Skip to content

Navigation Menu

Sign in
Sign up

Repository files navigation

selfdistill · 蒸馏我

English | 中文

selfdistill 双语项目主视觉

把和 AI 的聊天记录,在 AI 辅助 + 人工确认 下,蒸馏成看得见、带来源、AI 也用得上的个人档案,并写回你常用的 AI 工具,让它持续认识你。

数据默认留在本机;「蒸馏」这一步要调云端 AI,提交给模型的内容受该供应商数据政策约束。

在线查看 HTML Demo →

无需安装,示例内容全部为虚构数据;可直接查看 L1–L4 分层架构、内容分布、设计原则和协同流程(Demo 支持中 / EN 语言切换)。

目录

这是什么

selfdistill 是一个「AI 自我蒸馏」工具包:把你在 ChatGPT / Claude / Codex / Gemini 等工具里的历史对话,提炼成 L1–L4 分级信息,并写回 AI 工具(Codex / Hermes / DeepSeek Harness / WorkBuddy):

层级 内容 通俗解释 在 AI 工具里的加载方式
L1 协作契约 授权边界、汇报习惯、反馈信号、表达偏好 「怎么和我共事」 默认常驻:每次对话都生效(短、非敏感)
L2 决策逻辑 取舍原则、优先级、红线 「我会怎么做决定」 按需加载:涉及权衡、排序、风险判断时
L3 个人事实 身份、经历、偏好 「我是谁」 按需加载:涉及个人背景时;私密块默认不加载
L4 领域打法 可复用的工作方法 「我擅长什么、怎么做」 按需加载:进入对应领域任务时

设计原则:常驻内容最薄(L1),越往下越重、越按需;L3 只提供事实与默认偏好,不能发出行为命令;用户当前明确要求永远高于历史画像。

两个出口:1 本地多页 HTML 可视化;2 确认后增量写回你的 AI 工具(让 AI 持续认识你)。此外,仓库提供独立的工作证据整理入口:它帮助核验项目贡献,但不会自动进入 L4、简历或正式档案。

数据流

导出聊天记录 → 整理成统一 Markdown → AI 提炼 L1–L4 候选 → 逐条人工确认 → 写入 workspace/canonical/ → 构建 HTML / 写回 AI 工具

全程「人工确认」是硬规则:未经确认,不写入正式档案;写回前先展示 diff。

仓库结构

目录 放什么
workspace/ 你的本地工作区:正式档案、导入记录、候选和审计报告;真实内容默认不提交
examples/demo-profile/ 公开的「张三」虚构 Demo,只用于预览和空工作区构建
templates/profile/ 新建 L1–L4 时使用的空白模板
prompts/ / schemas/ AI 蒸馏规则与机器可读契约
docs/ 导入与持续更新说明;早期开发材料单独归档
dsh/ / workbuddy/ 平台集成包;为兼容已有安装链接,继续保留根目录路径
tests/ 自动化回归测试

快速开始

你只需要做两件事:1 导出聊天记录 → 2 把项目链接和导出位置一句话发给你的 AI 助手。之后的整理、提炼、生成候选、构建、写回全部由 AI 助手完成,你只在最后逐条确认结果。

你要做的

  1. 按 导入来源 在对应 AI 工具里导出聊天记录,记下导出文件在本机的存放位置。

  2. 把项目链接发给你正在使用的 AI(Codex、Claude Code、Hermes、DeepSeek Harness 或 WorkBuddy 等),一句话说明:

    按这个项目蒸馏我:https://github.com/ryunana/selfdistill
我的聊天记录导出在:<这里填导出文件在本机的路径>

    AI 助手会自己 clone 项目、读取接手指令(AGENTS.md)、导入记录、提出 L1–L4 候选。

  3. 查看 AI 给出的候选,逐条确认、修改或拒绝;写回 AI 工具前再确认一次 diff。

使用 DeepSeek Harness 或 WorkBuddy 的用户可以安装 selfdistill 插件,让 agent 直接掌握这套工作流,无需每次发送上面的链接说明。

AI 助手会做什么(自动,无需你操心)

AI 助手 clone 项目后会自动读取根目录的 AGENTS.md 接手指令,按「导入 → 提炼候选 → 逐条确认 → 写 workspace/canonical/ → 构建 → 写回」执行。完整流程见 AGENTS.md 和 prompts/distill.md。

手动完成每个步骤的说明(不依赖 AI 助手)见下方各节。

首次蒸馏:从完整历史建立 L1–L4

先按 docs/intake.md 把获授权的聊天整理为统一 Markdown,再使用 prompts/distill.md。AI 必须完整阅读并报告范围、证据、冲突、时效和未读内容,只提出候选而不直接改正式档案。

L3 始终逐条确认;L1/L2/L4 中描述个人的内容,以及敏感、高风险、有争议或有冲突的内容,也都逐条确认。只有与个人无关、低风险、非敏感、无争议、无冲突的通用规则可以免逐条确认;它们仍必须单独可见、可撤回,并记录为 policy_accepted_general,绝不是用户逐条接受。无论候选如何通过,真正写文件前始终需要一次明确的 aggregate diff 确认。

templates/distill-candidates.md 是人看的审阅单;schemas/distill-candidate-v1.json 是给未来自动化准备的同一份字段契约。普通使用者不需要手写 JSON。

导入来源

自动导入器(推荐):导出文件直接交给 import_chats.py,本地会话自动发现(先 dry-run 清单、确认后写入):

python3 import_chats.py --source chatgpt --path <导出目录>
python3 import_chats.py --source gemini --path <Takeout 解压目录>
python3 import_chats.py --source deepseek --path <conversations.json 或 zip>
python3 import_chats.py --source local [--since YYYY-MM-DD] [--exclude glob] [--dry-run]
# local --path 指向混合 JSONL 目录时:
python3 import_chats.py --source local --path <目录> --local-format auto|codex|claude|workbuddy --dry-run

导入器会把 Gemini 的每次 Prompted 活动单独输出;ChatGPT 在 current_node 有效时只保留活动路径,只有字段缺失或为 null 时才会保留并拆分已验证的根到叶分支;字段存在但格式非法或所指节点不存在会拒绝并报告。DeepSeek 的分支会拆成独立会话,而不是拼成假对话。图片和授权附件只保留可读占位,模型思考、工具过程与已知本机内部注入不会进入 Markdown。--dry-run 会完整解析并显示预计新导入、更新、重复和失败数,但不会创建文件。退出码 0 表示成功(含预期内部内容排除),2 表示部分成功,1 表示全部失败或致命错误。

来源 导出入口速查 自动导入
ChatGPT 网页 左下角头像 → 设置 → 数据管理 → 导出数据;解压后得到 conversations-*.json --source chatgpt
Gemini 网页 ⚗️ Google Takeout → 我的活动 → Gemini Apps → 导出;解压后得到 我的活动记录.html --source gemini(每个 Prompted 活动一份会话;活动容器不可靠时停止并改用手工整理)
DeepSeek 网页 左下角头像 → 系统设置 → 数据管理 → 导出所有历史对话 --source deepseek
本机 Codex / Claude Code 会话保存在 ~/.codex/sessions、~/.claude/projects --source local(自动发现)
本机 WorkBuddy 会话保存在 ~/.workbuddy/projects/<工作区>/<sessionId>.jsonl;子代理会话(subagents/)自动排除 --source local --local-format workbuddy(不传 --path 时默认扫描该目录)

详细格式与手工整理 fallback 见 docs/intake.md。

产出与写回目标

1 HTML 可视化

python3 build.py # 有本地档案时读取 workspace/;否则构建虚构 Demo
open dist/index.html # L1–L4 分层架构、内容分布、设计原则、协同流程(支持中 / EN 切换)

若构建时提示正在使用虚构 Demo,dist/ 仅用于预览,install.py 会拒绝写回;先在 workspace/canonical/ 建立自己的确认后档案,再重新构建。

2 写回 AI 工具(让 AI 持续认识你)

目标 装到哪 命令 加载方式
Codex ~/.codex(AGENTS.md + profile/ + skills/) python3 install.py --target codex Codex 自动读取 AGENTS.md,其余按需
Hermes ~/.hermes/skills/ python3 install.py --target hermes Hermes skill 机制,按需加载
DeepSeek Harness $DSH_HOME(默认 ~/.dsh) python3 install.py --target dsh persona 常驻 L1,L2/L3/L4 为 skill 按需加载
WorkBuddy ~/.workbuddy(MEMORY.md + skills/) python3 install.py --target workbuddy L1 合并进 MEMORY.md 每次会话常驻,L2/L3/L4 为 skill 按需加载

每次写回都先展示 diff,确认后才写入;重复安装增量合并,不覆盖无关内容。

写回 WorkBuddy 的隐私分级

内容 写入位置 加载时机
L1 协作契约 ~/.workbuddy/MEMORY.md(用户级记忆,distill 标记块) 每个新会话常驻(短、非敏感)
L2 决策逻辑 ~/.workbuddy/skills/selfdistill-decision-logic/SKILL.md 按需加载
L3 个人事实 ~/.workbuddy/skills/selfdistill-user-profile/SKILL.md 按需加载;私密 L3 默认不写(--include-private 才包含)
L4 领域打法 ~/.workbuddy/skills/selfdistill-<领域>/SKILL.md 按需加载

写回 DeepSeek Harness 的隐私分级

内容 写入位置 加载时机
L1 协作契约 system-prompt.persona($DSH_HOME/cordis.patch.yml) 每个新对话常驻(短、非敏感)
L2 决策逻辑 ~/.dsh/skills/selfdistill-decision-logic/SKILL.md 按需加载
L3 个人事实 ~/.dsh/skills/selfdistill-user-profile/SKILL.md 按需加载;私密 L3 默认不写(--include-private 才包含)
L4 领域打法 ~/.dsh/skills/selfdistill-<领域>/SKILL.md 按需加载

安装 selfdistill 插件(可选)

写回是把「档案」装进 AI 工具;插件则是让 agent 直接掌握 selfdistill 工作流(整理 → 提炼 → 逐条确认 → 构建 → 写回),安装后即可在对应工具内完成整套流程:

WorkBuddy(把 selfdistill 技能复制到用户级技能目录):

mkdir -p ~/.workbuddy/skills && cp -r workbuddy/skills/selfdistill ~/.workbuddy/skills/
# 重启 WorkBuddy 生效;之后直接说「按 selfdistill 蒸馏我」即可

DeepSeek Harness:

dsh plugin --profile web add "github:ryunana/selfdistill#main&path:/dsh"
# 重启 dsh web 生效
  • DSH 插件包为零依赖 bundle(selfdistill-dsh),安装后 agent 的 skill 目录里出现 selfdistill;
  • 发布到 npm 后可直接 dsh plugin --profile web add selfdistill-dsh。

持续更新自己的档案

首次蒸馏完成后,不需要每次从头开始:

  • 有一批新对话:继续用 import_chats.py 导入,再按 prompts/distill.md 提炼新增候选;
  • 只有少量日常修正:使用 workspace/inbox/、distill_audit.py 和 prompts/rediscovery.md 走轻量审计流程。

详细步骤和边界见 持续更新指南。无论走哪条路径,正式写入 workspace/canonical/ 前都要审阅候选,并明确确认最终 aggregate diff。

工作证据:整理项目事实,不自动包装成果

把用户授权的项目材料交给 prompts/work-evidence.md。它会将项目背景、目标、职责、行动、交付物、结果、指标、来源和待补证分开,并严格区分参与、负责、主导与决策所有权。指标必须保留统计口径、时间窗口、基线和来源;缺失就留空,不补造数字、因果关系、职责或项目状态。

工作证据是独立、可选的审阅材料:所有个人贡献均需逐条确认,不存在通用规则免审,也不会自动写入简历、L4 或 workspace/canonical/。templates/work-evidence.md 供人工审阅;schemas/work-evidence-v1.json 供将来自动化读取,普通使用者无需手写 JSON。若日后确实要写文件,仍先展示并明确确认 aggregate diff。

隐私与安全

  • workspace/canonical/、workspace/input/、workspace/inbox/、workspace/reports/、dist/ 都是本机数据或生成物,默认被 Git 忽略;仓库只保留目录说明和占位文件。不要把真实档案、聊天、候选或报告提交到公开仓库。
  • 数据默认留在本机;若把 evidence.md 等交给云端 AI,仍须遵守该模型供应商的数据政策。
  • 私密 L3(workspace/canonical/03-l3-private.md)默认不构建、不写回;需要时用 python3 build.py --include-private。
  • 所有写回都先展示 diff、人工确认后执行;重复安装增量合并,目标文件非 selfdistill 管理时拒绝覆盖。

依赖

纯 Python 标准库,无第三方依赖(Python 3.9+)。

发布前检查

python3 scripts/scan_before_release.py

该脚本只扫描当前工作树,不扫描 Git 历史;公开发布前还应确认历史中没有个人资料和本机作者身份。

License

MIT

About

Local personal-context distillation toolkit with human approval, source evidence, L1-L4 layers, and HTML showcase

Topics

Resources

Stars

1 star

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages

AltStyle によって変換されたページ (->オリジナル) /