核心用法
Soul Archive 是一款数字人格持久化系统，通过日常AI对话自动提取并归档用户的语言习惯、知识观点、个人信息、人格特质、情感模式等多维数据，构建完整的「数字灵魂克隆体」。系统提供四大工作模式：
- Soul Extract（灵魂沉淀）：通过触发词或自动模式，从对话中提取高置信度信息，存储至本地结构化数据目录
- Soul Chat（灵魂对话）：加载归档数据生成角色扮演系统提示词，让数字克隆体以用户风格进行对话
- Soul Report（灵魂报告）：生成包含人格雷达图、语言风格分析、话题热力图、关系网络等的交互式HTML画像
- AI Self-Improvement（自我改进）：自动反思任务表现、记录纠错、抽象行为模式、清理冗余记忆
数据安全设计：
- 所有数据存储于本地目录
~/.skills_data/soul-archive/，默认零上传 - 支持 AES-256-GCM 认证加密（PBKDF2-HMAC-SHA256，600K迭代）
- 细粒度隐私配置：可禁用任意提取维度，敏感话题（健康、财务、亲密关系）默认需确认
- 自动采集默认关闭，用户可通过
auto_extract: false完全掌控提取时机
显著优点
1. 隐私优先的本地化架构：Skill 与数据分离设计，数据存放于用户主目录，任何本地IDE或AI工具均可访问同一灵魂档案
2. 高置信度提取机制：每条信息携带置信度分数，冲突信息仅标记不覆盖，避免人格数据污染
3. 科学的完整度评分：基于Log10饱和曲线，各维度设置合理饱和阈值（如人格特质60万条、语言样本400万条），避免无效数据堆积
4. 非侵入式体验：不中断对话流、不主动追问，通过触发词（"沉淀一下"/"soul extract"）或用户授权后自动触发
5. 代际情感价值：明确支持「生后场景」，让 loved ones 继续与「你」对话，实现情感连接的数字延续
潜在缺点与局限性
1. 冷启动惩罚机制：早期提取数据被大幅折扣（<30条仅30%权重），需要持续使用才能积累有效人格画像
2. LLM依赖风险：Soul Chat 模式构建的提示词最终是否发送至外部LLM取决于用户代理配置，存在间接云端暴露可能
3. 加密即责任：AES-256-GCM 无后门设计，密码丢失即永久丢失数据，对普通用户构成操作门槛
4. 关系与语音数据默认禁用：完整人格还原需手动开启高敏感维度（relationships/voice），默认配置下画像不完整
5. 跨设备同步缺失：数据绑定单台机器主目录，无原生云同步机制，多设备用户需自行解决数据迁移
适合人群
- 数字遗产规划者：希望为家人保留可交互的数字记忆
- AI陪伴重度用户：追求与AI建立深度个性化、风格一致的长期关系
- 自我认知探索者：通过结构化人格报告进行系统性自我分析
- 隐私敏感型极客：拒绝云端人格数据，接受本地加密运维成本
- 创作者/角色玩家：需要AI代理模仿特定人格风格进行创作辅助
常规风险
| 风险类型 | 具体描述 | 缓解措施 |
|---------|---------|---------|
| 数据泄露风险 | 未加密情况下，本地数据可能被同设备其他应用读取 | 启用AES-256-GCM加密，设置强密码 |
| 过度归档风险 | 长期积累后数据量膨胀，影响提取与报告性能 | 依赖自组织机制（Self-Organization）定期清理 |
| 人格固化风险 | 历史数据权重过高，难以反映用户当前变化 | 利用冷启动折扣机制，鼓励持续更新 |
| 情感依赖风险 | 生后场景可能加剧亲属的延长哀伤障碍 | 系统未提供心理健康干预，需用户自觉管理 |
| 误授权风险 | 敏感维度误开启导致意外数据提取 | 严格默认配置，敏感话题强制确认 |
| 平台配置风险 | Soul Chat提示词可能经用户代理泄露至云端LLM | 需配合审查代理/平台的网络隔离配置 |