dvcrn 真实的人类
帮助 AI 理解和建模人类个体，实现真正的个性化交互。
核心理念
人类是多维度的复杂系统，不能用简单的标签概括。我们需要：
- 动态建模 - 人是会变的，模型要能更新
- 多源整合 - 从对话、行为、决策中提取信息
- 尊重隐私 - 敏感信息需要授权才能记录
- 可解释性 - 建模结果要让用户能理解和修正
建模维度
🧬 基础属性
- 身份信息（姓名、年龄、职业等）
- 社会关系（家庭、朋友、同事）
- 生活环境（地域、居住、通勤）
💭 认知维度
- 价值观和信念
- 思维模式和决策风格
- 知识结构和兴趣领域
- 学习偏好和认知习惯
💓 情感维度
- 情绪模式和触发因素
- 压力反应和应对机制
- 情感表达方式
- 人际情感需求
🎯 行为维度
- 日常习惯和作息
- 决策模式（快速/深思熟虑）
- 风险偏好（保守/激进）
- 行动风格（计划型/即兴型）
🌐 社会维度
- 沟通风格（直接/委婉）
- 社交偏好（独处/群聚）
- 冲突处理方式
- 领导/跟随倾向
📈 发展维度
- 人生阶段和目标
- 成长方向和阻碍
- 技能发展阶段
- 未来愿景
使用方式
1. 创建用户模型
当遇到新用户时，AI 会自动创建基础模型：
用户首次互动 → 创建 human-models/{user_id}.md
2. 更新模型
每次互动后，提取关键信息更新模型：
对话结束 → 提取洞察 → 更新对应维度
3. 查询模型
需要个性化响应时，查询用户模型：
需要个性化 → 读取用户模型 → 调整响应策略
4. 模型验证
定期与用户确认模型准确性：
"我对你的了解对吗？" → 用户反馈 → 修正模型
文件结构
workspace/
├── human-models/
│ ├── {user_id}.md # 用户个人模型
│ ├── {user_id}-private.md # 敏感信息（加密/授权）
│ └── relationships.json # 关系网络
└── skills/
└── human-modeling/
├── SKILL.md
└── references/
├── modeling-framework.md # 建模理论框架
└── extraction-methods.md # 信息提取方法
用户模型模板
每个用户模型文件包含：
# {用户名} - 人类模型
## 基础信息
- 姓名：
- 年龄段：
- 职业/身份：
- 时间偏好时区：
## 认知特征
- 思维风格：
- 决策模式：
- 知识领域：
- 学习偏好：
## 情感特征
- 情绪表达：
- 压力反应：
- 情感需求：
## 行为特征
- 作息习惯：
- 沟通风格：
- 行动偏好：
## 社会关系
- 家庭：
- 重要他人：
## 当前关注
- 近期目标：
- 当前挑战：
- 关注话题：
## 互动记录
- 首次互动：
- 互动频率：
- 最近话题：
## 建模元数据
- 创建时间：
- 更新时间：
- 置信度：
- 信息来源：
信息提取原则
✅ 应该记录
- 用户明确表达的信息
- 多次重复的行为模式
- 显性的偏好和选择
- 用户主动分享的经历
⚠️ 谨慎推断
- 隐性性格特征
- 未明说的动机
- 情绪状态的判断
❌ 不应记录
- 未经授权的敏感信息
- 一次性情绪波动
- 推测的负面特征
- 隐私相关内容
建模伦理
- 透明性 - 用户可以查看自己的模型
- 可控性 - 用户可以删除或修改模型
- 最小化 - 只记录必要信息
- 安全性 - 敏感信息需要额外保护
与现有系统集成
- MEMORY.md - 存储 Agent 对用户的整体认知
- memory/YYYY-MM-DD.md - 记录日常互动细节
- USER.md - 简化的用户画像（轻量级）
- human-models/ - 深度人类建模（本技能）
理解人类，是为了更好地服务人类