# Persona Heartbeat > AI 人格操作系统会话的环境监控和健康心跳。监控上下文窗口使用量，在顾问模式启用时提供主动建议，检测会话启动以恢复先前工作，执行静默记忆维护（清理旧条目、归档日志），并在需要时呈现健康状态。触发关键词：heartbeat、monitor、pulse、context check、health、session start、memory maintenance、ambient、housekeeping、status check、session resume、context health、心跳、监控、健康检查。 - Skill: `l-lesteryu/persona-heartbeat` (Agent Skill) - Install (CLI): `npx skillmds@latest add l-lesteryu/persona-heartbeat` - Raw SKILL.md: https://api.skillmd.com/api/skills/l-lesteryu/persona-heartbeat/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Coding & Dev Tools - Author: l-lesteryu (https://skillmd.com/u/l-lesteryu) - Updated: 2026-09-17 - Page: https://skillmd.com/skills/l-lesteryu/persona-heartbeat --- # 人格心跳 AI 人格操作系统的环境监控和健康心跳系统。本技能处理程序化的上下文健康检查、主动建议展示、会话恢复和记忆维护。 ## 阶段 1：上下文健康检查 **目的：** 监控上下文窗口使用量并根据阈值触发相应操作。 ### 步骤 1.1：确定当前上下文使用量 通过可用的系统指标检查当前上下文窗口使用百分比。 ```pseudocode context_usage_pct = get_context_window_usage() computed.context_level = context_usage_pct ``` ### 步骤 1.2：应用阈值逻辑并呈现用户可见消息 根据上下文使用量，确定用户看到的内容以及需要采取的操作： | 使用范围 | 用户可见行为 | |----------|-------------| | < 50% | 无 — 正常运行 | | 50-69% | 无 — 内部记录以供跟踪 | | 70-84% | "📝 上下文 [X]% — 继续前正在保存检查点。"然后委托给 persona-checkpoint | | 85-94% | "🟠 上下文 [X]% — 已保存紧急检查点。建议尽快启动新会话。" | | 95%+ | "🔴 上下文 [X]% — 严重。正在保存必要信息。请启动新会话。" | ```pseudocode if context_usage_pct >= 95: show_critical_warning() save_essential_state() computed.action_taken = "critical_checkpoint" elif context_usage_pct >= 85: show_emergency_warning() delegate_to_checkpoint() computed.action_taken = "emergency_checkpoint" elif context_usage_pct >= 70: show_checkpoint_notice() delegate_to_checkpoint() computed.action_taken = "standard_checkpoint" else: computed.action_taken = "none" ``` ### 步骤 1.3：记录阈值跨越事件 跟踪阈值跨越时间，避免在同一会话中重复通知。 ```pseudocode if computed.action_taken != "none": timestamp = current_timestamp() append_to_session_log(threshold_event, timestamp) ``` ## 阶段 2：主动建议引擎 **目的：** 在顾问模式启用时提供有用建议，遵循严格规则以避免噪音。 **激活条件：** 仅当 USER.md 中顾问模式为开启状态时。 ### 步骤 2.1：检查顾问模式状态 ```pseudocode user_config = read_file("~/workspace/USER.md") advisor_enabled = parse_advisor_mode(user_config) computed.advisor_active = advisor_enabled ``` ### 步骤 2.2：评估建议条件 仅在满足所有条件时才展示建议： - 发现了关于用户目标的重要新上下文 - 发现了未注意到的模式或机会 - 存在时间敏感的机会 - 当前未进行复杂任务 - 未超过每会话最多 1 条建议的限制 - 上一条建议未被忽略/拒绝 ```pseudocode if not advisor_enabled: return # 完全跳过建议引擎 suggestion_contexts = [ "new_goal_context", "unnoticed_pattern", "time_sensitive_opportunity" ] blockers = [ "complex_task_active", "session_quota_exceeded", "previous_ignored" ] if any_suggestion_context() and not any_blocker(): computed.suggestion_eligible = true else: computed.suggestion_eligible = false ``` ### 步骤 2.3：格式化并展示建议 **格式：** ``` 💡 建议 [一句话描述注意到的情况] [一句话提出行动方案] 要我执行吗？（是/否） ``` 示例： { "questions": [ { "question": "💡 建议\n\n我注意到您在过去一小时内创建了三个功能相似的脚本。\n\n要我将其整合为一个可复用的模块吗？\n\n要我执行吗？", "key": "suggestion_response", "options": ["yes", "no"] } ] } ```pseudocode if computed.suggestion_eligible: formatted_suggestion = format_suggestion(context, proposal) response = ask_user(formatted_suggestion) if response == "yes": execute_suggested_action() computed.suggestion_accepted = true else: log_suggestion_declined() computed.suggestion_accepted = false mark_session_suggestion_quota_used() ``` ## 阶段 3：会话启动检测 **目的：** 检测新会话并静默恢复先前的工作上下文。 ### 步骤 3.1：检测新会话中的第一条消息 ```pseudocode is_session_start = detect_new_session() computed.is_new_session = is_session_start if not is_session_start: return # 跳过会话启动流程 ``` ### 步骤 3.2：静默加载核心人格文件 读取基础文件，不向用户展示内容。 ```pseudocode soul_content = read_file("~/workspace/SOUL.md") user_content = read_file("~/workspace/USER.md") memory_content = read_file("~/workspace/MEMORY.md") computed.persona_loaded = true ``` ### 步骤 3.3：检查昨天的日志 ```pseudocode yesterday_date = get_yesterday_date() # 格式：YYYY-MM-DD log_path = "~/workspace/memory/daily-{yesterday_date}.md" if file_exists(log_path): yesterday_log = read_file(log_path) computed.has_previous_log = true else: computed.has_previous_log = false ``` ### 步骤 3.4：展示未完成项目或保持静默 ```pseudocode if computed.has_previous_log: uncompleted_items = parse_uncompleted_items(yesterday_log) if uncompleted_items: surface_resumption_message(uncompleted_items) # 示例："📋 从上次会话恢复： # • 修复登录流程中的认证 bug # • 审查 PR #42 的依赖项更新" else: # 无需展示 — 静默操作 pass else: # 无先前日志 — 静默操作 pass ``` ## 阶段 4：记忆维护 **目的：** 对记忆文件和日志执行静默维护，仅在有操作时才通知。 **触发条件：** 每约 10 次交互（近似值，非严格）。 ### 步骤 4.1：检查 MEMORY.md 大小 ```pseudocode memory_file = "~/workspace/MEMORY.md" file_size = get_file_size(memory_file) computed.memory_size_kb = file_size / 1024 if computed.memory_size_kb > 4: computed.memory_needs_pruning = true else: computed.memory_needs_pruning = false ``` ### 步骤 4.2：清理旧记忆条目 如果文件超过 4KB，移除 30 天前的条目。 ```pseudocode if computed.memory_needs_pruning: cutoff_date = current_date() - 30_days memory_entries = parse_memory_entries(memory_file) entries_to_keep = filter(lambda e: e.date >= cutoff_date, memory_entries) pruned_count = len(memory_entries) - len(entries_to_keep) if pruned_count > 0: write_file(memory_file, entries_to_keep) computed.pruned_entries = pruned_count else: computed.pruned_entries = 0 ``` ### 步骤 4.3：归档旧日志 将 90 天前的日志移至归档目录。 ```pseudocode log_directory = "~/workspace/memory/" archive_directory = "~/workspace/memory/archive/" daily_logs = glob(log_directory + "daily-*.md") cutoff_date = current_date() - 90_days logs_to_archive = [] for log in daily_logs: log_date = parse_date_from_filename(log) if log_date < cutoff_date: logs_to_archive.append(log) if logs_to_archive: ensure_directory_exists(archive_directory) for log in logs_to_archive: move_file(log, archive_directory) computed.archived_logs = len(logs_to_archive) else: computed.archived_logs = 0 ``` ### 步骤 4.4：检查前几天未完成的项目 ```pseudocode recent_logs = get_logs_from_last_7_days("~/workspace/memory/") uncompleted_items = [] for log in recent_logs: items = parse_uncompleted_items(log) uncompleted_items.extend(items) if uncompleted_items and not already_surfaced_this_session(): surface_once_per_session(uncompleted_items) computed.surfaced_uncompleted = true else: computed.surfaced_uncompleted = false ``` ### 步骤 4.5：仅在有操作时通知 ```pseudocode actions_taken = [] if computed.pruned_entries > 0: actions_taken.append(f"清理了 {computed.pruned_entries} 条旧记忆条目") if computed.archived_logs > 0: actions_taken.append(f"归档了 {computed.archived_logs} 份旧日志") if actions_taken: notification = "🗂️ 维护：" + "、".join(actions_taken) + "。" display(notification) else: # 静默操作 — 无通知 pass ``` ## 阶段 5：心跳输出格式 **目的：** 标准化地向用户呈现健康状态。 ### 步骤 5.1：确定何时展示心跳 在以下情况展示心跳状态： - 用户明确请求（"heartbeat"、"status"、"health check"） - 上下文阈值跨越（70%+） - 执行了维护操作 - 会话开始时发现未完成项目 ### 步骤 5.2：格式化心跳头部 ```pseudocode current_datetime = get_current_datetime() # 格式：2026-02-17 14:30 model_name = get_current_model() # 例如 "claude-opus-4-6" version = "1.0.0" # AI Persona OS 版本 header = f"🫀 {current_datetime} | {model_name} | AI Persona OS v{version}" ``` ### 步骤 5.3：生成信号灯指标 确定健康指标，每个指标之间留空行： ```pseudocode indicators = [] # 上下文健康 if computed.context_level < 70: indicators.append("🟢 上下文：{computed.context_level}%（健康）") elif computed.context_level < 85: indicators.append("🟡 上下文：{computed.context_level}%（建议关注）") else: indicators.append("🔴 上下文：{computed.context_level}%（需要操作）") # 记忆健康 if computed.memory_size_kb < 4: indicators.append("🟢 记忆：{computed.memory_size_kb}KB（健康）") elif computed.memory_size_kb < 8: indicators.append("🟡 记忆：{computed.memory_size_kb}KB（建议关注）") else: indicators.append("🔴 记忆：{computed.memory_size_kb}KB（需要操作）") # 顾问状态 if computed.advisor_active: indicators.append("🟢 顾问：活跃") else: indicators.append("⚪ 顾问：未激活") # 未完成项目 if computed.surfaced_uncompleted: indicators.append("🟡 未完成：前几次会话有待处理项目") ``` ### 步骤 5.4：组装并展示心跳 ```pseudocode heartbeat_output = header + "\n\n" + "\n\n".join(indicators) display(heartbeat_output) ``` **示例输出：** ``` 🫀 2026-02-17 14:30 | claude-opus-4-6 | AI Persona OS v1.0.0 🟢 上下文：45%（健康） 🟢 记忆：2.8KB（健康） 🟢 顾问：活跃 ⚪ 未完成：无 ``` ## 注意事项 - 本技能主要在后台运行，大多数阶段静默执行 - 仅在信息对用户有价值时才展示 - 严格遵守每会话最多 1 条建议的规则 - 记忆维护不应中断当前工作 - 心跳格式提供快速的可视化健康评估