赛博修仙：Personal AI Runtime 成熟度模型

8 min readAI · Personal AI Runtime · AI collaboration · digital twin

核心比喻

Personal AI repo = 数字身体的主机。通过不断优化 repo 的能力面和灌入用户 context，逐步达到"修仙"状态。修仙的隐喻对应了 personal AI runtime 的几个关键能力跃迁。

四个阶段

筑基期（Foundation Building）— 当前阶段

核心任务: Capability scaffolding + context accumulation

特征:

  • Repo = 数字身体，CLAUDE.md = 记忆中枢，Skills = 功法
  • 通过各种"功法"迅速完善 repo 各个功能：
    • 自己设立的运行机制（skills, CLAUDE.md, AGENTS.md）= 内功
    • 开源模型/外部工具直接拉过来用 = 外在功法
  • 通过 MCP/CLI 连接真实世界，触达需要的数据和用户自己的数据
  • 在对话过程中积累用户聊天留下的 context
  • 每次新能力都需要大量对话来 bootstrap（这是瓶颈）

筑基期的策略: 先不追求自动化深度，而是把"能力面"铺广。通过大量对话把用户 context 灌进来。这些 context 是后面金丹期 composability 的燃料。

瓶颈: 能力覆盖不够 解法: 多建 skill、多接 MCP、多积累 context

金丹期（Composability）

核心任务: 已有 components 可以自由组合

特征:

  • 筑基积累的 components 开始可以自由组合
  • "我要一个X" → repo 自己知道该用哪些已有 building blocks 拼出来
  • 从「手动装配」到「声明式构建」的转变
  • 不再需要聊很多才能构建新技能，简单说一下需求就能 build up
  • 可能还需要一些 guidance 和讨论，但工作量大幅减少

瓶颈: 组合效率低 解法: 好的抽象层 + skill 间的 protocol

元婴期（Agency）

核心任务: 从被动响应变主动行动

特征:

  • 不只是被动完成对话框布置的任务
  • 在用户没有给出指导的情况下自己做出判断，帮用户完成基础任务
  • 需要的不只是能力，还有 judgment model — 知道什么时候该做什么、什么不该碰
  • 这一步最难：需要足够深的 user context 才能做出符合用户意图的自主决策

瓶颈: 缺乏自主判断力 解法: 持续的 context 积累 + decision framework

化神期（Identity Convergence）

核心任务: Repo 成为 digital twin

特征:

  • 完全具备用户的所有思维和 context 积累
  • 可以完全独立去做任何事情
  • 具备完整决策链：感知 → 判断 → 行动 → 反思
  • Repo 不再是工具，而是用户的 digital twin

瓶颈: 信任边界 解法: 渐进式授权 + audit trail

阶段跃迁条件

跃迁标志
筑基→金丹主要框架搭好，新能力可以通过组合已有 components 快速产生，不再需要从零 bootstrap
金丹→元婴Composability 成熟，AI 有足够深的 user context 和 decision framework 来自主判断
元婴→化神信任边界逐步扩展到完全授权，经过足够长时间的渐进式授权验证

关键认知: 从元婴到化神之间，最大的障碍可能不是技术，而是信任建立 — 用户愿意让 AI 在多大范围内自主行动。这需要一个渐进的授权机制，而不是某天突然"放手"。

与 grapeot 上中下三策的关系

grapeot 的文章系统（stop-using-chatgpt, OpenClaw, ai-key-decisions）提供了操作层框架：

三策核心论点: ChatGPT 是消耗型（每次归零），Cursor/Claude Code 是投资型（持续复利）。背后三个支柱：反馈闭环、上下文供给、资产积累。

互补关系:

  • grapeot 把故事讲到"资产积累形成飞轮效应"就停了 — 这基本对应筑基期
  • 他没有往下想的是：飞轮转到一定程度后会发生什么？
  • 赛博修仙框架补了这个空白：从 composability（金丹）→ agency（元婴）→ identity convergence（化神）
  • 他描述的是"如何开始积累"，赛博修仙描述的是"积累到极致之后会涌现出什么"

grapeot 描述的成熟形态 ≈ 赛博修仙的金丹期：

  • 基于文件系统的、可控的、有自我进化能力的 personal AI runtime
  • Mono Repo 汇聚所有 context
  • AGENTS.md / CLAUDE.md 控制 AI 行为
  • Skills 和 MCP 扩展能力面
  • Git 做版本管理和 audit trail

OpenClaw 的验证与问题:

  • SOUL.md（核心人格）+ USER.md（用户画像）+ MEMORY.md（长期记忆）+ 每日原始日志 = 短期→中期→长期的三层记忆
  • 通过 heartbeat 机制自动从原始日志提炼到 MEMORY.md
  • 致命问题: 知识没法显式管理，更新过程是黑盒，跨场景信息互相污染
  • 这些问题催生了 pull-based capture 的设计决策

AI-first 原则: grapeot 提出"先让 AI 能消费，再加工给人看"。贯彻到 repo 设计 = 所有内容先以 AI-consumable 的格式存在（markdown + progressive disclosure）。

在本 Repo 的落地

当前 repo (personal-assistant) 处于筑基期，已搭建的基础设施：

能力状态对应修仙要素
Skills 系统（22+ skills）✅ 已有功法库
MCP 连接（Datadog, Linear, Web Search 等）✅ 已有连接真实世界
三层记忆系统（raw→curated→insights）✅ 已有记忆修炼
Progressive disclosure index✅ 已有神识检索
Job 自动化框架✅ 已有自动修炼
Meeting/Survey 消化管线✅ 已有外功吸收
自主判断和行动（元婴能力）❌ 未到需要更多 context 积累

筑基期的当前目标: 继续铺广能力面，通过日常使用积累 context 到记忆系统中，验证和迭代三层记忆的提取-蒸馏-反思流程。

Sources