selfdistill · 蒸馏我

English | 中文

把和 AI 的聊天记录，在 AI 辅助 + 人工确认 下，蒸馏成看得见、带来源、AI 也用得上的个人档案，并写回你常用的 AI 工具，让它持续认识你。

数据默认留在本机；「蒸馏」这一步要调云端 AI，提交给模型的内容受该供应商数据政策约束。

在线查看 HTML Demo →

无需安装，示例内容全部为虚构数据；可直接查看 L1–L4 分层架构、内容分布、设计原则和协同流程（Demo 支持中 / EN 语言切换）。

目录

• 这是什么
• 数据流
• 快速开始
• 首次蒸馏：从完整历史建立 L1–L4
• 导入来源
• 产出与写回目标
• 重新导入一批新对话
• 持续更新自己的档案
• 工作证据：整理项目事实，不自动包装成果
• 隐私与安全
• 依赖

这是什么

selfdistill 是一个「AI 自我蒸馏」工具包：把你在 ChatGPT / Claude / Codex / Gemini 等工具里的历史对话，提炼成 L1–L4 分级信息，并写回 AI 工具（Codex / Hermes / DeepSeek Harness）：

设计原则：常驻内容最薄（L1），越往下越重、越按需；L3 只提供事实与默认偏好，不能发出行为命令；用户当前明确要求永远高于历史画像。

两个出口：① 本地多页 HTML 可视化；② 确认后增量写回你的 AI 工具（让 AI 持续认识你）。此外，仓库提供独立的工作证据整理入口：它帮助核验项目贡献，但不会自动进入 L4、简历或正式档案。

数据流

导出聊天记录 → 整理成统一 Markdown → AI 提炼 L1–L4 候选 → 逐条人工确认 → 写入 canonical/ → 构建 HTML / 写回 AI 工具

全程「人工确认」是硬规则：未经确认，不写入正式档案；写回前先展示 diff。

快速开始

你不需要先学会 Python。整个流程可以理解成：你负责导出和确认，AI 负责整理、提出候选和生成建议；所有正式写入仍由你确认。

环境要求

• Python 3.9+（纯标准库，无第三方依赖）；
• 本仓库（clone 或下载后解压）。

使用者要做的

1. 按 导入来源 在对应 AI 工具里导出聊天记录，把导出文件放进仓库的 input/ 目录（该目录已被 Git 忽略，不会提交）。

2. 把这个仓库交给你正在使用的 AI（例如 Codex、Claude Code、Hermes 或 DeepSeek Harness），然后直接告诉它：

   请接手这个 selfdistill 项目：
   1. 按 docs/intake.md 整理我提供的聊天记录，原始记录只放在 input/，不要提交到 Git；
   2. 按 prompts/distill.md 从头读完材料，先报告阅读边界，再提出 L1–L4 候选；
   3. L3 和个人/敏感/高风险/冲突内容逐条给我确认；只有可见、可撤回的低风险通用规则可免逐条确认；
   4. 不要直接写 canonical/、L4 或简历。等我处理候选后，先展示完整 aggregate diff，再等我明确确认才写入；
   5. 写入后再运行 python3 build.py；如果要写回 Codex、Hermes 或 DeepSeek Harness（DSH），先展示 diff，得到我明确确认后再执行 install.py。

3. 查看 AI 给出的候选，逐条确认、修改或拒绝。需要写回 AI 工具时，再确认一次 diff。

使用 DeepSeek Harness 的用户可以安装 selfdistill 插件，让 DSH 的 agent 直接掌握这套工作流，无需每次粘贴上面的 prompt。

AI 要做的

1. 阅读 docs/intake.md，把使用者导出的记录整理成统一 Markdown，放进已被 Git 忽略的 input/。
2. 按 prompts/distill.md 提炼 L1–L4 候选；先展示来源和候选，不直接改正式档案。
3. 只在用户已处理候选、并明确确认了最终 aggregate diff 后，才增量写入 canonical/（结构参考 templates/，仓库里的「张三」是虚构样例）。
4. 运行 python3 build.py，生成 dist/index.html、L1–L4 报告以及 dist/codex/、dist/hermes/、dist/dsh/。
5. 如使用者要写回，运行 python3 install.py --target codex（或 hermes / dsh）：先展示 diff，等使用者明确确认后再增量写入，不覆盖无关内容。

首次蒸馏：从完整历史建立 L1–L4

先按 docs/intake.md 把获授权的聊天整理为统一 Markdown，再使用 prompts/distill.md。AI 必须完整阅读并报告范围、证据、冲突、时效和未读内容，只提出候选而不直接改正式档案。

L3 始终逐条确认；L1/L2/L4 中描述个人的内容，以及敏感、高风险、有争议或有冲突的内容，也都逐条确认。只有与个人无关、低风险、非敏感、无争议、无冲突的通用规则可以免逐条确认；它们仍必须单独可见、可撤回，并记录为 policy_accepted_general，绝不是用户逐条接受。无论候选如何通过，真正写文件前始终需要一次明确的 aggregate diff 确认。

templates/distill-candidates.md 是人看的审阅单；schemas/distill-candidate-v1.json 是给未来自动化准备的同一份字段契约。普通使用者不需要手写 JSON。

导入来源

产出与写回目标

① HTML 可视化

python3 build.py          # 生成 dist/
open dist/index.html      # L1–L4 分层架构、内容分布、设计原则、协同流程（支持中 / EN 切换）

② 写回 AI 工具（让 AI 持续认识你）

每次写回都先展示 diff，确认后才写入；重复安装增量合并，不覆盖无关内容。

写回 DeepSeek Harness 的隐私分级

安装 selfdistill 插件（可选）

写回是把「档案」装进 DSH；插件则是让 DSH 的 agent 直接掌握 selfdistill 工作流（整理 → 提炼 → 逐条确认 → 构建 → 写回），安装后即可在 DSH 内完成整套流程：

dsh plugin --profile web add "github:ryunana/selfdistill#main&path:/dsh"
# 重启 dsh web 生效

• 插件包为零依赖 bundle（selfdistill-dsh），安装后 agent 的 skill 目录里出现 selfdistill；
• 发布到 npm 后可直接 dsh plugin --profile web add selfdistill-dsh。

重新导入一批新对话

如果新增的是一批完整聊天记录，继续把整理后的内容追加到 input/，重跑 prompts/distill.md，人工确认候选后再运行 python3 build.py（确实需要写回时再确认 install.py）。这个流程适合批量导入新的聊天记录，不需要任何调度器。

持续更新自己的档案

第一次蒸馏完成后，如果新增的是日常对话中的明确修正、表达偏差或边界补充，可以走更轻量的 inbox 流程，不必重新导入整批聊天记录：

1. 按 schemas/inbox-v2.json 在 inbox/ 新建一个候选 JSON。直接来自对话的候选可以先把 evidence_ids 留空，状态使用 pending。
2. 运行 python3 distill_audit.py audit。它会递归读取 canonical/**/*.md 和 inbox/*.json，生成完整的 reports/latest/ 证据包与六维覆盖报告；inbox/README.md 只作为说明登记。

   每次运行 audit 都会重建并替换整个 reports/latest/。如果里面已有尚未处理的 discoveries.md 或 candidates/，请先完成审阅，或把需要保留的文件另存到 reports/latest/ 之外。

3. 把 prompts/rediscovery.md 交给你当前选择的 AI，并要求它从头到尾阅读 reports/latest/evidence.md。要求它只把发现和待确认候选写回 reports/，不要修改 canonical/。
4. 运行 python3 distill_audit.py verify reports/latest，确认来源没有漂移、候选格式正确、所有 evidence 引用真实存在，再逐条接受、拒绝或标记为未知。verify 不判断候选结论是否正确，也不能证明 AI 已完整阅读全部证据，最终仍需人工审阅；accepted 只表示你接受了候选，不表示它已经写入 canonical/。
5. 由你人工把确认后的内容更新到 canonical/，然后继续使用原有 python3 build.py；确实需要写回 Codex、Hermes 或 DSH 时，再展示 diff 并明确确认 install.py --target ...。

工作证据：整理项目事实，不自动包装成果

把用户授权的项目材料交给 prompts/work-evidence.md。它会将项目背景、目标、职责、行动、交付物、结果、指标、来源和待补证分开，并严格区分参与、负责、主导与决策所有权。指标必须保留统计口径、时间窗口、基线和来源；缺失就留空，不补造数字、因果关系、职责或项目状态。

工作证据是独立、可选的审阅材料：所有个人贡献均需逐条确认，不存在通用规则免审，也不会自动写入简历、L4 或 canonical/。templates/work-evidence.md 供人工审阅；schemas/work-evidence-v1.json 供将来自动化读取，普通使用者无需手写 JSON。若日后确实要写文件，仍先展示并明确确认 aggregate diff。

隐私与安全

• input/、inbox/、reports/、dist/ 都是本机数据或生成物，默认被 Git 忽略；仓库只保留 inbox 说明和 input/.gitkeep。不要把真实聊天、候选或报告提交到公开仓库。
• 数据默认留在本机；若把 evidence.md 等交给云端 AI，仍须遵守该模型供应商的数据政策。
• 私密 L3（canonical/03-l3-private.md）默认不构建、不写回；需要时用 python3 build.py --include-private。
• 所有写回都先展示 diff、人工确认后执行；重复安装增量合并，目标文件非 selfdistill 管理时拒绝覆盖。

依赖

纯 Python 标准库，无第三方依赖（Python 3.9+）。

发布前检查

python3 scripts/scan_before_release.py

该脚本只扫描当前工作树，不扫描 Git 历史；公开发布前还应确认历史中没有个人资料和本机作者身份。

License

MIT