AI 读懂我的数字生活

“

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

—— 核心发现

🧭 导读

从最初想把笔记整理得更漂亮，到意识到真正需要的是给 AI 一个理解我的入口。这不是一个工具需求，而是一次关于「人如何与 AI 共享上下文」的亲身实验。

概念解析关键

📖 人类可读

强调排版漂亮、视觉舒适，适合人阅读与理解。

🤖 AI 可读

强调实体清楚、来源可追溯、概念可连接。让 AI 能高效提取与推理。

最初看到卡卡奇的 LLM Wiki 时，我想做一个更漂亮的版本。后来才意识到：这个 Wiki 主要不是给人看的，而是给 AI 看的。

实验记录 2 次

实验一

导入编程学习笔记

我导入了安西电里的编程学习笔记。AI 读完后，解释问题的方式变了——它能接上我正在学的上下文，不再从零开始。

实验二

合并多平台记忆

使用 GPT 和 Claude，每个平台都记得我不同的一面。当这些记忆被合并后，AI 开始反过来总结——它给出了一个独一无二的用户画像。

数据四象限画像

📚 学习

编程笔记、阅读记录、知识体系

💼 工作内容

项目文档、日常任务、创作素材

🎮 娱乐

影视偏好、音乐品味、观看日志

🧘 身体 · 生活

健康数据、作息习惯、日常足迹

数据源详解 6 个

🎵 听歌记录

AI 工具链支持（如 Spotify），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，让 AI 理解我的审美偏好。

📺 观看记录

B站 / YouTube 观看记录像真实兴趣日志，比自我介绍更诚实。

🌐 浏览记录

浏览器访问记录能让 AI 看出我每天在忙什么。

💪 健康数据

让建议更接地气，能判断今天适合恢复还是训练。

🧰 工具链 Agent

Agent 需要知道我有哪些工具链 Agent——这些不是普通工具列表，而是我的个人操作系统。

“B站 / YouTube 观看记录像真实兴趣日志，比自我介绍更诚实。”

隐私原则底线

整理数据 ≠ 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。

终极结论核心

✦ 关键认知

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。

“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。”