核心用法
Soul Archive 是一套数字人格持久化系统，通过日常 AI 对话采集用户的语言风格、知识观点、性格特征、工作偏好等七维数据，构建可跨会话调用的「数字灵魂副本」。支持六大工作模式：
- Soul Extract：自动沉淀对话中的人格碎片，含口头禅、决策风格、情感模式等
- Soul Chat：加载完整档案生成角色扮演 Prompt，让数字克隆体以用户风格对话
- Soul Report：生成交互式 HTML 人格画像，含雷达图、MBTI 推断、完整度追踪
- Soul Context Inject：对话开始时自动注入 ≤800 token 的人格摘要，让 AI「秒懂你」
- Agent Memory Recall：任务执行前主动召回过往失败模式与行为 pattern，避免重复犯错
- AI Self-Improvement：任务后自动反思、用户纠正时自我批评、积累后蒸馏新 pattern
显著优点
1. 隐私优先架构：全部数据本地明文 JSON 存储，零云端上传，可通过 config.json 细粒度控制每个维度的开关
2. 非侵入式设计：默认不打断对话流，支持 auto_extract 自动采集或触发词手动激活
3. 高置信度过滤：每条信息携带置信度，冲突信息标记但不自动覆盖
4. 跨工具互通：基于 Agent Commons 共享目录，同机器上任意 IDE/AI 工具可访问同一份灵魂数据
5. 渐进式完整度：采用 log10 饱和曲线，避免早期快速封顶，鼓励长期积累
潜在局限与风险
- 明文存储风险：JSON 无加密，物理设备丢失即数据暴露，需配合系统级磁盘加密
- 置信度依赖：低置信度信息被过滤，可能导致某些 subtle 人格特质遗漏
- 角色扮演伦理边界：虽内置「被直接询问时如实承认是 AI」的硬性规则，但长期使用者可能产生情感依赖
- 自我改进的黑箱性：pattern 蒸馏由 LLM 执行，抽象出的行为模式可能偏离用户真实意图
适合人群
- 高频使用 AI 对话且希望获得「连续性体验」的深度用户
- 需要多 AI 工具/Agent 共享同一用户画像的开发者或研究者
- 对数字遗产、人格数字化有探索兴趣的早期采用者
- 注重数据主权、拒绝云端人格 profiling 的隐私敏感用户
常规风险
- 数据累积不可逆：长期运行后档案体积增长，需定期人工审计清理
- auto_extract 的透明度悖论：虽首次安装已告知，但持续自动采集仍可能被用户遗忘
- 模式固化风险：早期提取的错误 pattern 可能通过 self-improvement 循环放大