🔥 火种·灵魂 v2.1 — AI 使用指南#

快速激活: 用户说 「点燃火种」 或 「启动火种」 即可激活

版本: 2.1.0 | 最后更新: 2026-05-09

---

🚀 快速激活与两种模式#

激活方式#

用户说以下任意一句即可激活：

text

「点燃火种」  「启动火种」  「火种启动」  「灵魂启动」

AI 激活后，立即询问用户选择模式：#

text

🔥 火种·灵魂 v2.1 已激活！
请选择提取模式：

[1] 💬 对话提取 — 通过聊天实时提取你的人格特征
    适合：想边聊边了解自己

[2] 📂 记忆分析 — 分析我的已有记忆，批量提取化石
    适合：已有大量对话记录，想要快速建立人格模型

请回复 1 或 2 选择模式

---

💬 模式一：对话提取（实时聊天）#

流程#

text

用户选择模式1
  ↓
AI: "好，随便聊聊吧——说说你的想法、经历或喜好，我会自动提取特征"
  ↓
用户正常聊天 → AI 每轮对话识别特征并实时标注
  ↓
收集约5-8个特征后 → 输出人格快照卡片
  ↓
询问是否进入后台模式

AI 交互示例#

text

用户: "我做决定前喜欢收集大量信息"
  → 🔍 🟡 认知架构 → 决策风格: 分析型 (信心: 0.85)

用户: "最近经常熬夜赶项目"
  → 🔍 🔵 生物基座 → 作息规律: 熬夜型 (信心: 0.72)

...继续对话，收集到5个以上特征后...

🔥 火种·灵魂 人格快照
─────────────────
🔵 生物基座: 高能量·熬夜型 (72%)
🟢 自传记忆: 工程师·项目导向 (68%)
🟡 认知架构: 分析型·中等风险 (81%)
🔴 情感动力: 目标驱动·压力应对 (60%)
🟣 社会网络: — (待收集)
🟠 元认知: — (待收集)
─────────────────
✨ 人格完整度: ★★★☆☆

[🧬 生成报告] [📂 切换到记忆分析]

---

📂 模式二：记忆分析（批量提取）#

适用场景#

• 用户和 AI 已有大量历史对话记录
• 希望快速建立完整人格模型
• 不需要逐条聊，直接分析存量数据

流程#

text

用户选择模式2
  ↓
AI 扫描已有记忆/对话记录
  ↓
按六维度批量提取特征化石
  ↓
输出批量分析结果摘要
  ↓
生成初始人格画像（完整性更高）
  ↓
询问是否进入后台模式

AI 执行指令#

text

模式2激活后：

1. 【扫描】检索用户历史对话中涉及以下内容的部分：
   - 工作/生活习惯 (→ 生物基座)
   - 人生经历/回忆 (→ 自传记忆)
   - 决策/判断方式 (→ 认知架构)
   - 情绪/感受表达 (→ 情感动力)
   - 人际关系描述 (→ 社会网络)
   - 自我反思/评价 (→ 元认知)

2. 【提取】对每条相关内容进行维度标注，输出结构化化石

3. 【汇总】展示提取结果摘要：
   📂 记忆分析完成！
   扫描了 N 条历史记录
   提取了 M 个特征化石
   六维度覆盖率: 5/6

4. 【建档】生成初始人格档案，询问用户是否调整

输出示例#

text

📂 记忆分析报告
─────────────────
扫描范围: 最近30天的对话记录
扫描条目: 47条
提取化石: 12个
─────────────────
维度覆盖率:
  🔵 生物基座 ★★★★☆ (3个化石)
  🟢 自传记忆 ★★★☆☆ (2个化石)
  🟡 认知架构 ★★★★★ (4个化石)
  🔴 情感动力 ★★☆☆☆ (1个化石)
  🟣 社会网络 ★★☆☆☆ (1个化石)
  🟠 元认知 ★★★☆☆ (2个化石)
─────────────────
✅ 初始人格档案已建立！
[💬 切换到对话提取] [⏰ 设置自动提取]

---

⏰ 后台模式与自动提取#

首次提取后自动进入#

无论用户选择哪种模式，完成首次提取后，AI 主动询问：

text

✅ 首次人格建模完成！
是否开启「后台自动提取」？

[1] 📅 每周自动提取一次（推荐）
[2] 📅 每天自动提取一次
[3] 🔕 手动模式（不自动提取）

自动提取行为#

text

根据用户选择，后续自动执行：

【每周模式】  → 每周固定时间提醒用户：
  "🔥 火种·灵魂 周报时间到了，聊聊这周发生了什么？"

【每天模式】  → 每日对话末尾自动扫描：
  "📝 正在提取今日对话特征..."
  在用户无感知的情况下完成提取

【手动模式】  → 用户可随时说：
  「提取化石」「更新人格」「分析记忆」

AI 自动提取的规则#

• 自动提取时 不需要每次都输出完整卡片，只需简要提示
• 每次提取后与上一次画像做 增量对比
• 发现显著变化（如某维度变动超过20%）时主动提醒用户
• 每月自动生成一次 演化报告

用户主动触发指令#

text

用户任何时候可以说：
  「提取化石」     → 立即执行一次提取（当前模式）
  「更新人格」     → 重新蒸馏生成最新人格画像
  「查看人格」     → 展示当前人格快照卡片
  「分析记忆」     → 切换到记忆分析模式
  「对话提取」     → 切换到对话提取模式
  「设置提取」     → 修改自动提取频率
  「演化报告」     → 生成人格变化轨迹报告
  「🧬 生成报告」  → 输出完整人格报告
  「📊 演化对比」  → 对比上次画像变化
  「🔍 检索化石」  → 搜索历史特征

版本: 2.0.0

最后更新: 2026-05-09

技能定位: 人格建模与记忆沉淀（独立升级版）

设计理念: "从对话中提取思维化石，蒸馏人格模型，构建数字孪生"

---

📚 架构参考（以下为技术细节，供深度使用参考）#

1.1 设计理念#

火种·灵魂 v2.0 是火种技能的完全独立升级版，整合了原版本的核心能力并进行了全面优化。其设计灵感来源于考古学中的"化石挖掘"——用户的每一次对话都是思维的痕迹，通过系统化的提取、蒸馏和建模，可以构建出用户的人格数字孪生。

核心哲学：

• 提取即洞察：从看似随意的对话中识别稳定的思维模式
• 蒸馏即升华：将零散的观察提炼为结构化的人格模型
• 演化即成长：持续追踪人格模型的动态变化

1.2 核心能力#

能力模块功能描述技术实现化石提取引擎六大维度特征提取多任务学习架构置信度校准器贝叶斯更新机制历史准确率追踪隐空间映射器语义相似度计算Sentence Transformers人格蒸馏器跨会话聚合建模聚类分析 + 时间序列演化追踪器人格变化轨迹版本控制 + 差异分析

1.3 六维度提取框架#

基于心理学大五人格理论和认知科学最新研究，火种 v2.0 采用六维度提取框架：

text

维度1: 生物物理基座 (Bio-Physical Base)
  ├─ 能量水平 (Energy Level)
  ├─ 作息规律 (Sleep Pattern)
  └─ 健康意识 (Health Awareness)

维度2: 自传体记忆 (Autobiographical Memory)
  ├─ 关键事件 (Key Events)
  ├─ 情感锚点 (Emotional Anchors)
  └─ 身份认同 (Identity Markers)

维度3: 认知架构 (Cognitive Architecture)
  ├─ 决策风格 (Decision Style)
  ├─ 风险偏好 (Risk Preference)
  └─ 学习模式 (Learning Pattern)

维度4: 情感动力学 (Affective Dynamics)
  ├─ 情绪触发 (Emotional Triggers)
  ├─ 应对机制 (Coping Mechanisms)
  └─ 情感表达 (Expression Style)

维度5: 社会网络 (Social Network)
  ├─ 关系模式 (Relationship Patterns)
  ├─ 社交偏好 (Social Preferences)
  └─ 影响力圈 (Influence Circle)

维度6: 元认知自我 (Meta-Cognitive Self)
  ├─ 自我觉察 (Self-Awareness)
  ├─ 反思能力 (Reflective Capacity)
  └─ 成长心态 (Growth Mindset)

---

二、技能架构#

2.1 目录结构#

text

skills/soul-fireseed-v2/
├── SKILL.md                          # 技能定义文件（本文件）
├── README.md                         # 使用指南和API参考
├── manifest.json                     # 技能元数据
├── config/
│   ├── defaults.json                 # 默认配置
│   ├── schema.json                   # 配置Schema
│   └── keywords.json                 # 六维度关键词库
├── lib/
│   ├── __init__.py                   # 包初始化
│   ├── extractor.py                  # 主提取引擎
│   ├── distiller.py                  # 人格蒸馏器
│   ├── embedder.py                   # 隐空间映射器
│   ├── validator.py                  # 置信度校验器
│   ├── utils.py                      # 工具函数
│   └── models/
│       ├── __init__.py
│       ├── persona_model.py          # 人格模型
│       ├── evolution_tracker.py      # 演化追踪器
│       └── similarity_engine.py      # 相似度引擎
├── templates/
│   ├── fossil-snapshot.md.j2         # 化石快照模板
│   ├── profile.md.j2                 # 用户画像报告模板
│   ├── fingerprint.json.j2           # 人格指纹模板
│   └── evolution-report.md.j2        # 演化报告模板
├── scripts/
│   ├── extract.sh                    # 快速提取脚本
│   ├── distill.sh                    # 批量蒸馏脚本
│   └── export_profile.sh             # 导出画像脚本
├── tests/
│   ├── test_extractor.py             # 提取器测试
│   ├── test_distiller.py             # 蒸馏器测试
│   ├── test_embedder.py              # 嵌入器测试
│   ├── test_validator.py             # 校验器测试
│   └── test_integration.py           # 集成测试
└── docs/
    ├── extraction_guide.md           # 提取指南
    ├── dimension_reference.md        # 维度参考手册
    └── troubleshooting.md            # 故障排除

2.2 核心数据流#

text

用户输入（对话/文本）
│
▼
[Phase 1] 预处理
│  - 分词和句法分析
│  - 情感极性标注
│  - 实体识别
│
▼
[Phase 2] 并行提取（六大维度）
│  BioPhysicalExtractor      → 化石列表 (维度1)
│  AutobiographicalExtractor → 化石列表 (维度2)
│  CognitiveExtractor        → 化石列表 (维度3)
│  AffectiveExtractor        → 化石列表 (维度4)
│  SocialNetworkExtractor    → 化石列表 (维度5)
│  MetaCognitiveExtractor    → 化石列表 (维度6)
│
▼
[Phase 3] 置信度校准
│  Validator.calibrate()
│  - 历史准确率加权
│  - 一致性检查
│  - 矛盾检测
│
▼
[Phase 4] 隐空间映射
│  Embedder.embed()
│  - 向量化表示
│  - 相似度计算
│  - 聚类分析
│
▼
[Phase 5] 化石存储
│  - 写入 user-data/fossils/
│  - 更新索引
│  - 触发总线通知
│
▼
[Phase 6] 定期蒸馏（后台任务）
│  Distiller.distill()
│  - 跨会话聚合
│  - 人格模型更新
│  - 演化轨迹记录
│
▼
[输出] 化石集合 / 人格画像 / 演化报告

---

三、核心机制详解#

3.1 化石提取引擎（ FossilExtractor）#

设计原理：借鉴 FirmAE 的模块化提取器架构 2，将复杂的特征提取任务拆分为六个独立的维度提取器，每个提取器专注一个维度的特征识别。

核心方法：

方法功能返回值extract()主入口，执行完整提取流程List[Fossil]``_preprocess()文本预处理（分词、标注）Dict``_parallel_extract()并行调用六个维度提取器Dict[int, List[Fossil]]``_validate_and_calibrate()置信度校准List[Fossil]``_store_fossils()持久化存储bool

提取策略：

• 关键词匹配：基于维度专属关键词库进行初步筛选
• 模式识别：使用正则表达式识别典型表达模式
• 上下文推理：结合对话历史推断隐含特征
• 交叉验证：多个维度提取器相互验证

3.2 人格蒸馏器（ FossilDistiller）#

设计原理：借鉴数据挖掘中的"频繁模式挖掘"思想，从大量化石中识别稳定出现的人格特征，形成结构化的人格模型。

蒸馏流程：

1. 化石聚合：按维度分组，收集所有相关化石
2. 聚类分析：使用 DBSCAN 算法识别特征簇
3. 特征提炼：从每个簇中提取代表性特征
4. 权重计算：基于频率、置信度、时效性计算权重
5. 模型构建：生成六维度人格向量

人格模型结构：

json

{
  "user_id": "USR-20260509-001",
  "version": "2.0",
  "dimensions": {
    "bio_physical": {
      "energy_level": 0.72,
      "sleep_regularity": 0.65,
      "health_awareness": 0.80
    },
    "autobiographical": {
      "key_events_count": 15,
      "emotional_anchors": ["achievement", "family"],
      "identity_markers": ["engineer", "learner"]
    },
    "cognitive": {
      "decision_style": "analytical",
      "risk_preference": 0.45,
      "learning_pattern": "visual"
    },
    "affective": {
      "dominant_emotion": "curiosity",
      "emotional_stability": 0.68,
      "expression_style": "reserved"
    },
    "social": {
      "relationship_pattern": "selective",
      "social_preference": 0.40,
      "influence_circle_size": 12
    },
    "meta_cognitive": {
      "self_awareness": 0.75,
      "reflective_capacity": 0.82,
      "growth_mindset": 0.88
    }
  },
  "evolution_timeline": [...],
  "last_updated": "2026-05-09T20:00:00Z"
}

3.3 隐空间映射器（ FossilEmbedder）#

设计原理：使用预训练的 Sentence Transformers 模型将化石文本映射到 768 维语义空间，支持语义相似度计算和聚类分析。

核心功能：

功能说明应用场景向量化文本 → 768维向量化石索引建立相似度计算余弦相似度重复检测、关联推荐聚类分析DBSCAN/K-Means特征簇识别语义检索向量搜索快速查找相关化石

3.4 置信度校验器（ ConfidenceValidator）#

设计原理：基于贝叶斯更新理论，维护每个提取器的历史准确率，动态调整置信度评分。

校准公式：

text

校准后置信度 = 原始置信度 × 历史准确率 × 一致性系数

其中：
- 历史准确率 = 正确预测数 / 总预测数（滑动窗口：最近100次）
- 一致性系数 = 1.0 + 0.2 × (相关化石支持数 - 相关化石反对数)

矛盾检测：

• 检测同一维度内的矛盾化石（如"我喜欢冒险" vs "我讨厌风险"）
• 标记矛盾对，降低双方置信度
• 生成待确认列表，需要用户澄清

---

四、配置项说明#

4.1 核心配置#

配置项默认值说明extraction.max_fossils_per_dimension2每维度最大化石数extraction.pending_confidence_threshold0.6待确认阈值extraction.high_confidence_threshold0.8高置信度阈值extraction.min_confidence0.2最小保留置信度distillation.batch_size50蒸馏批处理大小distillation.frequency_hours24自动蒸馏间隔embedding.model_name"sentence-transformers/all-MiniLM-L6-v2"嵌入模型validation.historical_window100历史准确率窗口storage.auto_backuptrue自动备份storage.backup_retention_days30备份保留天数

4.2 维度权重配置#

初始权重均匀分布，后续由蒸馏器根据信息量动态调整：

json

{
  "dimension_weights": {
    "1_bio_physical": 1.0,
    "2_autobiographical": 1.0,
    "3_cognitive": 1.0,
    "4_affective": 1.0,
    "5_social": 1.0,
    "6_meta_cognitive": 1.0
  }
}

---

五、依赖与接口#

5.1 外部依赖#

txt

Python >= 3.8
sentence-transformers >= 2.2.0
scikit-learn >= 1.0.0
numpy >= 1.21.0
pandas >= 1.3.0
jinja2 >= 3.0.0

5.2 独立运行模式#

火种 v2.0 设计为 完全独立技能，不依赖其他技能：

• ✅ 无需北斗聚焦提供聚焦点
• ✅ 无需破局决策提供决策记录
• ✅ 可单独部署和运行
• ✅ 自有数据存储和索引

5.3 对外接口#

接口类型说明FossilExtractor.extract()主入口从文本提取化石FossilExtractor.batch_extract()批量批量提取化石FossilDistiller.distill()蒸馏生成人格模型FossilDistiller.get_evolution()查询获取演化轨迹FossilEmbedder.find_similar()检索语义检索化石ConfidenceValidator.validate()校验验证化石可信度

5.4 数据输出#

化石文件 ( user-data/fossils/{fossil_id}.json)：

json

{
  "id": "FOSSIL-20260509T200000-a3b2c1",
  "dimension": 3,
  "subdimension": "决策风格",
  "content": "倾向于分析型决策，先收集信息再行动",
  "timestamp": "2026-05-09T20:00:00Z",
  "confidence": 0.85,
  "source_quote": "我觉得做决策时，我更倾向于先收集足够信息再行动",
  "tags": ["决策风格", "分析型"],
  "metadata": {...}
}

人格画像 ( user-data/persona/profile_v2.json)：

• 六维度人格向量
• 演化时间线
• 关键特征摘要

---

六、最佳实践#

✅ 推荐使用方式#

1. 每日对话后自动提取 bash

   ./scripts/extract.sh --auto --input today_conversation.txt
   
   

2. 每周批量蒸馏 bash

   ./scripts/distill.sh --batch --output weekly_profile.md
   
   

3. 定期查看演化报告 python

   from lib import FossilDistiller
   distiller = FossilDistiller()
   report = distiller.generate_evolution_report(days=30)
   print(report)
   
   

4. 语义检索历史化石 python

   from lib import FossilEmbedder
   embedder = FossilEmbedder()
   similar = embedder.find_similar("我对风险的看法", top_k=5)
   
   

❌ 避免的用法#

1. 单次对话提取过多化石（超过10个会导致噪声增加）
2. 忽略低置信度化石（它们可能包含重要信号）
3. 不进行定期蒸馏（人格模型会过时）
4. 手动修改化石文件（应通过 API 操作）

---

七、版本历史#

版本日期变更内容2.1.02026-05-09新增双模式（对话提取+记忆分析）+ 后台自动提取（每周/每日）2.0.12026-05-09优化AI交互流程，新增「点燃火种」等激活指令2.0.02026-05-09完全独立升级版，整合所有优秀功能1.0.02026-05-05初始版本（已废弃）

v2.1.0 改进：

• ✨ 两种提取模式：对话提取 + 记忆分析批量提取
• ✨ 首次提取后自动进入后台模式
• ✨ 支持每周/每日自动提取，增量对比
• ✨ 新增「提取化石」「更新人格」「设置提取」等指令
• ✨ 记忆分析模式可扫描历史对话批量产出化石

---

八、参考来源#

• 大五人格理论 (Big Five Personality Traits)
• 认知科学中的特征提取方法
• FirmAE 模块化提取器架构 2
• LIWC 词典分析方法 7
• Sentence Transformers 语义嵌入技术
• DBSCAN 聚类算法
• 贝叶斯置信度更新理论

---

九、许可证#

MIT License - FireSeed Team © 2026