一、全文速览图
最近一直在搭建个人AIOS系统，发现一个核心瓶颈：Agent既不清楚自己是谁，也不知道你要前往何方。在企业项目中，有企业知识库提供支撑，但个人场景呢？你的个人信息、偏好、三五年规划，甚至健康与财务状况——这些数据AI能否获取？如何被利用？它能否影响下一次为你做出的决策？
多数Agent即便具备记忆功能，也只是粗暴地塞进一个小型Markdown文件，或零散地扔在某个记忆文件夹里，最终沦为死数据，系统的应用难度极大。
起初我沉迷于各种Skill和自动化流程，做完才发现，问题往往出在工具层之外：“从现状到理想”的闭环，似乎从未真正运转起来。
最近让AI定期在网上学习项目，浏览时偶然发现了PAI（Personal AI Infrastructure）这个项目，它已迭代至V5版本，拥有14.5K星标。与我的想法高度契合，且架构更完整，因此想推荐给大家。如果你也面临同样困扰，不妨看看它是如何解决的。
PAI的自我定位非常直接，甚至有些霸气：“我们不做AI套壳，也不做Prompt脚手架，我们是人生操作系统——Life Operating System。”
这张图展示了PAI的整体架构，大致分为三层：底层是AI引擎（如Claude Code、OpenCode等），中间层是PAI OS（Memory、Skills、Hooks、Algorithm等），顶层是你的生活领域——工作、健康、目标、关系、财务。上下文（Context）在这三层之间往复流动。
多数产品只画中间一层，疯狂内卷比拼套壳，顶层完全空白。而PAI则将顶层视为真实源头：没有真实的生活输入，AI操作系统根本不知道自己在为谁优化。
二、一条主环
PAI的核心设计只定义了一条循环：弄清现状 → 弄清理想 → 每次交互，选择一步，缩小差距。一句话就能说完，但要让这句话真正运转起来，其实相当复杂。
以往看各种Agent框架，常搬出多智能体协作的宏观流程图，看起来极其震撼，真正用起来却极其崩溃。
PAI的思路非常清晰：图中中间的小人代表我们（Principal）。我们只需与自己的数字助理（Digital Assistant，简称DA）对话。官方为其设定了人设，如Kai、Sage，当然你也可以改成秦始皇或刘华强。
DA是主体，相当于前台。Skills、Memory、Algorithm、Hooks、Agents、Pulse、网页、设备等这些我们不想深究的杂项，全部是DA可调用的后台基础设施，由DA统一调度。
它们与DA形成一个个小闭环。例如“DA调用一个Skill → Skill返回结果 → DA记入Memory”，这就是一次小闭环。DA加上这些小闭环，一步步将你从现状推向理想。
PAI包含三个支柱，也就是它的特点，我们逐一来看。
三、支柱一：「你是谁、去哪、此刻在哪」
你可能搭建过复杂的AI系统，它能写代码、查文献、做计划，帮你把各种念头整理成一份体面的方案。做事可能很溜，一个项目能读完半个互联网，但它仍然不了解你。
那么你是谁？AI如何知道？
一般的AI会将个人信息放进单个MD文件，比如user.md、agent.md、claude.md等，五花八门。PAI则准备了一个专门存放“你”的目录，叫USER/。官方对其设计原则有一句话：走进去应该像在读一个人的传记，而不是翻文件柜。
里面是一组Markdown文件，每个负责一块。这些文件内有各自的标签，如voice、mind、identity，用于区分文件类型。
同时，PAI内置了大量数据源，如日程、邮箱等，方便直接同步信息。可以看到，内容极其详细，从个人风格、观点等常见项，到健康、财务、社交关系等都被囊括。这些信息自然不是一个User.md能比的。
如果你要写作，它知道你的声音、你平时爱引用哪类书、爱听的音乐、爱看的电影，把这些元素融入你的内容，这才是构成“活人感”的关键。如果你要调整作息，它知道你的生活节奏、健康、精力、状态，自然能给出更优方案。这些文件通过路由、渐进式的方式，被AI按需读取。有了这些，DA给你的建议才不会悬空。
你想去哪——TELOS与理想态
知道你是谁还不够，还需要知道你往哪里走。PAI用TELOS来承载这一层。TELOS是希腊文，意为“目的、终点”。在PAI中，它是你的方向层——你在解决什么问题、使命是什么、今年要实现什么、打算怎么打，全部落成文字，串成一条链：问题 → 使命 → 目标 → 策略 → 项目。
也就是说，在干任何一件具体事前，都要向上追溯到我们的上层目标，根据目标来推导下一步决策。
同样不是单个文件，而是一组文件，各管一块。因为方向的不同部分变化频率不同——使命可能几年不变，今年的重点项目可能一个月换三次，新的卡点也可能随时冒出来，单个文件不便管理。PAI用一个HOOK自动将这些源文件压缩成一份短摘要——PRINCIPAL_TELOS.md。每次对话开始时自动加载，同时如果你修改了源文件，摘要也会由HOOK自动重建。
此刻你在哪
方向有了，还差一件事：你现在在哪里？PAI专门保留了CURRENT_STATE，用于记录当下各维度的真实情况，包括健康、财务、工作、关系，分开记录。有了这一层，DA才能做真正的理想与现实的差距分析，而不是给你一个听起来不错但完全不落地的方案。
比如你现在现金流紧张，DA就不该跟你聊扩张；你最近精力不足，排日程时就应该留缓冲，饮食上建议补养，而不是继续逼你，把你燃尽榨干。大多数AI给建议时完全不知道你处于什么状态，所以经常出现这种效果：听着好像没毛病，但跟你的实际处境完全对不上。
四、支柱二：什么叫做完
前面我们讲明了闭环中的现状和理想，那执行可以直接交给AI吗？显然也不行。
经常遇到让AI干一件事，它语气非常笃定地说干完了，输出洋洋洒洒、有理有据，如果它是人，你都能想象到它的表情。定睛一看，内容全错了，你应该能想象到我的表情。这时候不用怀疑，AI大概率不是故意骗你。核心原因是它根本不知道“完”在哪里，你也没告诉它。
“做完了”这件事从未被认真定义过。PAI的答案是：动手前先把“完”写成合同，收工前对着合同逐条验收。
ISA：给「完成」立一份账。
PAI用ISA（Ideal State Artifact）来装这份“完的合同”。要把一件事做完，至少需要五样东西：需求文档、验收标准、测试用例、决策记录、系统档案。传统情况下可能是5人分工，我们也习惯了五样东西放五个地方。但改一处，其他四处可能都不知道，就像需求改了，产品不通知我一样，我还傻傻地照着旧需求继续做。PAI认为这些都是鸿沟，人也一样，AI也一样。
所以ISA将这些压成一份文件，它需要同时承担这五种角色：
- 需求描述：这件事要解决什么问题、完成的样子是什么
- 测试用例：根据ISC测试
- 验收合同：ISC全部通过 = 验收通过，纯机械判断，没有“差不多”
- 完成条件：记录完整的标准
- 系统记录：任务的完整轨迹，供下次参考
这样改一处，五个视角会同步跟着变。
ISC：把「感觉差不多」变成勾选项
ISC（Ideal State Condition）是ISA里的验收条目，每一条对应一个可验证的最小事实，或者说一个标准。不是像“功能完整、读起来顺畅”这种抽象无用的描述，而是更具体落地的，例如：
- 目标文件存在，路径能打开
- 终端没有报错
- 原来的数据没有被覆盖
ISC有三种类型：
每条只有两个结果：通过，或未通过。全部通过，AI才允许说做完。
Algorithm：七步把ISA走完
ISA定义了终点，ISC是检查点，但光有定义和标准还不够，AI并不会自动听话。AI的执行路径同样重要，Algorithm就是走这段路的过程。PAI定义了完成该步骤的流程，共七个阶段，形成一个完整闭环：OBSERVE → THINK → PLAN → BUILD → EXECUTE → VERIFY → LEARN。
通俗地说就是：观察 → 思考 → 拆解任务 → 动手 → 运行ISC → 逐条验收 → 写回档案。第一步OBSERVE就创建ISA，把这件事的理想态和验收标准全部写进去。接下来每一步都在读取ISA并迭代，不断写入新的状态信息。比如发现边界变了就记一条，ISC通过了就打勾。如果踩了坑就写进Changelog，避免下轮再犯。
一轮任务结束时你拿到的ISA，远远不止刚开始的初稿，而是被七步打磨出来的、有来源可追溯的完整档案。下次遇到同类任务，也不是从零开始，而是从这份档案开始。流程里还有几十个Hooks在关键节点卡着，完善这段闭环：比如Stop时必须有真实产物，修了bug要先复现，产物能打开才算完成。由此，执行路径也达成了闭环。
五、支柱三：记忆迭代
支柱一让DA知道你是谁、要去哪、此刻在哪；支柱二让“完”可以检验。但干完了如果全散落在聊天记录里——进行中的活、上次推过的假设、与AI的激情对喷等等，没有地方消费，下次开聊就还得从头交代。主环转了一圈，什么都没留给下一圈，这显然不行。这就是第三层要解决的：记忆要能复利，不能只是归档。
三个桶，分别存三种东西
PAI把记忆拆成三类：
- WORK——未完成的事。比如：任务、进度、进行中的ISA。下次开聊能直接读取，接着干，不用重新讲背景。
- KNOWLEDGE——稳定的事实和记录。某个人是干什么的、某家公司的信息、某个项目结论。能够随时查得到，辅助我们决策。
- LEARNING——学到了什么。你纠正过的地方、哪次交付不满意、AI犯的那些蠢，这些都是有价值的，需要经过提炼之后进桶，不能消失在对话尾巴里。
那么记忆是怎么自动积累的？
里面设计了不少流程，简单说三种。
① 聊天的时候，通过HOOK给你的情绪打分。比如你说“继续”——那就是5分，正常。说“我C”——那就是1分。说“牛逼”——那就是8分。分数低到一定程度，它会把整段对话、你的情绪、出错在哪，全部打包存档。就像行车记录仪，碰到事故自动保存现场。
② 对话结束，有7个HOOK在跑。比如：他们会把这次任务的结果写进学习记录；记下这次任务改了哪些文件；给系统做健康检查。还有一个专门记录“关系笔记”的，它会写下今天你专注在什么事上、你表达过什么偏好、它自己这次做得怎么样，每条还附一个置信度百分比。日积月累，就变成了一个与AI的磨合笔记。
③ 每过一段时间，都会去翻你的旧对话。它也设置有专门的定时任务，类似OpenClaw的“做梦”，去扫描过去几周的对话记录，把里面零散的纠正、判断、偏好挖出来，归入对应的记忆目录。所以每次对话，它的起点总会比上次高一点，这就是记忆的复利。
大概讲这么多吧，里面的内容其实很多。如果你在搭建自己的个人AIOS，PAI的思路有很大的参考价值，虽然不必全部照搬，但这几个问题是躲不开的：
系统知不知道你是谁、要去哪、此刻在哪？
什么叫做完？
上次的事下次还在不在？
希望对大家有所帮助。
