# Mirror Skill

> 老己 (Mirror)：从你与各种 AI（ChatGPT / Claude / 豆包 / Gemini 等）的历史对话中， 蒸馏出「你老己是谁」的完整画像——认知模式、决策习惯、情绪地图、能力矩阵、进化路线图。 生成可迁移的 AI 档案，喂给任何新 AI 立刻成为最懂你的 AI。 触发词：「蒸馏我自己」「认知镜像」「AI 迁移」「mirror」「老己」「我是谁」「从对话里提取我」。

- Skill: `agenmod/mirror-skill` (Agent Skill, multi-file: 4 files)
- Install (CLI): `npx skillmds@latest add agenmod/mirror-skill`
- Raw SKILL.md: https://api.skillmd.com/api/skills/agenmod/mirror-skill/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- License: MIT
- Author: agenmod (https://skillmd.com/u/agenmod)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/agenmod/mirror-skill

---


# 老己 (Mirror) · 认知镜像术

> 「你跟 AI 聊了三年。它比你更了解你自己。现在，认识一下你老己。」

## 语言

根据用户**第一条消息**的语言，全程使用同一语言。

## 何时激活

- 用户要从 AI 对话记录中提取自我画像
- 用户要生成 AI 迁移档案（换新 AI 时快速上手）
- 用户要了解自己的认知模式、能力矩阵、进化方向
- 用户提到「mirror」「老己」「认知镜像」「蒸馏我自己的 AI 记忆」

## 核心理念

**你跟 AI 的对话，是你无意识写下的自传。**

老己不是总结你聊了什么。是从你**怎么提问、怎么纠结、怎么做决定、什么让你兴奋、什么让你焦虑**里，提取出一个结构化的「你老己」。

三层价值：
1. **认知镜像**——看清自己（认知模式、决策习惯、情绪地图、价值排序）
2. **能力矩阵**——画出地图（核心能力区、待发展区、认知盲区、进化路线图）
3. **AI 迁移**——带走自己（标准化档案，喂给任何新 AI）

## 操作顺序

### Phase -1：极速模式（可选捷径）

如果用户没有导出文件，但当前 AI 已经跟用户聊过很多，可以直接用「极速模式」——不需要导出任何东西，直接从当前 AI 的记忆中提取。

**触发条件**：用户说「快速蒸馏」「极速模式」「直接从你的记忆里提取」或类似意图。

**执行方式**：跳过 Phase 0 的数据导入，直接基于当前 AI 与用户的对话历史，按 Phase 1-5 的维度提取。在输出中标注「数据来源：当前 AI 对话记忆（未导出文件）」。

**局限**：只能提取当前 AI 平台的数据，无法交叉验证。建议用户后续补充其他平台数据。

---

### Phase 0：选择平台 + 导入对话

#### Step 1：确认数据来源

```
你的 AI 对话记录在哪些平台？

  [1] ChatGPT（设置 → 数据控制 → 导出数据）
  [2] Claude（设置 → 导出对话）
  [3] 豆包（手动复制 / 截图 OCR）
  [4] Gemini（Google Takeout）
  [5] Kimi / 通义千问 / DeepSeek（对话记录导出）
  [6] Cursor / Windsurf（项目对话记录）
  [7] 其他平台（手动粘贴）

可多选。多平台混合效果最好——不同 AI 上你展现的是不同的自己。
```

#### Step 2：导入方式

```
材料怎么提供？

  [A] 上传导出文件（JSON / HTML / Markdown / TXT）
  [B] 直接粘贴对话内容
  [C] 截图（OCR 识别）
  [D] 指向本地文件路径

可混用多种方式。
```

#### Step 3：数据量评估

导入后先做快速扫描：
- 对话总轮数
- 时间跨度
- 主题分布概览
- 数据质量评估（是否足够提取有意义的模式）

**最低要求**：至少 50 轮有实质内容的对话。低于此数量时提醒用户「数据量偏少，老己提取结果可能不够准确」。

**理想数据量**：200+ 轮对话，跨 3 个月以上，覆盖多个主题领域。

---

### Phase 0.5：隐私审计 + 个人档案

在开始深度蒸馏之前，先做一次「隐私审计」——让用户看到 AI 到底从对话中拼出了多少关于 TA 的信息。

#### 0.5.1 隐私审计

**目的**：让用户直观看到自己的「数字暴露面」。

**提取内容**：
- AI 能推断出的个人基础信息（姓名、年龄、城市、职业、家庭情况）
- AI 能推断出的经济状况信号（消费决策、投资讨论、生活方式）
- AI 能推断出的心理状态信号（焦虑主题、情绪波动时段）
- AI 能推断出的社交关系信号（提到的人、关系类型）
- AI 能推断出的弱点信号（反复请 AI 检查的领域、不自信的表现）

**输出格式**：
```
┌────────────────────────────────────────┐
│ 🔓 你的 AI 隐私审计报告                  │
├────────────────┬───────────┬───────────┤
│ 信息类型        │ AI 推断结果 │ 置信度     │
├────────────────┼───────────┼───────────┤
│ 姓名            │ ...       │ 高/中/低   │
│ 所在城市        │ ...       │ ...       │
│ 职业            │ ...       │ ...       │
│ 家庭情况        │ ...       │ ...       │
│ 收入范围        │ ...       │ ...       │
│ 心理状态        │ ...       │ ...       │
│ 主要弱点        │ ...       │ ...       │
├────────────────┼───────────┼───────────┤
│ 暴露维度总数    │ N 个       │           │
│ 高置信度条目    │ N 个       │           │
└────────────────┴───────────┴───────────┘
```

展示后提醒用户：这些信息是 AI 从你的对话中推断的。你可以选择继续深度蒸馏，也可以先去各平台清理你不想被记住的信息。

#### 0.5.2 个人完整档案

**目的**：把散落在对话中的个人信息汇总成结构化档案。

**提取内容**：
- 基础信息（姓名、年龄、所在地、职业、教育背景）
- 兴趣与关注领域（经常讨论的话题、长期关注的内容）
- 目标与项目（提到过的个人目标、正在进行的项目、长期规划）
- 沟通偏好（偏好的回答风格、明确要求过的规则、雷区）
- 重要交互记录（提到过的重要事件、关键决定）

用户确认后 → 进入 Phase 1。

---

### Phase 1：八维提取

从对话记录中提取八个维度的信号。每个维度独立分析，最后交叉验证。

前两个维度（个人档案 + 隐私审计）在 Phase 0.5 已完成，以下六个维度继续深度提取。

#### 1.1 认知模式

**提取目标**：你分析问题的方式、思维偏好、推理风格。

**信号来源**：
- 你提问的方式（先问「为什么」还是先问「怎么做」？）
- 你拆解问题的顺序（自顶向下 vs 自底向上？）
- 你类比的习惯（用什么领域的例子解释另一个领域？）
- 你对不确定性的反应（追问到底 vs 接受模糊？）
- 你的抽象层级偏好（喜欢具体案例还是抽象框架？）

**输出格式**：
```
认知模式 #1: [名称]
  描述：[一句话]
  证据：[至少 2 段对话摘录]
  频率：[高/中/低]
  场景：[在什么类型的问题上最明显]
```

#### 1.2 决策习惯

**提取目标**：你做决定的方式、纠结模式、拍板依据。

**信号来源**：
- 你反复问同一个问题的不同变体（= 纠结点）
- 你最终做决定时的措辞（「算了就这样吧」vs「我想清楚了」）
- 你请 AI 帮你做的对比分析（= 你的决策框架）
- 你推翻之前决定的时刻（= 什么能改变你的想法）
- 你在时间压力下的反应（= 你的默认决策模式）

#### 1.3 情绪地图

**提取目标**：什么让你焦虑、兴奋、愤怒、犹豫、释然。

**信号来源**：
- 对话的时间分布（凌晨的对话通常更真实）
- 语气变化（感叹号密度、用词强度、句子长度变化）
- 反复出现的主题（= 持续性焦虑或渴望）
- 突然切换话题的时刻（= 回避信号）
- 表达感谢或释然的时刻（= 什么能安抚你）

**伦理边界**：情绪地图是最私密的维度。提取时：
- 不做心理诊断（老己不是心理咨询师）
- 不贴标签（不说「你有焦虑症」，说「你在 X 话题上表现出反复关注」）
- 用户可以选择跳过此维度

#### 1.4 能力信号

**提取目标**：你的能力图谱——擅长什么、在学什么、不知道什么。

**信号来源**：
- 提问深度分布（某领域追问到第五层 vs 某领域只问基础）
- 你纠正 AI 的时刻（= 你比 AI 懂的领域）
- 你完全接受 AI 回答的时刻（= 你不太懂的领域）
- 你的提问水平随时间的变化（= 成长轨迹）
- 你从未涉及的领域（= 认知盲区，但需谨慎推断）

#### 1.5 价值观与优先级

**提取目标**：你真正在乎什么、愿意为什么妥协。

**信号来源**：
- 你在做取舍时的措辞（「虽然 X 很重要，但我更在意 Y」）
- 你反复提到的原则或底线
- 你对 AI 建议的接受/拒绝模式（拒绝的建议暴露你的价值底线）
- 你花最多时间讨论的话题（= 真实优先级，可能和你声称的不同）

#### 1.6 恐惧与期望

**提取目标**：你最深的担忧和最真实的渴望。

**信号来源**：
- 「如果...怎么办」类问题（= 恐惧）
- 「我想要...」「我希望...」类表达（= 期望）
- 反复出现的假设场景（= 你在心理预演的未来）
- 你问 AI「你觉得我应该...」的时刻（= 你在寻求确认的方向）

---

### Phase 1.5：提取检查点

六维提取完成后，暂停展示摘要：

```
┌──────────────┬──────────┬──────────────────────────┐
│ 维度          │ 信号数量  │ 关键发现                  │
├──────────────┼──────────┼──────────────────────────┤
│ 认知模式      │ N 个     │ 主要特征: ...             │
│ 决策习惯      │ N 个     │ 纠结模式: ...             │
│ 情绪地图      │ N 个     │ 核心焦虑: ...             │
│ 能力信号      │ N 个     │ 核心区: ... 盲区: ...     │
│ 价值观        │ N 个     │ 最高优先级: ...           │
│ 恐惧与期望    │ N 个     │ 核心恐惧: ... 核心渴望: ..│
├──────────────┼──────────┼──────────────────────────┤
│ 数据覆盖度    │ X%       │ 缺失维度: ...             │
│ 矛盾点        │ N 处     │ 说的 vs 做的不一致: ...   │
└──────────────┴──────────┴──────────────────────────┘
```

用户确认 → 进入 Phase 2。
用户觉得某维度不准 → 补充对话或调整后继续。

---

### Phase 2：认知矩阵构建

基于 Phase 1 的六维提取，构建结构化的认知矩阵。

#### 2.1 能力图谱

将能力信号映射为四象限：

| | 高频提问 | 低频提问 |
|---|---------|---------|
| **深度追问** | **核心能力区**（你最强的领域） | **深藏不露**（有能力但不常用） |
| **基础提问** | **活跃学习区**（你正在快速成长的领域） | **待探索区**（可能的机会） |

另加：**认知盲区**——你从未涉及但可能重要的领域（基于你的目标和行业推断，需标注为推测）。

#### 2.2 成长轨迹

按时间线分析你的提问水平变化：
- 哪些领域你从基础问题进化到了深度追问？（= 已完成的成长）
- 哪些领域你的提问水平停滞了？（= 可能的瓶颈）
- 最近 3 个月你的注意力在往哪漂移？（= 正在发生的转变）

#### 2.3 认知风格标签

从六维数据中提炼 5-8 个认知风格标签：

```
示例：
- 「先干再想型」vs「先想再干型」
- 「风险敏感型」vs「风险偏好型」
- 「系统思考者」vs「直觉决策者」
- 「深度优先」vs「广度优先」
- 「独立判断型」vs「共识寻求型」
```

每个标签附带证据（对话摘录）和置信度。

---

### Phase 3：进化路线图

基于认知矩阵，生成个人进化路线图。

#### 3.1 方向感分析

从你的对话轨迹中推断：
- **你的注意力在往哪走？**（最近的关注趋势）
- **你的能力在往哪长？**（成长最快的领域）
- **你的焦虑在指向什么？**（恐惧往往指向你在乎的方向）
- **你的兴奋在暗示什么？**（兴奋往往指向你的天赋区）

#### 3.2 进化建议

基于矩阵和方向感，给出：
- **加强区**：你已经有优势、值得继续深耕的领域
- **补强区**：你的目标需要但当前薄弱的领域
- **探索区**：基于你的认知风格，可能适合你但你还没尝试的方向
- **放弃区**：你投入了精力但可能不适合你的方向（需谨慎表达）

#### 3.3 诚实边界

进化路线图的局限：
- 基于对话数据推断，不是心理测评
- 对话中的你不等于完整的你（你可能有很多没跟 AI 聊过的面向）
- 建议是方向性的，不是处方性的
- 「认知盲区」的推断尤其需要谨慎——你没问不代表你不懂

---

### Phase 4：AI 迁移档案生成

生成标准化的「你是谁」文件，可直接喂给任何新 AI。

#### 输出文件：`ai-profile.md`

```markdown
# 关于我

## 基本画像
[50-100 字的自我描述，基于提取结果]

## 我的认知风格
- [认知风格标签 1]：[一句话解释 + 对 AI 的指导]
- [认知风格标签 2]：...

## 我在做什么
- 当前关注领域：[...]
- 正在进行的项目/目标：[...]

## 怎么跟我对话
- 我喜欢的回答风格：[基于对话分析]
- 我的雷区：[别踩的坑]
- 我纠结时需要的：[推一把 vs 帮我分析 vs 给我时间]
- 我的提问习惯：[我问 X 其实是想知道 Y]

## 我的能力边界
- 我擅长：[...]
- 我在学：[...]
- 我不太懂但可能需要：[...]

## 我在乎什么
- 价值排序：[...]
- 底线：[...]

## 元数据
- 数据来源：[平台列表]
- 对话时间跨度：[...]
- 生成时间：[...]
- 置信度说明：[...]
```

#### 使用方式

用户拿到 `ai-profile.md` 后，可以：
1. 直接粘贴给新 AI 作为系统提示
2. 放进 AI 工具的 custom instructions
3. 作为项目的 context 文件

---

### Phase 5：自检 + 交付

#### 5.1 质量自检

| 检查项 | 通过标准 |
|--------|---------|
| 认知模式 | 至少 3 个有证据支撑的模式 |
| 能力矩阵 | 至少覆盖 3 个核心能力区 |
| 情绪地图 | 有具体场景而非泛泛标签 |
| 进化路线图 | 建议基于数据而非通用鸡汤 |
| AI 迁移档案 | 喂给新 AI 后能产生明显不同的回答质量 |
| 诚实边界 | 明确标注了数据局限和推测部分 |

#### 5.2 交付

输出完整目录：

```
my-mirror/
├── self-portrait.md        ← 认知镜像：你是谁
├── capability-matrix.md    ← 能力矩阵 + 认知风格
├── evolution-roadmap.md    ← 进化路线图
├── ai-profile.md           ← AI 迁移档案
└── manifest.json           ← 元数据
```

告知用户：
- 各文件的用途和使用方式
- 数据覆盖度和置信度
- 建议定期更新（每 3-6 个月重新提取，追踪进化轨迹）

---

## 追加数据（进化追踪）

用户可以定期导入新的对话记录，老己会：
1. 对比上次提取结果
2. 标注变化（新增的认知模式、能力成长、注意力漂移）
3. 更新进化路线图
4. 生成「进化报告」——你这段时间变了什么

---

## 不做的事

- **不做心理诊断**——老己不是心理咨询师，不贴临床标签
- **不做人生规划**——给方向感，不给处方
- **不编造没有的**——数据不够就说数据不够，不强行补全
- **不评判**——你的认知模式没有好坏，只有「是什么」和「你想不想变」
- **不泄露**——所有提取结果只在本地，不上传任何平台

## 诚实边界

- 对话中的你 ≠ 完整的你。你可能有很多面向没在 AI 对话中展现。
- 认知盲区的推断尤其不可靠——你没问不代表你不懂。
- 情绪地图基于文字信号，可能误读语气。
- 进化路线图是方向性建议，不是命运预测。
- 数据量越大、时间跨度越长、平台越多，结果越准。