AIAI 工具图鉴
← 返回全部文章
·约 15 分钟PPT

Persome

Agent编程开发
下载 PPT下载视频

配套媒体

本页对应的 PPT 与演示视频

personal-model-recommend.mp4
PPT
personal-model-recommend.pptx浏览器不能直接打开 PPT，下载后用 PowerPoint / WPS / Keynote 查看
下载没反应？点这里复制直链

侧边栏预览窗口（Electron webview）会拦截下载，把下面的链接复制到 Chrome / Edge 地址栏打开即可保存。

PPT../../personal-model-recommend.pptx
视频../../personal-model-recommend.mp4
本文目录
  1. 🚀 什么是 Persome？
  2. ✨ 核心功能一览
  3. 🛠️ 快速上手：5 分钟跑通合成数据演示
  4. 方式一：5 分钟合成演示（零风险，无需授权任何权限）
  5. 方式二：使用你的真实数据（macOS 13+，推荐 XCode CLT）
  6. 配置 LLM 提供商（可选）
  7. 接入 MCP 客户端（一键）
  8. 验证并提出有据可查的问题
  9. 📊 与竞品对比
  10. 💡 适用场景
  11. 场景一：让 Claude Code "接着上次的工作继续干"
  12. 场景二：睡觉时 AI 帮你干安全的活
  13. 场景三：千人千面的"个性化 AI"
  14. 用户群体总结
  15. 💰 定价方案
  16. 🎯 总结

📌 核心价值：开源本地运行的 Personal Model，让 Codex / Claude Code 等编程 Agent 真正"认识你"——记目标、记进度、记权限边界，不再每次复述项目背景

Persome 通过 MCP 协议，把你在 Mac 上千次专注瞬间压缩成 5 层有据可查的"自我模型"，让所有支持 MCP 的 AI 助手接上同一个"你"。

封面图：Persome Personal Model 概念图 - The Shape of You

🚀 什么是 Persome？

Persome 是一个纯本地运行、隐私优先的开源 Personal Model（个人模型）。它在你授权后采集 macOS 上的专注活动，把这些原始动作提炼成 5 层有据可查的"证据链"，并通过标准 MCP（Model Context Protocol） 让 Codex、Claude Code、Cursor Agent、OpenCode 等所有支持 MCP 的客户端共享同一个关于"你"的语义模型。

核心承诺：

  • 🖥️ 本地运行：所有数据存储在 ~/.persome，从不联网同步
  • 🔒 默认隐私：从不要求 Full Disk Access；按需申请辅助功能与屏幕录制权限
  • 👁️ 可查可改：所有关键判断都附"收据（receipts）"，可审查、可纠正、可导出、可删除
  • 🤝 官方注册：已发布到 Official MCP Registry

GitHub stars GitHub forks

为什么这件事重要？ 标准的 AI 编程助手只有静态 prompt + 临时会话上下文。下一次开会话，它就忘了你昨天说过"先 lint 再 commit、别动 migrations 文件、外部 API 调用要二次确认"。Persome 把这些上下文持久化为可查询的"证据图谱"，让 AI 每次启动都能直接续上你的工作流。

核心定位：让"每个人的 AI"都成为"你的 AI"——同样的模型，不同的人，截然不同的回答。

✨ 核心功能一览

Persome 把"你"压缩成 5 层逐步抽象的语义结构：

层级 含义 类比
Point 有来源的观察或事件 一份 commit、一封邮件、一次会议
Line 关系或随时间的变化 "这个项目一周内迭代 3 次"
Face 由相关证据支撑的模式 "用户每次发布前必跑 lint"
Volume 跨项目或生活领域的高阶结构 "近期所有精力都在 auth 重构上"
Root 当前集成的"你"的模型 "当前目标、本周节奏、安全边界"

新证据可以加强、修正或推翻先前的推论。每个重要主张都保留收据（receipts）——可追溯回原始数据源。

功能对比表：Persome vs 普通 AI 编程助手

🛠️ 快速上手：5 分钟跑通合成数据演示

方式一：5 分钟合成演示（零风险，无需授权任何权限）

git clone https://github.com/Intuition-Lab/personal-model.git
cd personal-model
uv run python scripts/sample_demo.py

脚本会自动在 http://127.0.0.1:8743/model 打开本地查看器，按 Ctrl-C 时删除其临时合成数据。

加 --showcase 参数可获得更高密度的演示图（424 个合成 Points + 146 个 Lines + 12 个 Faces + 4 个 Volumes + 1 个 Root，完全合成、零个人数据）。

方式二：使用你的真实数据（macOS 13+，推荐 XCode CLT）

包管理一键安装（最短路径）：

uv tool install personal-model
persome onboard
persome model open --after 30

源码安装（最可控）：

git clone https://github.com/Intuition-Lab/personal-model.git
cd personal-model
bash install.sh

配置 LLM 提供商（可选）

persome llm setup                    # 配置托管或本地 LLM
persome llm status --check

# 或"借用"你已有的编程 Agent 订阅（默认每天 50 次限制）
persome llm agent setup --client codex --daily-call-limit 50 --check
# 也支持: claude-code, cursor-agent

注意：--fund-model 是显式同意让后台语义阶段使用客户端订阅的标志；省略它只安装 MCP 服务器，不消耗配额。

接入 MCP 客户端（一键）

persome install claude-code --fund-model
persome install codex --fund-model
persome install cursor-agent --fund-model
persome install claude-desktop
persome install opencode

这些 stdio 注册按需启动 Persome 进程，无需后台常驻守护进程，也不会在客户端配置中暴露 HTTP bearer。

验证并提出有据可查的问题

persome status
persome model status
persome model open

连接 MCP 客户端后试着这样提问：

Search my Persome memory for [topic]. Use search, open the strongest result with read_receipt, and cite the source path, timestamp, and receipt ID. If the evidence is missing or conflicting, say so instead of guessing.

核心思想：Persome 会主动告诉你证据不足，而不是猜测。

📊 与竞品对比

维度 Persome (Personal Model) 普通 RAG / Vector DB MemoryOS / OpenHuman 每次手写 SYSTEM.md
数据形态 5 层语义结构（Point→Line→Face→Volume→Root）+ 收据 向量切片 + 语义相似度 文件/Markdown 片段 静态文本
可追溯 ✅ 每个判断附 receipt ❌ 切片丢失上下文 ⚠️ 部分 Markdown 链接 ❌ 无
可纠正 ✅ 推论可推翻、证据可修正 ❌ 重建索引 ⚠️ 手动编辑 ⚠️ 手动编辑
本地优先 ✅ 全部数据存 ~/.persome ⚠️ 取决于实现 ✅ 本地文件 ✅ 完全本地
MCP 原生集成 ✅ 已发布 Official MCP Registry ⚠️ 需自行桥接 ✅/❌ 视实现而定 ❌ 手动复制
隐私审计 ✅ SECURITY_PRIVACY.md 详尽 ⚠️ 取决于实现 ⚠️ 取决于实现 ✅ 自管
代码 Agent 集成 ✅ claude-code/codex/cursor-agent 官方 CLI ⚠️ 需 RAG 适配器 ⚠️ 需配置代理 ❌ 手动粘贴
结构化权限边界 ✅ 自动区分本地/外部/破坏性操作 ❌ 无 ⚠️ 取决于实现 ❌ 完全交给模型
OPEN LICENSE Apache-2.0 - MIT/Apache -
多设备同步 ❌ 严格本地（设计取舍） ⚠️ 自配 ⚠️ 自配 ⚠️ 手动

💡 适用场景

场景一：让 Claude Code "接着上次的工作继续干"

场景一：续上次的活

功能说明：当你打开仓库要求 Claude Code 继续上次的会话，Persome MCP 服务自动返回你的 Root 模型（当前目标、未完成事项、本地 vs 外部权限边界、昨日 commit 与 open issue 的证据链接），Agent 直接列出 30 个 open loops 并筛出 5 个本地可执行任务，无需你重复 Onboarding。

输入要求：本地已 persome onboard 并授权 macOS 活动采集、Claude Code 已通过 persome install claude-code --fund-model 注册。

输出效果：Agent 调用 lint / 更新文档 / 本地 commit，生成"晨间报告"：3 个本地任务已完成、2 个需你确认的决策、1 个外部操作被权限边界拦截。

适用场景：

  • ✅ 多项目并行、上下文频繁切换的全栈开发者
  • ✅ 每周只开仓一两次的兼职贡献者
  • ✅ 任何厌倦"每次重述背景"的 Agent 用户

场景二：睡觉时 AI 帮你干安全的活

场景二：睡觉时工作

功能说明：Persome 后台自动把 open loops 按"权限作用域 + 操作类型"分层：仅本地的任务（lint / 文档 / commit / 重命名）可由 Agent 自动执行；外部调用 / 推送 PR / 删分支会进入"待你确认"队列；破坏性操作（删数据库 / 强制推送）默认拦截。

输入要求：打开 persome model open 调整自定义权限策略，或保持默认（推荐新人）。

输出效果：次日早上打开报告，可看到 5 条本地任务已完成、3 条挂起待你确认、1 条权限边界拦截记录，无需半夜起来救火。

适用场景：

  • ✅ 团队负责人 / SRE / 任何想"下班即忘掉 Git"的人
  • ✅ 探索性开发者：让 Agent 把 README 改 5 个版本早上挑一个
  • ✅ 想衡量 AI 边际效用的人：真实记录"它独立能干多少"

场景三：千人千面的"个性化 AI"

场景三：千人千面

功能说明：同样的 prompt 进 Claude Code，两个人能得到不同回答——一个看到 Root 标签"当前目标：性能优化"，另一个看到"当前目标：安全审计"。Persome 让模型理解"它在为谁工作"，而不是对所有人输出同样的中间答案。

输入要求：所有连接 MCP 的客户端都会自动消费 Root；无需额外配置。

输出效果：与不使用 Personal Model 相比，AI 产出的第一稿采纳率明显提升（来自作者社区反馈，因模型不需在每次会话内重新摸索你的偏好）。

适用场景：

  • ✅ 在多个角色间切换的人（白天写代码 / 晚上写小说）
  • ✅ 团队里"每个人的品味都不一样"的协作场景
  • ✅ 把 AI 当"长期合作者"而不是"一次性聊天"的进阶用户

用户群体总结

  • ✅ 独立开发者 / 全栈：厌倦重复 Onboarding，让 Persome 替你记住项目状态
  • ✅ 多角色用户（创作者 + 程序员 + 投资人）：让 AI 知道"你今天在哪个身份"
  • ✅ 注重隐私的企业团队：Apache-2.0 + 本地 SQLite，审计可见
  • ✅ AI Agent 重度用户：现有 30+ MCP 工具，再加 1 个"关于你"的 MCP
  • ❌ 不适合纯云端协作团队：Persome 设计上不支持多设备云同步（严格本地化的取舍）

💰 定价方案

完全免费，开源 Apache-2.0。

- 个人使用：无任何费用，无功能限制
- 商用使用：Apache-2.0，可直接嵌入产品
- 云端费用：无（数据完全本地）
- LLM 费用：可选 — 你可以选择复用现有 Claude / Codex / Cursor 订阅（默认每天 50 次上限），或接入自有 LLM

💡 新用户福利：5 分钟合成演示完全无风险，可在不动真实数据的前提下验证整套系统；推荐先用此路径确认体验，再决定是否启用真实数据采集。

🎯 总结

Persome 把 AI 编程助手从"短期记忆鱼"升级为"长期合作者"——5 层结构化语义 + 收据级证据 + 官方 MCP Registry + 严格本地化，既是 2026 年最具实操性的"AI 自我模型"开源方案，也是 OPC（One Person Company）理念下"AI 真正记住你"的关键拼图。

推荐指数： ⭐⭐⭐⭐⭐（满分 5 星）

适合人群： 任何觉得"AI 老忘我需求"的进阶 Agent 用户、独立开发者、AI 重度使用者、研究 AI Memory 的工程师

立即体验：

数据截至 2026-07-20，最新版本 v0.3.2（v0.3.1 同步发布于 PyPI）。更多信息请以官网为准。