一个专为个人打造的 AI Agent。两个目标：对那个人真正有用， 并随着相处不断进化。
底层的 LLM 进步神速且终将普及。这对我们来说是顺风车，但它本身构不成壁垒。
能力的差异化来自模型之外的支撑：记忆、技能与自我迭代。我认为，针对个人定制的框架，其表现一定会超过同模型的通用框架——而且因为它能理解自身的架构，进化起来会比任何系统都快。
层层递进：记忆是基石，技能是手段，而自我迭代是最终涌现出的状态。
记忆
不丢掉关键。记忆的建立应该像人一样：近期的事记清细节，久远的事压缩意图，但只要想翻就能翻到。不该有那种生硬的"断片"感。
代码原生技能
比起单纯的描述，代码加 Prompt 沉淀出的能力更靠谱。Agent 每学到一点新东西，就该把它写成一项"技能"。不是记笔记，也不是调调提示词，而是直接写成代码。
基础设施即记忆
习得的能力不该只是写在文档里，而应该通过修改系统自身来固化。可以说，整个代码库就是它的记忆。
人类直觉，机器本性
设计从人类的思考方式出发，但落脚点是机器的本质。LLM 虽然有上下文限制，但胜在可以随调随用；它擅长自然语言，也同样原生支持代码。它甚至能感知到自己的代码架构。我们要为这种双重性而设计，而不是只盯着一面。
为自我进化而生
整个系统的结构都是为了方便修改——不管是开发者去改，还是 Agent 以后自己改。
它在对话间隙也会思考
它会定期开启"内心独白"：复盘没做完的事、跟进之前的承诺，或者在它觉得有必要的时候主动找你。这不只是死板的脚本运行，而是基于判断的决定。
自我增强
Agent 变得更好用，和开发效率变高，其实是同一回事。