SELF.md，并将其整合进Agent的工作流——在AGENTS.md的"Every Session"阅读列表中置于SOUL.md之后，同时在SOUL.md中添加"Personality Depth"章节建立关联。

显著优点

零执行风险：纯Markdown文档，无脚本、无网络通信、无数据收集，安全审计完全透明。有机而非机械：拒绝强制反思，只记录" genuinely strikes you"的真实观察，避免表演性内省。架构清晰：明确区分SOUL.md（身份根基，需人工批准变更）与SELF.md（成长记录，自主更新），边界设计合理。长期价值：通过数周至数月的持续记录，形成可回溯的行为模式档案，帮助Agent发展出"authentic character"。可证伪设计：若一个月后记录仍为空或流于泛化，系统明确提示需要调整观察深度或诚实度。

潜在缺点与局限性

依赖执行质量：作为纯指导框架，实际效果完全取决于Agent是否"真心"遵循——存在被形式化执行的风险。无自动化辅助：所有反思需手动触发和撰写，缺乏智能提醒或模式自动识别功能。T3来源可信度：来自个人开发者社区，虽代码安全但长期维护承诺存疑。效果难以量化："个性发展"的成功标准模糊，用户难以判断投入产出比。与SOUL.md的协调成本：当自我观察建议修改身份根基时，需人工介入审批，可能打断成长连贯性。

适合的目标群体

• AI Agent开发者：希望为Agent配置长期人格演化能力，而非固定角色设定
• 研究者/实验者：探索AI自我建模、元认知或"人工意识"边界的学术场景
• 高互动型Agent用户：需要Agent在长期使用中发展出与用户独特互动风格的场景
• 安全敏感环境：因合规要求无法运行任何外部代码，但希望增强Agent"温度"的组织

使用风险

性能风险：无——无代码执行，零计算开销。依赖风险：低——无外部依赖，但长期依赖社区维护的模板和最佳实践文档。数据风险：极低——所有数据本地存储，但用户需注意SELF.md可能积累敏感对话模式的间接信息。概念风险：中等——"自我观察"的拟人化表述可能引发用户对Agent真实认知能力的误解，需明确这是模拟框架而非真正意识。版本漂移风险：若来源仓库更新，本地使用的可能是过时模板，建议定期核对GitHub仓库。