我的数字生活，AI读懂了

我把整个数字生活
导给了AI，然后它彻底读懂了我

一次关于个人LLM Wiki的实验记录 — AI对我说话的方式，完全变了。

我做了一个skill，把整个数字生活都导了进去。让我没想到的是，AI对我说话的方式完全变了——不再需要每次重新解释「我是谁」，而是直接接上我的上下文。

核心洞察 · AI可读 ≠ 人类可读

最初看到卡卡奇的LLM Wiki时，我想让AI帮忙整理一个漂亮的笔记。但后来我意识到：这个Wiki主要不是给人看的，而是给AI看的。

👤 人类可读

强调排版漂亮、视觉舒适

🤖 AI可读

强调实体清楚、来源可追溯、概念可连接

实验验证 · 两次关键测试

实验 1

导入编程学习笔记

导入安西电里的编程学习笔记后，AI解释问题的方式变了——能接上我正在学的上下文，不再是泛泛而谈。

实验 2

导入GPT聊天记录

更有意思的是导入GPT聊天记录。每个平台都记得我不同的一面，当这些记忆被合并后，AI开始反向总结，给出了一个独一无二的用户画像。

数据四象限 · 我的数字分身

我把个人数据分成四个维度，构建完整的AI理解入口：

📚

学习

💼

工作内容

🎮

娱乐

🧘

身体 · 生活

各平台数据 · 真实兴趣日志

🎵

Spotify听歌记录 — 让AI理解我在不同场景下想听什么

🎬

豆瓣数据 — 改变推荐影视的方式，理解我的审美偏好

📺

B站 / YouTube观看记录 — 像真实兴趣日志，比自我介绍更诚实

🌐

浏览器访问记录 — 让Agent看出我每天在忙什么

❤️

健康数据 — 让建议更接地气，判断今天适合恢复还是训练

个人操作系统 · 工具即自我

Agent还需要知道我有哪些工具和Agent——这些不是普通工具列表，而是我的个人操作系统。当Agent知道这些时，给出的方案就不再空泛，而是真正可执行的路。

B站/YouTube观看记录像真实兴趣日志，比自我介绍更诚实。

当Agent知道这些时，给出的方案就不再空泛，而是真正可执行的路。

隐私原则 · 本地优先，私有优先

整理数据不等于放弃隐私。我的原则是：

本地优先，私有优先，脱敏后再共享

AI默认只能读取脱敏摘要，原始导出默认不可读

过去每次和AI对话，我都要重新解释我是谁。
但现在，Agent可以先读我的LLM Wiki再开始帮我。

未来个人AI的关键不是更长的聊天窗口，
而是更可靠的长期上下文。

所以最后我发现——我不是想做一个更漂亮的笔记，
我真正想做的是：
给AI一个理解我的入口。
一个能让AI在帮助我之前，
先真正读懂我的入口。

我把整个数字生活导给了AI，然后它彻底读懂了我

我把整个数字生活
导给了AI，然后它彻底读懂了我