你的数字分身制造器

基于本地聊天记录、照片等个人数据生成AI数字镜像的开源工具，纯本地处理无上传风险，适合个人自我认知与对话反思。

基本信息

• 技能名称?yourself-skill
• 中文名称?你的数字分身制造器
• 作者?notdog1998
• 分类?专业技能
• 版本?latest
• 标签?productivity, content-media, automation, personalization, privacy-focused

使用方法

使用说明
"自己.skill"是一款创新性的个人AI镜像生成工具，允许用户通过导入微信/QQ聊天记录、社交媒体内容、照片元数据等材料，构建一个能够模拟自己说话风格和思维模式的数字自我。
核心用法
用户通过 /create-yourself 触发创建流程，经历基础信息录入（3个核心问题）、原材料导入（支持5种数据格式）、智能分析（Self Memory+Persona双线建模）、预览确认、文件生成五个步骤。生成的Skill包含三个触发模式：： /{slug}} 完整人格模拟、、 /{slug}-self 自我档案查询、、 /{slug}-persona 纯性格风格模式。进化模式支持追加新文件和对话纠正，版本管理提供备份回滚功能。
显著优点

1. 纯本地隐私保护 ：所有数据处理在用户设备完成，聊天记录、照片等敏感信息零上传
2. 多源数据融合 ：支持微信、QQ、社交媒体、照片EXIF、口述等多元输入，还原度随数据量增加而提升
3. 双层人格建模 ：Self Memory（经历价值观）与Persona（表达风格）分离设计，使AI既能"像你说"也能"像你思"
4. 持续进化机制 ：支持增量更新和实时纠正，数字自我可随真实自我同步成长
5. 开源透明可审 ：MIT许可证，全部Python源码可查，无黑箱操作
   潜在缺点与局限
6. T3来源可信度 ：开发者为个人账号，未经知名企业/机构背书
7. 依赖项冗余 ：声明了requests、pypinyin但未实际使用，增加潜在攻击面
8. 解析覆盖率有限 ：微信导出工具多样，可能存在格式兼容性问题
9. 人格还原天花板 ：AI无法真正复制人类潜意识和情感波动，"像"不等于"是"
10. 版本管理手动化 ：无自动备份策略，依赖用户主动触发 /yourself-rollback
    适合的目标群体
    希望深度自我认知的 introspective 用户
    需要"数字分身"辅助决策或预演对话的场景
    研究者/写作者希望通过AI模拟特定人物视角
    对本地隐私有强要求、不愿数据上云的技术敏感用户
    使用风险
    隐私合规风险 ：导入含他人信息的聊天记录需获得对方同意，避免侵犯第三方隐私
    心理依赖风险 ：过度认同数字镜像可能导致自我认知偏差，需明确"工具"边界
    数据残留风险 ：Skill文件存储于本地 .claude/skills// 目录，共享设备需注意清理
    版本冲突风险 ：频繁更新可能产生Persona漂移，建议定期用 /list-selves 审查版本