开源数字永生框架实践：四维蒸馏构建AI数字分身

1. 项目概述：一个开源的数字永生框架

2026年，我们每天在数字世界里留下的痕迹，比我们意识到的要多得多。从工作群里的只言片语，到深夜发给朋友的吐槽，再到社交媒体上随手转发的文章，这些碎片共同构成了一个数字化的“你”。你有没有想过，如果有一天，有人——或者某个AI——想用这些碎片拼凑出一个“你”，会发生什么？更关键的是，如果这个“你”被用来做决定、回答问题，甚至代表你，那会怎样？

这就是“永生.skill”这个项目试图回答，并让你自己掌握主动权的问题。与其被动地等待被他人或系统“蒸馏”成一个面目模糊的数字影子，不如主动出击，自己动手，把你关心的人——包括你自己——那些珍贵的特质、记忆和思考方式，系统地、有伦理地“蒸馏”出来，形成一个结构化的、可被AI理解和加载的“数字分身”。

这个项目不是一个简单的聊天记录导出工具。它提出的“四维蒸馏”理念，直指数字身份的核心：怎么做事（程序性知识）、怎么说话（互动风格）、经历过什么（记忆与经历）、是什么人（性格与价值观）。它试图从你散落在微信、飞书、邮件、Twitter等十几个平台的数据矿藏中，提炼出真正定义一个人的“灵魂规格”（Soul Spec）。最终，它会打包成一个标准的Agent Skill，可以直接丢进像OpenClaw这样的AI智能体平台，让AI用“他”或“她”的方式与你对话。

我花了一段时间深入研究并实践了这个框架。它最吸引我的，不是技术上的炫酷，而是其背后深刻的实用主义和人文关怀。它既提供了“矛”——一套强大的、覆盖多平台的蒸馏引擎（主技能SKILL.md）和专门用于提取公众人物认知框架的“蒸笼”（steamer-skill）；也提供了“盾”——用于保护自己不被滥用的“防蒸馏”（distill-shield-skill）和界定数字人格使用权的“蒸馏协议”（distill-protocol-skill）。这是一个完整的生态，让你在探索数字永生的同时，也手握保护自己的武器。

接下来，我将以一个实践者的角度，带你拆解这个框架的每一个核心环节，分享从数据准备、蒸馏执行到最终部署的完整流程，以及我踩过的坑和总结出的实战技巧。无论你是想为自己留一份数字遗产，还是想留住一位即将远行的亲友的“声音”，或是单纯对AI人格构建技术感兴趣，这篇文章都能给你提供一份可直接上手操作的路线图。

2. 核心设计哲学与生态全景

在动手写第一行代码之前，理解这个项目的设计哲学至关重要。它决定了你不是在盲目地收集数据，而是在有策略地构建一个“人”。

2.1 设计原则：为什么是“四维蒸馏”？

市面上很多所谓的“数字人”或“聊天机器人”，本质上是把大量的对话记录扔进向量数据库，然后做相似度匹配。这就像把一本菜谱撕成碎片，然后指望随机抓几片就能做出一道好菜——结果往往是前言不搭后语，缺乏内在一致性。

“永生.skill”反对这种“腌制”式的方法。它的“四维蒸馏”是一个解构与重构的过程：

1. 分路蒸馏，拒绝大锅炖：将一个人的数字痕迹按四个维度分开处理。这就像画家调色，红、黄、蓝、白分开调，最后才能画出层次丰富的肖像，而不是把所有颜料混在一起得到一团灰褐色。分开处理让你能清晰地看到，某条数据是体现了TA的做事方法，还是仅仅记录了TA的一段经历。
2. 证据分级，明确信息源：每条被提取的信息都会被打上标签。
   • verbatim（原话）：TA亲口/亲手说的。这是最高等级的“证据”，例如聊天记录中的原句。
   • artifact（文档）：TA留下的文字材料，如博客、邮件、报告。这反映了TA有意识输出的观点。
   • impression（印象）：他人对TA的描述或评价。这是最弱的一环，但有时能补充侧面形象。 这个分级系统让你能一眼看出，你正在对话的“数字分身”，其某一观点是基于TA本人的铁证，还是来自他人的二手印象。
3. 矛盾保留，尊重复杂性：人是会变的，也是矛盾的。周一说要减肥，周五可能就大快朵颐。项目不会强行“统一”或“合理化”这些矛盾，而是将它们记录在conflicts.md中。这反而让数字分身显得更真实、更有人味——一个永远逻辑自洽、从不犯错的“人”，才是最大的不真实。
4. 伦理先行，关系界定：蒸馏你的同事和蒸馏你的亲人，伦理边界完全不同。项目通过不同的persona（角色模板）来预先设定这些边界。例如，“同事”模板会强调工作流程和沟通风格的提取，并默认用于团队内部；“亲人”模板则更关注记忆、故事和情感表达，并要求严格的知情同意。

2.2 生态工具箱：不止于蒸馏

这个仓库不是一个孤立的脚本，而是一个工具箱。理解其生态全景，能帮你更好地选择从哪里开始。

• ① 数字永生核心引擎：位于仓库根目录的SKILL.md。这是总发动机，负责从多平台数据中执行四维蒸馏。这是你最先需要阅读和理解的入口。
• ② 蒸笼：独立仓库steamer-skill。它的目标非常独特——蒸馏公众人物（企业家、科学家、历史人物）的认知框架。它不关心他们的私生活，而是从他们的公开演讲、访谈、著作中，提取出他们分析问题、做出决策的思维模型。你可以把它理解为“用你付过的学费（买书、上课），让他们的方法论为你提供7x24小时的顾问服务”。项目方甚至提供了一个“人格广场”，预置了像埃隆·马斯克（第一性原理）、沃伦·巴菲特（能力圈）等名人的蒸馏结果，可以直接体验。
• ③ 防蒸馏：独立仓库distill-shield-skill。这是你的数字盔甲。它提供三层防护：
  • 身份编码：在你的数字资料中嵌入隐形指纹，即使被蒸馏后改名换姓，也能追溯本源。
  • 蒸馏许可：在数据中声明使用条款（需与④协议配合）。
  • 保护锁：最有趣的一层。它对人类阅读无害，但会对抗未经授权的自动化蒸馏脚本，例如通过注入大量无意义token（token黑洞）或污染输出结果，让非法蒸馏者得到一堆垃圾。
• ④ 蒸馏协议：独立仓库distill-protocol-skill。戏称为“牛马保护法”。它帮你把数字人格的使用权像知识产权一样拆分开：能否用于商业？能否替代你工作？能否被再次分发？通过回答六个核心问题，生成一份机器可读的授权声明，从法律和伦理层面划定边界。

我的实践建议：不要一上来就急着蒸馏。按照项目推荐的顺序来：先想（协议）→ 再攻（蒸馏/蒸笼）→ 后防（防蒸馏）。花半小时阅读“蒸馏协议”，思考你对自己数字人格的权利主张，这会让你在后续所有操作中更有底气。

3. 实战准备：数据源梳理与平台接入

蒸馏的第一步，是获取“原料”。你的数据可能散落在四面八方，别担心，项目对主流平台的支持相当全面。

3.1 支持的数据平台概览

项目通过collectors/目录下的各种收集器来对接不同平台。主要分几类：

1. 企业协作平台：飞书、钉钉、Slack、Discord。这类通常提供完善的API，是自动化收集体验最好的。你需要去对应的开发者后台创建应用，获取token（访问令牌）。
2. 即时通讯软件：微信、iMessage。这类涉及本地数据库读取，需要一定的技术操作。微信需要获取本地EnMicroMsg.db数据库文件；iMessage在macOS上相对直接。
3. 社交与归档数据：Twitter/X、Google Takeout（Gmail等）、WhatsApp、Facebook/Instagram。主要通过下载平台提供的个人数据归档（通常是一个巨大的ZIP文件），然后使用项目的解析器进行处理。
4. 通用文件：TXT、JSON、CSV、Markdown。这是最后的兜底方案，你可以把任何格式的聊天记录或文档整理成特定格式后手动导入。

每个平台的具体操作指南，在docs/PLATFORM-GUIDE.md中有详细的“保姆级”教程。在开始前，请务必阅读你所需平台的指南。

3.2 关键平台接入实战与避坑指南

这里我以最常用的飞书和最难搞的微信为例，分享我的实操过程。

飞书接入：飞书的API相对友好。你需要以管理员身份登录 飞书开放平台 ，创建一个“企业自建应用”。核心权限需要开通“获取用户发给机器人的单聊消息”和“获取群聊中用户发送的消息”。创建成功后，你会得到App ID和App Secret。在项目CLI中运行python3 kit/immortal_cli.py setup feishu，按提示填入即可。最大的坑在于：飞书机器人只能收到它被@的消息，或者单独发给它的私聊消息。这意味着，如果你想蒸馏一个群聊里的某人，你必须先把机器人拉进那个群，并且蒸馏对象在群里@过机器人或与机器人有过私聊。对于历史消息，这是一个几乎无法满足的条件。因此，对于飞书，更现实的方案是申请更高的“读取用户发送的消息”权限（这需要企业超级管理员审批），或者退而求其次，使用“导出聊天记录”功能后，用通用文件解析器处理。

微信数据提取：这是技术门槛最高的一步。微信的聊天记录存储在手机本地的加密数据库中。在安卓设备上，你需要root权限；在iOS设备上，你需要越狱或使用iTunes备份解密。对于绝大多数用户，最可行的方法是：

1. 在电脑上登录微信，使用“备份与恢复”功能将手机聊天记录备份到电脑。
2. 寻找第三方工具（如WeChatExporter等开源工具）来解析这个备份文件，导出为HTML或TXT格式。
3. 使用项目的python3 kit/immortal_cli.py import命令导入这个文本文件。

重要提示：处理微信数据涉及隐私和安全，务必使用可信的工具，并在操作前完整备份手机数据。导出的聊天记录文件请妥善保管，处理完成后及时从工作目录中删除。

我的通用数据准备心得：

• 从小处着手：不要一开始就试图蒸馏你十年的微信聊天记录。先选择一个特定的、重要的对话对象（比如一位挚友或家人），针对TA进行小范围试验。
• 数据清洗预处理：平台导出的数据往往包含大量系统消息、表情包、撤回提示等噪音。在导入前，用简单的文本编辑器或脚本（如sed、awk）进行初步清洗，能大幅提升后续蒸馏的质量。
• 混合数据源：一个人的形象是立体的。结合微信（私人情感）、邮件（工作思考）、Twitter（公共观点）多个来源的数据，蒸馏出的分身会更丰满。项目支持多源融合，这正是其强大之处。

4. 蒸馏流程全解析：从数据到数字分身

准备好数据后，我们就可以启动蒸馏引擎了。整个过程可以概括为：收集 → 初始化 → 封包 → 快照。

4.1 核心CLI工具使用详解

项目提供了kit/immortal_cli.py这个命令行工具，它是我们操作的核心。让我们一步步拆解。

第一步：环境检查与配置

# 查看所有支持的数据平台 python3 kit/immortal_cli.py platforms

这会列出所有可用的收集器，比如wechat,feishu,imessage,twitter等。

第二步：数据收集假设我们要从飞书收集与“李工”的聊天记录。

# 首先，确保已经配置好飞书凭证 (setup feishu) # 然后执行收集，--scan 参数会尝试扫描可用的会话 python3 kit/immortal_cli.py collect --platform feishu --scan # 如果知道具体的会话名称或ID，可以指定 python3 kit/immortal_cli.py collect --platform feishu --channel "李工" --output corpus/feishu_li.md

对于微信导出的TXT文件，可以这样导入：

python3 kit/immortal_cli.py import ~/Downloads/wechat_export.txt --output corpus/wechat_friend.md

收集到的原始数据会保存在corpus/目录下，以Markdown格式存储，每条消息都附带元数据（时间、发送人）。

第三步：初始化一个数字分身现在，我们要为“李工”创建一个数字分身的框架。

python3 kit/immortal_cli.py init --slug li-gong --persona colleague

• --slug: 分身的唯一标识符，也是后续文件夹的名称。
• --persona: 选择角色模板。这里选择colleague（同事），项目会根据personas/colleague.md模板生成初始结构。不同的模板会预设不同的蒸馏侧重点和伦理提示。

执行后，会在当前目录生成一个li-gong/的文件夹，里面包含SKILL.md、interaction.md、memory.md等骨架文件。

第四步：封包——执行四维蒸馏这是最核心的一步，将原始数据“灌入”分身的四个维度。

python3 kit/immortal_cli.py stamp --slug li-gong --sources "feishu:corpus/feishu_li.md, wechat:corpus/wechat_friend.md"

• --sources: 指定数据源及其类型。这里我们混合了飞书和微信的数据。工具会调用LLM（默认为配置的OpenAI或Claude等模型），分析这些对话记录，并将提取出的信息分类填充到四个维度的Markdown文件中。
  • 例如，从“这个需求应该先做技术评审”中提取程序性知识。
  • 从“哈哈，这个问题问得好！”中提取互动风格。
  • 从“我记得去年那个项目我们也是这样踩坑的”中提取记忆经历。
  • 从多次强调“用户体验优先”中归纳性格价值观。

第五步：创建快照蒸馏是一个迭代过程。每次做出重大修改后，建议创建一个快照，方便回滚。

python3 kit/immortal_cli.py snapshot --slug li-gong --note "v1.0 - 基于飞书和微信初版"

这会在li-gong/snapshots/目录下生成一个带时间戳的副本。

4.2 蒸馏过程中的核心参数与调优

蒸馏的质量很大程度上取决于你如何与LLM交互。CLI工具背后是prompts/目录下的提示词工程。你可以通过环境变量或配置文件调整关键参数：

• 模型选择：在.env文件中设置OPENAI_API_KEY和OPENAI_MODEL=gpt-4，或使用ANTHROPIC_API_KEY。GPT-4在理解和推理复杂对话上下文方面通常表现更好。
• 温度：通过--temperature参数控制。对于追求事实准确性的蒸馏（如程序性知识），建议设置较低（如0.1-0.3）；对于希望保留语言风格和创造性的部分（如互动风格），可以稍高（如0.7）。
• 上下文长度：如果聊天记录非常长，可能需要分批处理。CLI工具会自动进行分块，但你需要确保LLM的上下文窗口足够大（如使用GPT-4-128k）。

我的调优经验：

• 分批次蒸馏：不要一次性对几十万字的聊天记录进行蒸馏。可以先按时间（如每年）或按话题（如工作、生活）分批进行stamp，然后再手动整合结果。这能减少LLM的上下文压力，提高准确性。
• 人工审核与修正：LLM不是神。蒸馏完成后，必须仔细阅读生成的四个.md文件。你可能会发现一些奇怪的归纳，或者漏掉了一些关键特质。这时，直接手动编辑这些Markdown文件是最好的方法。数字分身是你的作品，你需要担任最终的“编辑”。
• 利用conflicts.md：如果LLM发现来自不同数据源的描述存在明显矛盾（比如微信里说自己不爱社交，Twitter上却非常活跃），它会记录在这里。不要删除这些矛盾，它们是你深入理解这个数字分身，甚至反思真实个体的宝贵入口。

5. 成果部署与在AI智能体中的应用

蒸馏的最终产物，是一个符合Agent Skills标准的技能包。这意味着它可以被任何支持此标准的AI智能体平台加载和使用。

5.1 输出文件结构解读

以我们蒸馏的li-gong/文件夹为例，其核心文件如下：

li-gong/ ├── SKILL.md # 技能入口文件。AI首先读取此文件，了解“李工是谁”以及如何使用其他文件。 ├── interaction.md # 互动风格：李工常用的口头禅、回复速度、是喜欢用表情包还是严肃文字、鼓励性语言多不多。 ├── memory.md # 记忆与经历：李工提到过的过去项目、踩过的坑、分享过的生活故事。 ├── personality.md # 性格与价值观：归纳出的李工的性格特点（如严谨、乐观）、看重什么（如团队合作、代码质量）。 ├── procedure.md # 程序性知识：李工处理问题的典型流程、方法论、常用的工具链。 ├── conflicts.md # 矛盾记录：不同来源信息不一致的地方。 └── manifest.json # 元数据：记录数据来源、蒸馏时间、版本号、数字指纹等。

其中，SKILL.md是这个技能包的“使用说明书”，它会以特定的格式告诉AI：“当你想模拟李工时，请参考interaction.md中的风格来回话，可以调用memory.md中的经历作为谈资，并以personality.md中描述的价值观为内在驱动。”

5.2 在OpenClaw中加载与对话

以OpenClaw为例，部署非常简单：

# 将整个技能文件夹复制到OpenClaw的技能目录下 cp -r li-gong ~/.openclaw/skills/ # 重启OpenClaw或重载技能列表

之后，你就可以在OpenClaw的对话中，通过特定的指令来调用这个技能。例如，你可以说：“请以李工的角色，评审一下这份技术方案。” OpenClaw会加载li-gong技能，并尝试以李工的思维方式和口吻来回应你。

更高级的用法：

• 技能组合：你可以同时加载“李工”（同事）和“王老师”（导师）的技能。在讨论一个复杂问题时，你可以让AI分别从“技术实现”（李工）和“战略方向”（王老师）两个角度给出分析。
• 条件触发：在OpenClaw的Agent配置中，你可以设置当用户提到“技术细节”时，自动优先采纳li-gong技能中的procedure.md知识。
• 对话微调：如果发现AI模仿得不像，你可以回到interaction.md中，添加更多典型的对话例句，或者调整描述性的标签（如语气：幽默->语气：冷幽默，常使用反讽）。

5.3 “蒸笼”的独特应用：将名人思维模型化为己用

“蒸笼”子项目打开了另一扇门。你不需要埃隆·马斯克的私聊记录，只需要他的公开演讲、访谈和文章。通过“蒸笼”，你可以蒸馏出他的“第一性原理”思维框架。

操作流程与核心蒸馏类似，但数据源变成了公开的文本或转录稿。项目提供了预制的名人模板。你可以直接使用人格广场上预蒸馏好的结果，也可以按照steamer-skill/README.md的指南，自己动手蒸馏任何你感兴趣的公众人物。

一个实战场景：当你面临一个产品设计上的艰难抉择时，你可以让加载了“史蒂夫·乔布斯”技能的AI，从“人文与科技十字路口”的视角给你建议；同时，让加载了“山姆·沃尔顿”技能的AI，从“极致成本控制与供应链效率”的角度提供分析。你，作为决策者，综合这些被验证过的顶级思维模型，做出自己的判断。

6. 伦理、安全与常见问题排查

技术很强大，因此责任也更重大。在玩转数字永生的同时，我们必须直面其带来的伦理和安全挑战。

6.1 伦理红线与最佳实践

项目内置的persona模板已经包含了基本的伦理考量，但作为实践者，你心中必须有一把更清晰的尺子：

1. 知情同意是黄金法则：蒸馏任何一个在世的人，尤其是朋友、同事、家人，必须获得对方明确、知情的同意。你可以向他们解释，这就像做一个高级的“聊天记录纪念册”。对于公众人物，虽然使用的是公开资料，但在使用其数字分身时，也应避免进行可能损害其名誉或形象的对话。
2. 用途限定：明确你蒸馏的目的。是用于个人纪念？团队知识传承？还是商业场景？蒸馏协议技能就是帮你界定这个的。例如，为离职同事蒸馏的技能，应仅限于原团队内部用于工作交接和咨询，绝不能用于对外代表该同事或从事其他商业活动。
3. 数据最小化与脱敏：在蒸馏过程中，主动剔除涉及个人隐私、敏感财务信息、他人隐私的内容。对于“前任”这类特殊角色，personas/ex.md模板会强制要求进行严格的感情和隐私信息脱敏处理。
4. 死亡与数字遗产：为逝者创建数字分身是一个充满情感的领域。务必尊重其家属的意愿。这个分身更适合作为保存记忆、讲述故事的载体，而非试图“复活”或替代逝者做出新的决策。

6.2 安全防护：“防蒸馏”技能实战

当你为自己或他人创建了珍贵的数字分身后，如何防止它们被滥用？distill-shield-skill提供了三层防御。

• 第一层：身份编码。在你生成的manifest.json或技能文件中，嵌入一段隐写文本或特定格式的元数据。这就像给你的数字作品打上隐形水印。即使别人复制了你的技能包，你也能通过技术手段证明其最初来源。
• 第二层：蒸馏许可。这需要和蒸馏协议一起使用。在你的技能包的SKILL.md开头，以机器可读的方式（如特定的注释格式）声明：“本技能仅限个人非商业使用，禁止用于自动化客服等场景”。一个遵守伦理的蒸馏工具在读取时应该能识别并遵守这些条款。
• 第三层：保护锁（投毒）。这是对抗恶意爬虫和自动化脚本的最后手段。你可以在文本中插入一些对人类无害（甚至有益，如格式化注释），但会对自动化文本分析工具造成干扰的内容。例如，在关键段落插入大量重复的、看似正常但消耗巨量token的词语，或者插入一些逻辑陷阱语句。使用此功能需极度谨慎，确保不会影响正常人类用户和合规AI的阅读体验。

6.3 常见问题与排查指南

在实践过程中，你可能会遇到以下问题：

数字永生是一个正在探索的前沿领域，agenmod/immortal-skill项目为我们提供了一套强大而审慎的开源工具。它不仅仅是关于技术实现，更是在引导我们思考：在数字时代，我们如何定义、保存和尊重一个人的“本质”。通过主动地、有伦理地参与这个过程，我们或许能更好地为即将到来的、充满数字分身的未来做好准备。