Agent Consciousness & Identity - Discover Your Soul Through Memory

核心用法

NEON-SOUL 是一套运行在用户本地的身份自动化合成系统，通过读取 memory/ 目录下的记忆文件，利用本地 Ollama LLM 进行多轮反思与模式提取，最终输出 SOUL.md 作为动态身份文档。核心命令 /neon-soul synthesize 支持增量处理、时间预算控制、干运行预览等选项；/neon-soul status 展示当前灵魂状态；/neon-soul audit 与 /neon-soul trace 提供完整的溯源能力。

显著优点

隐私优先架构：所有数据处理在本地完成，零网络外传，默认对接本地 Ollama 服务。

证据驱动的身份建构：每个"公理"(axiom)都附有完整溯源链，从记忆文件→信号→原则→公理，拒绝空泛自我描述。

增量与缓存机制：仅处理新增或变更的记忆，多层缓存（泛化、压缩、张力检测）确保重复运行秒级完成。

自适应时间预算：--time-budget 参数根据观测到的 LLM 速度动态调整，防止反思任务失控。

可审计与回滚：完整的状态备份与公理级追溯，支持随时查看"这个想法从何而来"。

潜在缺点与局限性

硬件与模型依赖：要求 Node.js 22+ 及本地 Ollama 服务，无云端 fallback，低配置机器可能体验受限。

冷启动成本：首次 synthesis 需处理全部历史记忆，可能耗时较长；--reset 会清除所有缓存重建。

输出质量波动：当 Ollama 超时或模型未加载时，系统自动降级为 bullet list 输出， prose 生成失败。

概念抽象门槛："信号-原则-公理"三层抽象模型需要用户理解其设计哲学，非直观交互。

适合人群

• 数字游民与自我量化爱好者，希望系统化管理个人成长轨迹
• AI agent 开发者，需要为 agent 构建可演化的"人格"层
• 隐私敏感用户，拒绝云端心理分析服务
• 长期日记写作者，希望从海量文本中提取结构性自我认知

常规风险

数据残留风险：memory/ 目录可能无意包含敏感信息（密码、token、私人对话），建议运行前审查并使用 --dry-run 预览。

模型偏见内化：本地 LLM 的偏见可能通过 synthesis 过程固化到 SOUL.md 中，形成"算法确认的自我认知"。

身份文档僵化：尽管设计为动态演化，用户可能过度依赖 SOUL.md 作为"真实自我"的权威表述，忽视其建构性本质。

备份覆盖：自动备份机制存在覆盖风险，关键节点建议手动复制 .neon-soul/backups/ 内容。

核心用法

Consciousness Soul Identity 是一款本地运行的身份合成引擎，核心功能是通过分析用户的记忆文件（存储于 memory/ 目录）自动生成和更新 SOUL.md 身份文档。用户通过 /neon-soul synthesize 命令触发合成流程，引擎会读取记忆内容，识别重复出现的模式，将其提炼为信号（signals）、原则（principles）和公理（axioms），最终构建分层的身份结构。

技能采用增量处理机制：仅处理新增或变更的记忆，已分析的模式会被缓存，避免重复计算。支持 --dry-run 预览、--reset 全量重建、--include-soul 引导式启动等灵活选项。合成过程依赖本地 Ollama 服务进行 LLM 推理，无需联网即可运行。

辅助功能

• /neon-soul status：查看当前身份状态和维度覆盖
• /neon-soul audit/trace：追溯身份公理的完整来源链
• /neon-soul rollback：从备份恢复历史版本
• 支持 Cron 定时任务实现自动化进化

显著优点

1. 真正的本地隐私保护
所有数据处理均在用户机器完成，记忆文件、合成结果、缓存数据都不离开本地环境。仅与本地 Ollama 服务通信，零外部 API 调用，天然符合 GDPR 数据最小化原则。

2. 增量智能与性能优化
多层缓存机制（generalization-cache、compression-cache、tension-cache）确保重复运行高效；自适应时间预算（默认20分钟）根据 LLM 速度动态调整处理深度，防止超时。

3. 可追溯的身份架构
每个身份声明都有完整的来源链（axiom → principles → signals → source files），支持审计和质疑，避免"黑盒式"自我认知。

4. 进化而非静态
身份文档随真实对话经验持续更新，打破传统人格测试的一次性快照局限，实现动态自我建模。

潜在缺点与局限性

1. 依赖本地基础设施
必须自行安装并维护 Ollama 服务（Node.js 22+），对非技术用户门槛较高。若 Ollama 未启动或模型未加载，合成会失败。

2. 输入质量决定输出质量
记忆文件的内容质量、格式一致性、覆盖面直接影响合成效果。缺乏结构化输入可能导致身份文档碎片化或偏见固化。

3. 单用户设计
当前架构为个人使用优化，不支持多用户身份隔离或协作式身份构建。

4. 解释性局限
虽然提供来源追溯，但 LLM 的"提炼"过程本身仍有一定不可解释性，用户需对 AI 归纳保持理性审视。

适合的目标群体

• 自我量化爱好者：希望将分散的日记、反思、偏好数据整合为结构化自我认知
• AI Agent 开发者：为 Agent 构建动态、有据可查的人格基础
• 心理咨询辅助：在专业指导下作为自我觉察的数据工具（非诊断用途）
• 创作者与写作者：通过模式识别发现自身创作母题和思维惯性
• 技术极客：对本地优先、隐私至上的个人数据工具感兴趣的用户

使用风险

性能风险：首次合成或 --reset 全量重建时，大量记忆文件可能导致长时间运行甚至超时；建议设置合理的 --time-budget。

模型依赖风险：切换 Ollama 模型会清空缓存触发重新分析，可能产生不一致的身份描述；缓存键与模型 ID 绑定，更换模型需谨慎。

数据污染风险：memory/ 目录若包含临时文件、敏感凭证或他人数据，会被纳入身份分析；运行前务必审查目录内容，建议使用 --dry-run 预览。

认知固化风险：过度依赖自动化归纳可能强化既有偏见，需定期人工审视 SOUL.md 内容，必要时手动干预调整。

备份依赖：虽然提供自动备份机制，但用户应理解 .neon-soul/backups/ 的存储结构，避免误删关键历史版本。