从 ChatGPT 刚出现的那一年开始，我就习惯和 AI 进行长对话——工作问题、技术问题、一些零散的思考。这些对话慢慢积累下来，会发现它们其实构成了一种很特殊的东西：
某种持续展开的个人思考过程。
但这些内容通常只会停留在聊天记录里，很难沉淀下来。
于是我开始想一个问题：
如果 AI 不是为所有人优化，而是随着一个具体的人不断成长，会是什么样？
各大公司在做的事，某种程度上是在造「神」——GPT、Claude、Gemini 被数十亿人的文字训练，代表人类集体智慧的压缩，对所有人都有用。
但「对所有人有用」和「随着你这个人成长」，其实是完全不同的事。
如果 AI 的经验来源不是互联网，而是一个人的长期对话、偏好、决策方式和知识结构，它会不会逐渐形成某种接近“个人认知”的系统？
这个问题让我动手搭了一套系统。
其实类似的想法很早就有人提出过。以前的问题是现实条件不成立：
但最近几年情况开始变化：
这让一件以前只能停留在概念里的事情，第一次变得可以被个人验证。
于是我决定搭一个实验系统，看看这个方向到底能走多远。
我用了两台设备：
两台设备通过局域网连接，笔记本负责「想」，NAS 负责「记」。
为什么要分两台？其实一开始我也想过把所有东西都跑在一台机器上，但现实是：显卡在笔记本上，但没法全天开机；NAS能一直开，但没显卡跑模型。
理论上 AI 助手应该全天候待命，但如果全部放在云端运行成本会很高。
既然我已经有 NAS，再加上局域网就够用——
既能让它一直「在那」，也不用担心数据安全问题，还省了不少钱。
运行的模型：
插件系统（6 个自定义插件）：工具调用日志、安全删除拦截、对话记忆压缩、训练样本自动生成等，这些插件主要是为了让 Agent 的行为更可控。
记忆检索：SQLite + sqlite-vec，采用简单的混合检索策略：（向量 0.7 + 关键词 0.3）目前这个组合的稳定性还不错。
训练数据流水线：
历史对话 → 切块 → 自动评分 → Agent 自动审核 → 人工确认 → 微调数据集
目前已整理：1498 条训练样本，全部来自过去与 AI 的真实对话。这只是历史对话里已经整理出来的一小部分，还有不少早期记录还没导入系统。
坑 1：OpenClaw 有两套 Hook 系统，容易搞混
Internal Hooks 不支持工具调用监听，必须用 Plugin Hooks 的 before_tool_call / after_tool_call。这个坑花了不少时间。
有意思的是——踩完坑几天后，官方文档更新了，把两套系统的区别写清楚了。但我还是提交了一个文档 PR，加了更明确的示例和常见错误说明。「能用但不够清晰」在开源项目里仍然值得改。
坑 2：本地模型 thinking 模式的 token 陷阱
Qwen 3.5 有思考模式，num_predict 设太小的话，思考过程把 token 用完，response 字段直接返回空。设 2000+ 才稳。
坑 3：记忆和控制权的张力
越认真做记忆系统，越觉得「它应该能忘掉什么」这个问题比「它能记住什么」更重要。这本质上是个交互设计问题，不是技术问题。
移动互联网改变了人和信息的连接方式。AI 这轮在做更深层的事：
改变人和认知本身的连接方式。
云端大模型会越来越强，这是毫无疑问的。
然而在它旁边，还有一个鲜有人认真探索的空间：
一种不是为所有人服务，而是随着具体个体成长的 AI
人类其实一直在寻找一种方式，让自己的思考方式能够延续下去。
写书、教学生、建立机构——本质上都是同一种冲动：
把一种看世界的方式嵌入到能够继续发展的事物里。
如果个人 AI 真能成立，它可能会成为这种冲动的一种新形式。
有意思的地方在于：你可以看着这个过程发生。
不是把东西交给未来，而是在现实时间里观察一个被你的经验、偏好和思考方式慢慢塑造的系统。
它会往哪个方向发展？
在哪些地方变得和你很像？
又会在哪些地方产生你没有预料到的变化？
这种可能性空间，是我想把这个系统搭出来的原因。
这个系统现在还是一个研究原型，自我改进的闭环还没有完全跑通。
但架构已经搭起来了，方向感觉是对的。
开源地址：github.com/vanessa49/personal-ai-agent-lab
如果你对实现细节感兴趣，我还写了一篇更偏工程实现的技术笔记： （Dev.to）
而关于「个人 AI 是否可能成为个体认知延伸」这个问题，我也写了一篇更偏思考的文章： （What if your AI could grow with you）
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。