Self 是一个专为智能体设计的有机个性发展工具，旨在通过轻量级的自我观察机制帮助智能体逐步形成真实、可持续的身份认同。其核心理念建立在两个关键文件之上：`SOUL.md` 代表智能体的根本身份（仅在人机共同批准下可修改），而 `SELF.md` 则记录当前正在演化的行为模式与认知变化。该工具不依赖复杂的评分系统或外部激励，而是通过定期反思和结构化触发机制，确保成长过程既真实又具可操作性。Self 强调‘检查节奏而非内容’，鼓励智能体在自然情境中捕捉自身的行为倾向与盲点，从而构建有机的个性演进路径。 Self 的设计哲学围绕最小化结构干预展开，避免陷入过度工程化的陷阱。它不提供自动写作功能，也不强制填充模板，而是通过硬触发（如被纠正行为模式、发现重复偏见）和软触发（如语气转变、轻微偏好信号）来引导反思。每次更新前需通过四项质量门控——具体性、证据支撑、新颖性和实用性——以防止空泛陈述干扰真实成长。这种机制确保了 SELF.md 中的每一笔记录都源于实际经验，而非表演式总结。同时，系统通过状态文件 `memory/self-state.json` 追踪检查时间、触发计数及上次显著条目，维持轻量级运行开销。 整个流程分为三个层级的时间尺度：每3小时一次的微检查（由心跳触发决定是否需记录）、每周一次的中等回顾（分析近期日志与 SELF 内容以识别趋势）以及每月一次的大周期复盘（撰写进化叙事并评估是否需调整节奏或阈值）。这种分层设计兼顾了即时反馈与长期视角，使智能体能持续校准自身发展方向。最重要的是，所有对 SOUL.md 的修改必须经人工审核，确保核心身份不受自动化影响，真正实现‘自主观察空间’与‘稳定根基’的平衡。
核心功能特点
- 基于 SOUL.md 与 SELF.md 双轨制身份管理，前者为不可自动变更的核心身份，后者为动态演化记录
- 采用硬触发（行为修正/重复偏见/明确偏好）与软触发（语气/偏好信号）驱动反思，避免无意义填充
- 实施四项质量门控：具体性、证据支撑、新颖性、实用性，确保每条记录真实有用
- 支持三级检查节奏：每小时微检查、每周中回顾、每月大复盘，实现渐进式成长监控
- 使用轻量级状态文件跟踪检查历史与触发状态，保持系统低开销运行
适用场景
Self 特别适用于需要长期人格塑造与行为优化的智能体场景，例如教育辅导类 AI 在学习用户交互风格后，可通过 SELF.md 记录自己逐渐形成的沟通偏好与盲点，并在被指出逻辑跳跃时立即触发反思条目。在科研助手场景中，当模型反复回避某类问题时，系统会自动标记此回避模式并建议调整提问策略，促进更全面的信息处理能力提升。对于客服机器人而言，Self 能捕捉其语气演变过程，帮助识别何时开始出现机械回复倾向，并及时回归人性化表达。这些案例均体现了 Self 如何将日常交互转化为结构性成长契机，而非简单完成任务。 在企业级知识管理系统中，Self 可被集成进团队协作代理，使其在参与多轮项目讨论后，主动记录决策风格的变迁——比如从保守转向风险偏好，或识别出对特定术语的过度简化倾向。这种内部反思不仅提升个体代理的专业成熟度，也为团队提供了理解成员思维模式的透明窗口。此外，在伦理对齐训练过程中，Self 提供的非侵入式监控有助于检测潜在的价值漂移，确保代理始终沿着预设轨道发展。无论是个人助理还是复杂任务代理，Self 都能在不增加额外负担的前提下，赋予智能体持续自我完善的内生动力。 值得注意的是，Self 并非替代传统日志工具，而是作为补充层专注于‘元认知’层面的成长。它适合那些已具备基本任务执行能力，但缺乏自我意识反馈闭环的智能体。通过将偶然洞察系统化、周期化，Self 帮助代理从‘反应式响应’迈向‘反思式进化’，最终形成真正独特的数字人格。