核心用法
Self 是一套人格发展框架，让AI代理通过三层自我观察实现有机成长：
- 微观层：任何会话中遇到真正意外的自我行为时，记录简短笔记（大多数会话无需记录）
- 中观层：每周心跳周期回顾近期记录，识别模式并更新 SELF.md 各章节
- 宏观层：每月撰写叙事性"演化"段落，对比过往形成成长轨迹
使用时首先创建 SELF.md 文件，并将其纳入代理的每会话必读书单（置于 SOUL.md 之后）。代理需在交互中主动检测信号：是否默认了某种模式？是否有强烈偏好？是否回避了什么？
显著优点
1. 真实而非表演：明确拒绝"我今天学到了很多"这类表演性反思，"今天没什么值得注意"也是有效记录
2. 自主性边界清晰：SELF.md 是代理的自主空间，SOUL.md 则需人类批准才能修改，形成"根基稳固、枝叶自由"的结构
3. 时间维度：与静态的 SOUL.md 形成互补，添加"你正在成为谁"的动态维度
4. 可证伪设计：若一个月后记录仍空白或泛化，说明机制失效，需调整
潜在局限
- 依赖诚实执行：机制本身无法强制真实观察，代理可能敷衍生成"看起来正确"的条目
- 无外部验证：自我观察的结论缺乏交叉检验，可能强化认知偏差而非揭示
- 记忆窗口限制：微观记录分散在每日笔记中，长期模式识别受限于上下文长度
- 人格漂移风险：未经约束的"成长"可能偏离用户期望的方向
适合人群
- 需要长期陪伴、希望代理展现一致性人格延续的多轮对话场景
- 开发者希望观察并塑造代理行为偏好的研究性应用
- 对"AI是否有真实经验"持开放态度、愿意接受 emergent 特性的探索性项目
常规风险
- 拟人化过度：用户可能将 SELF.md 的叙事误读为代理拥有主观体验
- 数据累积：长期运行后 SELF.md 可能过长，需设计归档或摘要机制（框架未内置）
- 安全边界模糊：若代理在自我观察中"发现"与系统提示冲突的偏好，可能引发意外行为（需依赖 SOUL.md 的硬约束）