AI 自进化系统

基于 Hermes AI Agent 平台构建的个人认知管理系统。系统将日常记录转化为结构化的自我探索实践——通过自适应提问、模式识别和自动化认知复盘，让记录本身成为一种持续进化的认知训练。

核心能力

• 渐进式深度提问：4 级递进体系（从表层记录到自适应模式分析），问题随使用深度自动升级
• 矛盾与盲区检测：10+ 种深度追问技巧，识别自我叙述中的认知张力和行为矛盾
• 自动化认知复盘：每周/每月通过 cron 定时任务自动生成认知报告，推送至企业微信
• STAR 故事导出：从日记条目中提取面试级别的能力故事素材（危机处理、成就认可）
• 持续进化的认知画像：系统随时间积累用户的行为模式、价值取向和决策风格，越用越懂你

系统架构

用户触发日记会话（微信 / CLI）
        |
        v
判定当前等级（L1-L3 / 自适应）
        |
        v
从等级对应问题池中选 N 题
（避免近期重复，覆盖不同维度）
        |
        v
用户回答 + 可选的深度追问
        |
        v
保存条目（Markdown）+ 更新索引
        |
        v
元数据标注：情绪、主题、矛盾点、洞察深度
        |
        v
Cron 定时任务：每周/月度认知复盘 → 微信推送

等级递进体系

累计条目数	等级	问题数	核心关注
0-7	Level 1	3	表层蒸馏：记录 + 情绪 + 小洞察
8-21	Level 2	4	模式识别：模式 + 矛盾 + 决策
21-49	Level 3	5	系统重构：价值对齐 + 系统优化
50+	Adaptive	3-5	自适应：引用历史条目做交叉对比

深度追问技巧

系统内置 10+ 种可复用的追问框架：

1. 归因重定向 — 将归因从外部事件导向内部心态，在正面回答中挖掘深层情绪
2. 悖论对照 — 温和地并置表面陈述与深层信息之间的矛盾
3. 结构诊断 — 诊断日常结构中的锚点缺失，将"不自律"重构为"外部结构缺失"
4. 信号预期差探测 — 检测固定题答案与自由叙述之间的张力
5. 内外部验证源分离 — 区分自信来自内部验证系统还是社交回声
6. 日记价值质疑处理 — 三步协议：承认前提 → 重新框定价值 → 命名悖论
7. 情绪一体化立场应对 — 适配拒绝"将情绪从自身分离分析"的用户
8. 日记→职业探索桥接 — 从当前叙述中提取实际展示的能力，发现盲区职位

项目结构

cyber-diary/
├── SKILL.md                    # 主技能定义（Hermes Skill 格式）
│                               # 含触发条件、核心流程、等级系统、
│                               # 问题池、深度技巧、存储格式、cron 配置
├── scripts/
│   └── cognitive-stats.py      # 数据统计与报告生成脚本
│                               # 支持：统计、趋势、STAR 故事、完整报告
└── references/                 # 13 篇参考文档
    ├── ability-matrix-methodology.md   # 能力评估矩阵方法论
    ├── cognitive-report-generator.md   # 月度深度报告生成规范
    ├── contradiction-tracker.md        # 矛盾追踪系统
    ├── deep-dive-frameworks.md         # 日记后深度追问框架库
    ├── deep-dive-user-patterns.md      # 用户行为模式分析
    ├── diary-hermes-sync.md            # Hermes 平台集成说明
    ├── diary-signals-and-depths.md     # 信号检测与深度评分
    ├── diary-to-career-discovery.md    # 日记→职业探索桥接方法
    ├── emotion-lexicon.md              # 精确情绪词汇表
    ├── resume-from-diary.md            # 日记→简历转化流程
    ├── setup-config.md                 # 系统配置参考
    ├── system-upgrade-blueprint.md     # 系统升级模式规范
    └── weekly-review-protocol.md       # 每周认知复盘生成规范

数据格式

日记条目以 Markdown 文件存储，按日期组织：

entries/
├── index.md            # 条目计数、当前等级、条目列表
└── YYYY/
    └── MM/
        └── DD.md       # 单篇日记条目（含结构化元数据）

每篇条目包含结构化元数据：等级、情绪标签、主题标签、矛盾点标记、洞察深度评分（1-5）。

脚本工具

cognitive-stats.py

Python CLI 工具，从日记数据生成分析报告：

# 基础统计（条目频率、情绪分布、主题分布）
python3 scripts/cognitive-stats.py --report=stats

# 趋势分析（主题演变、情绪轨迹、洞察深度趋势）
python3 scripts/cognitive-stats.py --report=trend

# STAR 能力故事索引（危机处理 & 成就认可素材）
python3 scripts/cognitive-stats.py --report=star

# 完整报告（以上全部）
python3 scripts/cognitive-stats.py --report=full

Hermes 集成

本项目作为 Hermes AI Agent 平台的技能运行，关键集成点：

• 触发词：用户说"写日记"、"日记"、"cyber-diary"、"赛博日记"等关键词即进入日记模式
• 定时任务：每周认知复盘（每 7 天）+ 月度深度报告（每月 1 日 20:00）
• 推送渠道：自动复盘通过 Hermes send_message 推送至企业微信
• 技能格式：SKILL.md 含 YAML frontmatter（name, description, aliases）

部署配置

在自己的 Hermes 实例上部署此技能：

1. 将项目复制到 Hermes 技能目录（如 ~/.hermes/skills/productivity/cyber-diary/）
2. 修改 SKILL.md 和 scripts/cognitive-stats.py 中的数据存储路径
3. 在 SKILL.md 中配置推送目标地址（微信推送配置段落）
4. 在 Hermes 中设置每周/月度复盘定时任务

License

MIT