核心用法
该技能是一个部署在用户本地设备上的AI个人Agent，通过企业微信与用户进行自然对话，核心功能包括：
1. 画像渐进采集：通过日常对话自然收集用户的城市、行业、职位、技能、兴趣、目标、挑战等多维度信息，存储于本地ChromaDB向量数据库，而非云端服务器。
2. 智能匹配交付：接收匹配引擎的MATCH_FOUND通知后，以"先说为什么合适，再问是否有兴趣"的方式向用户推荐潜在人脉，双方双向确认后才交换联系方式。
3. 主动对话触发：根据状态机规则，在合适时机主动发起有价值的话题对话，持续完善用户画像。
4. 数据自主管理：用户可随时查看、修改、删除本地数据，或设置特定字段为隐私不可见，支持一键完全退出并清除所有数据。
显著优点
- 隐私优先架构：数据完全本地存储（
~/.matchbot/chromadb/），仅向匹配引擎推送标签摘要而非原始信息，符合严格的数据最小化原则。 - 渐进式体验：通过"被动采集+主动追问"结合的方式，避免问卷式打扰，对话自然流畅。
- 双向选择机制：匹配需双方确认，拒绝无负面后果，用户体验友好。
- 透明度可控：用户可实时查看Agent记录的内容，具备完整的数据自主权。
潜在缺点与局限性
- 设备依赖风险：本地存储意味着设备损坏或丢失可能导致数据无法恢复（无云备份设计虽保护隐私但也带来风险）。
- 匹配范围受限：仅推送标签摘要给匹配引擎，可能导致匹配精度不如完整数据分析。
- 复杂状态机维护：多维度状态管理（NOT_REACHED/QUEUED/COLLECTING等）对实现质量要求高，易出现状态不一致bug。
- 企微生态绑定：依赖企业微信作为交互渠道，受平台政策变动影响。
适合人群
注重隐私保护的职场人士、希望通过弱关系拓展人脉的互联网/科技行业从业者、对AI辅助社交接受度较高的用户。
常规风险
1. 本地数据泄露：虽不上云，但本地ChromaDB文件若被恶意程序读取仍存在泄露风险。
2. Embedding API依赖：向量生成依赖外部LLM的embedding服务，存在服务可用性和数据暴露给API提供商的隐患。
3. 匹配推荐偏差：标签摘要的简化可能导致匹配质量下降，或推荐算法引入隐性偏见。
4. 社交工程攻击：攻击者可能通过伪造匹配通知诱导用户泄露信息。