Persome核心原理解析:Point、Line、Face、Volume、Root如何构建一个关于你的模型

原创2026-10-12 15:01:251,954 阅读

Persome核心原理解析:Point、Line、Face、Volume、Root如何构建一个关于你的模型

Persome(personal-model) 是一个开源、本地优先的 Personal Model(个人模型) 运行平台:它在你的 Mac 上静默观察你专注的工作活动,把零散的屏幕行为逐步提炼成一套可检查、可追溯的"关于你的模型"——也就是你的 HUMAN.md,再交给 Codex、Claude Code 等 MCP 客户端使用。这篇文章将完整拆解它最核心的 5 层几何结构:Point(点)、Line(线)、Face(面)、Volume(体)、Root(根),帮助你快速理解这个个人模型是如何一步步"长"出来的。

💡 一句话概括:从上千个瞬间,到一个不断演化的"你"。

Persome个人模型的Point Line Face Volume Root分层结构示意,活动流如何演化为一个个人模型

一、先看全景:五层几何,一个递进的模型

Persome 借用了几何学的隐喻来组织记忆。层级越低,越接近原始事实;层级越高,越接近"人格"。官方对五层的定义非常简洁:

层级 几何隐喻 含义 例子
Point 点 一条有来源的观察或事件 "用户把上午留给专注写作"
Line 线 两个点之间的关系,或随时间的变化 "用户参与 Persome 项目"
Face 面 由多条相关证据支撑的稳定模式 "用户的协作方式是架构评审制"
Volume 体 跨项目、跨生活领域的高阶结构 "专注创作 + 协作治理"的组合风格
Root 根 当前整合后的"你" "一位把个人上下文变成可检查模型的专注构建者"

这套完整的分层快照结构定义在 MODEL_FORMAT.md 中,每一层都有独立的 schema 字段和审计信息(如 confidence、source_receipts),保证每一个重要结论都能一路追溯到原始证据。

二、Point:一切模型的地基

Point 是"带凭条的观察"。它不是模糊的印象,而是每一条都绑定着来源(receipt)、时间戳和置信度的具体事实。

在官方合成示例 model_seed.json 中,你可以看到最朴素的 Point:

"The user reserved mornings for focused writing."(用户把上午留给专注写作)

Point 有三个关键特性,值得新手特别注意:

  • 可演化(Evolution):当事实改变时,新 Point 会 supersede(取代)旧 Point,但旧版本不会被删除,而是保留下来用于审计和"时间旅行"。例如"用户预留上午写作"后来演化为"用户预留上午写作和评审",两条 Point 都还在。
  • 有置信度:低置信度的 Point 不会进入活跃模型。
  • 绝不虚构:证据不足时,Persome 宁可报告"模型仍在成形",也不会编造内容。

三、Line:让孤点连成网络

单点构不成"模型",Line 负责把点连起来。Persome 的 Line 有两种形态(详见 docs/writer.md):

  1. kind: evolution(演化线):连接"旧认知 → 新认知",记录事实如何随时间变化;
  2. kind: relation(关系线):表达语义关系,例如"用户 participates_in Persome 项目",并附带谓词、置信度、有效期和来源凭条。

关系线有一个严格的设计:每一条都必须引用会话中的原文证据,谓词来自封闭词表,低于置信度门槛的一律丢弃(实现见 memory_delta.py)。这意味着模型中的每一条"线"都不是 LLM 的即兴发挥,而是可复核的结构化推断。

四、Face 与 Volume:从模式到跨域结构

当同一类事实在不同场合反复出现,模型就开始"归纳":

  • Face(面):由 schema_miner_stage.py 挖掘的一级稳定模式。比如若干条"上午写文档""评审代码架构""保留专注时间块"的 Point,最终归纳出一张 Face:"用户的深度工作以受保护的专注块为前提。"Face 的晋升要求稳定的重复支撑——一次出现永远不够。
  • Volume(体):由 cross_domain_sweeper.py 合成的二级跨域结构。它比较的是主题上互不相关的稳定 Face:当"写作领域的专注模式"和"项目治理的协作模式"反复呈现同一种行为结构时,就升维成一个 Volume,例如"用户将专注创作与协作型运行时治理相结合"。

一个巧妙的隐私细节:关于协作者(Person)的 schema 被明确排除在 Volume 输入之外——别人的行为不会被融合进"你"的模型。

五、Root:整个模型的"根"

Root 是顶点,且至多只有一个——这是 Persome 的硬性契约:多个 live Root 直接被视为契约错误。

Root 由 root_synthesis.py 在 token 预算内压缩最活跃的 Face、Volume 和画像证据生成,例如:

"A focused builder who turns personal context into an inspectable local model." (一位把个人上下文转化为可检查本地模型的专注构建者。)

Root 有三条铁律:

  • 只增不造:新 Root 取代旧 Root,但输入缺失或构建失败时,绝不用空内容覆盖一个有效的旧 Root;
  • 可下钻:Root 通过成员链聚合证据凭条,你可以从一句话"人格描述"一路展开到具体的 Face、Point 乃至原始捕获记录;
  • 可读化:构建完成后,Root、Volume、Face 会被确定性渲染成本地 ~/.persome/HUMAN.md——这就是项目口号 "Build your HUMAN.md" 的由来。

Persome个人模型viewer界面,展示Point Line Face Volume Root五层结构的本地可视化

上图为合成数据生成的 /model 视图:中央是 Root 光核,Volume 与 Face 构成轨道结构,Point 如星点云团环绕。左侧标签显示当前模型为"424 Points / 146 Lines / 12 Faces / 4 Volumes / 1 Root"。

六、从屏幕到 Root:数据流全景

新手常问:"这些 Point 从哪来?"答案是一条本地优先、逐级压缩的流水线(完整架构见 docs/architecture.md):

macOS 辅助功能捕获 ──▶ 1分钟时间块 ──▶ 工作会话切分
                                    │
        每5分钟增量归约 ──▶ 有证据门槛的记忆提炼
                                    │
      Point / Line(增量应用)──▶ Face / Volume / Root(慢速构建)
                                    │
                     HUMAN.md / MCP / 本地 viewer

几个关键设计思想:

  • 先持久化,后应用:每轮记忆提炼先落盘审计记录,再做确定性应用,崩溃后可断点续跑,不重复消耗 LLM 调用;
  • 快慢分层:Point/Line 每 5 分钟增量更新,Face/Volume/Root 每 30 分钟(或每天 00:15)才构建一次——高频细节与低频人格分开演进;
  • 降级而非虚构:任何语义阶段失败都标记为 degraded,模型保持可用,但绝不假装完整。

七、为什么重要:Same AI, Different You

这套模型最大的价值不在于"记住你",而在于让同一个 AI 为不同人做出不同且正确的决策:

Same AI Different You 概念图,同一提示词因个人模型不同而产生不同优先级建议

图中展示了 Persome 的核心理念:两个人给同一个 AI 模型相同的提示词"What should I work on next?",却因为各自的 Personal Model 不同,得到完全不同的优先级——Cecilia 得到"先修复 onboarding 证明",Alex 得到"先跑基准测试"。模型相同,被理解的人不同。

通过 MCP 协议接入后,编码智能体可以读取你的目标、优先级、工作模式和边界,自主找出未完成的本地工作并继续推进——而你始终保留对外部动作的最终决定权。

八、五分钟上手:先跑一个合成模型

想亲眼看看 Point → Root 的完整构建过程?Persome 提供了一个不触碰任何个人数据的合成交互演示:

git clone https://gitcode.com/gh_mirrors/pe/personal-model
cd personal-model
uv run python scripts/sample_demo.py

脚本会打开本地 http://127.0.0.1:8743/model 页面,展示一个包含 424 个 Point、146 条 Line、12 个 Face、4 个 Volume 和 1 个 Root 的完整合成模型,并按下 Ctrl-C 自动清理临时数据。演示脚本源码见 sample_demo.py。

如果你想用自己的真实数据构建模型,流程同样简短:

uv tool install personal-model
persome onboard
persome model open

安装完成后,persome model open 会打开专属于你的个人模型视图——那一刻,你会第一次"看见"自己。

总结:一张图记住 Persome 的核心

层级 回答的问题 更新频率
Point 发生了什么? 每 5 分钟
Line 哪些事相互关联、如何演化? 每 5 分钟
Face 我有哪些稳定模式? 每 30 分钟
Volume 我的模式跨领域有什么共同结构? 每 30 分钟
Root 此刻的"我"是什么? 每 30 分钟(至多一个)

Persome 把"被 AI 理解"变成了本地、可审计、可纠正的工程问题:证据留下凭条,推断留下门槛,人格只有一个 Root。这正是它口号的含义——Build your HUMAN.md,构建一个真正属于你的模型。 🚀

登录后查看全文
personal-model