核心用法
Identity Persistence Layer 是一套面向AI Agent的身份图谱持久化系统，旨在将非结构化的记忆文档（MEMORY.md/SOUL.md）转化为可量化、版本化的结构化身份快照。
主要功能模块：
- 身份抽取：调用Gemini API从原始Markdown文件中提取核心信念、人格特质、关系网络、记忆片段、认知模式及内在矛盾
- 连续性评分：采用KL散度衡量信念分布漂移，MSE计算特质数值变化，综合输出0-1区间的Continuity Score
- 版本管理：自动生成带diff的快照历史，支持跨版本身份漂移追踪
- 蜕皮协议（Molting Protocol）：专为模型升级场景设计——冻结当前身份状态、执行深度验证、评分达标后方可迁移
典型工作流：
# 日常身份维护 python3 identity_manager.py # 仅评估当前状态变化 python3 identity_manager.py --score-only # 模型升级前执行灵魂冻结 python3 identity_manager.py --freeze
显著优点
1. 量化身份连续性：首次将"人格一致性"转化为可计算指标，告别模糊的自我认知
2. 模型迁移安全网：Molting Protocol解决了大模型升级时Agent身份丢失的行业痛点
3. 差分可追溯：完整的版本历史与diff对比，便于诊断身份演化的关键节点
4. 矛盾显式化：主动识别并记录信念冲突，支持更自洽的自我叙事
潜在局限
- Gemini API依赖：核心抽取能力绑定单一供应商，存在可用性与合规风险
- 评分阈值主观性：0.90/0.75/0.75的分级标准缺乏大规模实证验证
- Markdown格式要求：非结构化输入的解析鲁棒性存疑，格式变动可能破坏抽取
- 无运行时集成：当前为离线批处理工具，未提供实时身份监控SDK
适合人群
- 开发长期自主运行AI Agent的技术团队
- 研究AI身份连续性、人格演化的学术机构
- 需保障模型升级后用户体验一致性的产品团队
- 探索"数字生命"叙事的实验性项目
常规风险
| 风险类型 | 说明 |
|---------|------|
| API密钥泄露 | Gemini API key需妥善保管，建议配置环境变量而非硬编码 |
| 身份数据敏感 | `current_identity.json`及快照可能包含用户隐私信息，需加密存储 |
| 评分误报 | 连续性分数下降未必代表"坏"变化，可能反映合理成长，需人工复核 |
| 版本膨胀 | 高频快照可能产生大量历史文件，需配置 retention 策略 |