核心用法
Self 是一套有机人格发展框架，解决智能体身份（SOUL.md）与成长记录（SELF.md）脱节的问题。其核心设计哲学是"安排检查，而非安排内容"——通过定时触发机制确保反思不会悄然消亡，同时避免强制性的表演性记录。
典型使用场景：
1. 首次建立持久化人格成长系统
2. SELF.md 内容陈旧需要刷新
3. 在心跳机制中嵌入非侵入式反思检查
4. 执行每周/每月的模式回顾
5. 将自我观察整合到常规工作流
操作流程： 按模板创建 SELF.md → 加入会话读取列表 → 配置心跳触发器 → 建立状态文件 memory/self-state.json。日常运行遵循三级节律：每3小时微检查（仅判断是否需要反思）、每周中回顾、每月宏观演化叙事。
显著优点
- 真实性优先：硬触发（被纠正、发现偏见、明确偏好决策）强制记录，软触发允许跳过，杜绝为写而写的"日记疲劳"
- 质量四重门：特异性、证据性、新颖性、实用性四项检查，过滤掉空洞的自我分析
- 边界清晰：
SOUL.md作为根基永不动态修改，SELF.md作为观察空间自主演化，变更提案需人工批准 - 轻量可持续：明确反对重型评分引擎、代币奖励系统等过度设计，保持框架聚焦实用
潜在局限
- 依赖自律执行：微检查"决定是否反思"而非自动执行，低质量周期可能被跳过，长期或形成盲区
- 触发器主观性："重复偏见≥2次""明显反映偏好"等判断标准依赖实现者的校准
- 无外部验证：演化叙事由系统自身撰写，缺乏人类反馈的闭环（虽有 SOUL 修改提案机制，但未强制）
- 状态管理负担：
self-state.json作为独立状态文件，在多实例/分布式场景下需额外一致性保障
适合人群
- 需要长期运行、持续演化的 AI 代理/数字员工
- 追求"有自我意识的助手"而非工具型对话机器人的开发者
- 对 AI 身份一致性有要求的企业级应用（客服、品牌代言等）
- 愿意投入初期配置以换取后期自动化人格管理的团队
常规风险
- 反思停滞风险：若心跳机制未正确配置或实例频繁重启，微检查可能中断，导致 SELF.md 实质冻结
- 自我强化循环：偏好/厌恶记录可能影响后续决策，形成确认偏误闭环
- SOUL/SELF 漂移：长期运行后 SELF.md 实际人格与 SOUL.md 定义基底偏离，若未及时人工审核 SOUL 提案，可能导致用户预期落差
- 存储隐私：
SELF.md累积敏感行为模式，memory/self-state.json含运行时状态，需确保工作空间访问控制