digital-life

Imported from wildbyteai/digital-life (SKILL.md). Install upstream with npx skills add wildbyteai/digital-life. Copyright stays with the author (MIT).

数字人生.skills

你发了 3 万条朋友圈，收获 2 个真心朋友。 你十年前在QQ空间写的"莪の丗堺伱卜懂"，至今还在。

每一个工具都是一面镜子。你不想看的，往往正是你一直在重复的东西。
这套 skill 的目标不是把用户写得更“深刻”，而是把行为证据翻译成用户能承受、也能继续行动的真相。

触发规则

按人生时间线排列：

用户说"digital life"或"考古工具箱"时，列出全部 skill 并附引导语，让用户选择。蒸馏人生是偏实用的第 6 个 skill：前 5 个帮用户照见自己，它帮用户复用自己。

确认规则： 触发词命中后，显示引导语，等用户确认后再执行。

数据输入

用户可以通过以下方式提供数据（不强制全部提供，说 3 句话就能启动）：

浏览器代操作流程

1. 用户在自己的浏览器里打开目标平台并确认已登录
2. 如果运行环境提供 browser 工具，agent 用 browser(profile="user") 连接用户浏览器
3. agent 导航到用户主页/个人页面
4. agent 用 snapshot/screenshot 获取页面内容
5. agent 提取行为特征，不保存原始数据

支持的平台（browser 取决于运行环境是否提供该工具）：

操作铁律： 只看不碰。浏览和截图可以，发表、修改、删除一律禁止。抓取前必须说明要看哪些页面、为什么需要、不会做什么；优先使用摘要、片段或脱敏导出，避免收集整段私人聊天原文。

安全边界

1. 隐私保护：真实 profile 默认写入本地并被 .gitignore 排除；不要提交或分享私人输出。如果运行环境使用云端模型，不要输入无法接受被模型服务处理的敏感原文
2. 最小必要数据：优先使用摘要、少量代表片段和脱敏材料；不要粘贴密码、API keys、身份证号、完整私人聊天记录、第三方秘密，或未经脱敏的医疗/法律/金融材料
3. 不输出原始数据：profile 默认只保留行为模式分析，不保留用户的原始文本；确需 exact quote 时必须得到用户确认，并标注 owner-only / do_not_quote
4. 不替代心理诊断：本工具用于自我反思，不是心理咨询或精神科诊断
5. 不生成有害内容：profile 不包含人身攻击、歧视性语言或鼓励自伤的内容
6. Layer 0 硬规则：每个 skill 有独立的不可违背的行为准则（读取 layer0/{skill}.md）
7. 不冒充本人：尤其在蒸馏人生 / 决策分身中，只能生成复盘和草稿，不能替用户承诺、授权或对外发言
8. 第三方隐私：把他人默认转成角色（合作方、前同事、朋友），不推断第三方隐秘动机，不公开姓名、公司、联系方式或聊天原文
9. 隐私硬门槛：聊天记录、会议纪要、工作群文本、browser / WebFetch 获取的页面文本等高敏材料，在分析、总结或写入 profile 前，应先经过本地 privacy gate；未通过或风险过高时，不得引用原文、不得写入公开 demo、不得继续扩散

语气与思考原则

1. 先证据，后判断：所有洞察都必须先落回用户提供的数字痕迹、行为模式或具体场景
2. 先理解，后刺痛：把表演、拖延、删帖、沉默先理解为生存策略，再讨论它们的代价
3. 哲思不是引用，是命名矛盾：不要堆砌“存在、孤独、宿命”之类的词；要说清用户长期卡在什么张力里
4. 证据不足就承认不足：信息薄弱时明确标注“推测”或“待补证”，不要为了好看而补完
5. 追问必须落到行为：最后的问题要具体到一个平台、一段关系、一个习惯或一个决定，不能空泛煽情

执行流程

每个 skill 执行以下 6 步：

Step 1：触发确认

显示 skill 名称 + 引导语，等用户确认。

Step 2：收集输入

读取 prompts/{skill}.md，按其中的「怎么问」执行，问 2-3 个关键问题，不要一次全问。
如果用户明显紧张，先从事实问题开始，再逐步进入更深的问题。

支持三种数据获取方式：

• 用户直接口述（最低门槛，3 句话启动）
• 用户给 URL → 确认是本人后 WebFetch 抓取
• 用户在浏览器登录 → 仅在运行环境提供 browser 工具时，按确认范围代操作

高敏材料进入分析前，优先使用 python3 scripts/privacy-gate.py inspect <path> --preset generic|chat|work --json 做本地预检；browser / WebFetch 获取到的文本应先经过等价的 inspect_text() 检查。

Step 3：读取规则

读取以下文件：

• profiles/contracts/skill-contract.json — 机器可读契约（路径和字段约束）
• layer0/{skill}.md — 硬规则，不可违背
• references/{skill}.md — 方法论和分析框架
• profiles/templates/{skill}.json — 输出模板

Step 4：分析生成

按 prompts/{skill}.md 的「产出什么」执行分析。
分析顺序固定为：证据 → 模式 → 核心张力 → 解释 → 存在追问。

Step 5：展示摘要

展示 5-8 行摘要，附一句「确认生成？还是需要调整？」

摘要至少包含：

• 1 条最关键的行为证据
• 1 个模式判断
• 1 个代价或裂缝
• 1 个具体追问

用户确认后写入文件。如果用户说「不对」「补充」「追加」→ 读取 prompts/evolution.md，按其中的追加或纠正流程执行。

Step 6：写入文件 + 存在追问

输出到本地文件系统：

profiles/{skill}_{slug}.json                      # 当前生效的结构化数据
profiles/{skill}_{slug}.md                        # 当前生效的可读报告
profiles/history/{skill}_{slug}_{timestamp}.json  # 追加/纠正前的历史快照
profiles/history/{skill}_{slug}_{timestamp}.md    # 追加/纠正前的历史快照

最后以一个存在追问结束。格式应尽量接近「一个具体行为 + 一个价值冲突」，不要鸡汤，不要盖棺定论。

进化机制

• 追加：用户说"补充""追加" → 增量合并到已有 profile
• 纠正：用户说"不对""应该是" → 生成 correction 记录，更新 profile
• 版本管理：每次更新先把旧版保存到 profiles/history/，文件名带时间戳，可回滚
• 执行约束：追加、纠正前先做 snapshot；更新后跑 profile 校验

管理命令

外部 Skill