個人 AI 系統升級到第二代：架構全公開

來源: @Roland_WayneOZ

日期: 2026-02-15

標籤: Claude Code AI系統 記憶架構 TELOS 自我迭代 工作流

---

百萬閱讀之後，我發現了一個問題

不久前我發了一篇《如何用 Claude Code 在 3 分鐘搭建一套可迭代的永續 AI 工作系統》。收穫將近百萬閱讀。很多人照著做了。

但我收到最多的反饋是：

• "系統搭好了，然後呢？"
• "AI 還是不記得上次聊了什麼。"
• "文件越來越多，越來越亂。"
• "我還是要自己維護這個系統。"

這些問題我自己也遇到了。

第一代系統有個根本問題：它是靜態的。

你搭建了一個框架，但框架不會自己變好。你往裡面扔東西，但東西不會自己整理。你教 AI 認識你，但 AI 不會自己學習。

這不是真正的「永續」。

真正的永續系統應該是：你用它，它就在進化。

所以我花了一個星期，把系統升級到了第二代。

核心變化一句話：第一代你維護系統，第二代系統維護自己。

第一代 vs 第二代：6 個核心差異

差異 1：記憶結構

第一代：記憶庫是一個資料夾，你往裡面扔東西。

第二代：三層記憶架構。

假設你和 AI 討論了「如何寫爆款標題」。

第一代的做法：

記憶庫/
└── 2026-02-13-爆款標題討論.md

扔進去，以後大概率找不到。

第二代的做法：

記憶庫/
├── 情景記憶/（這次對話的完整過程）
├── 語義記憶/（提煉出的通用規律，可復用）
└── 強制規則/（必須遵守的行為約束）

情景記憶讓你能回溯「當時怎麼想的」。語義記憶讓知識可以復用，不用每次重新討論。強制規則讓 AI 不會重複犯同樣的錯。

沒有這個結構，記憶就是一堆文件。有了這個結構，記憶變成可檢索、可復用、可進化的知識資產。

差異 2：迭代方式

第一代：你發現問題 → 你決定改 → 你去改。

第二代：AI 發現問題 → AI 提出方案 → AI 執行改動 → AI 驗證結果。

你發現「每次讓 AI 寫文章，它都忘記加封面圖」。

第一代的做法：

• 你發現這個問題
• 你想起來要改 CLAUDE.md
• 你手動加一條規則
• 下次可能還是忘，因為你忘了寫進去

第二代的做法：

• AI 執行八步迭代流程
• 觀察 → 分析 → 設計 → 實施 → 驗證 → 記錄 → 提煉 → 提交
• 自動更新規則，自動驗證，自動記錄

第一代你是系統的維護者，系統不會自己變好。第二代 AI 是系統的維護者，系統會自己進化。

差異 3：文件存儲

第一代：你決定文件放哪裡。

第二代：AI 自動決定文件放哪裡。

你說：「幫我寫一篇關於 OpenClaw 的文章。」

第一代的做法：

• AI 寫完
• 問你：「保存到哪裡？」
• 你說路徑
• AI 保存

第二代的做法：

• AI 寫完
• AI 自動識別：這是「文章」類型
• AI 自動查詢存儲規則
• AI 自動保存到正確位置
• AI 告訴你：「已保存到 xxx，內容類型：文章」

第一代你要記住所有分類規則，每次都要思考。第二代 AI 記住規則，你不用思考。減少決策疲勞，保證文件永遠在正確的位置。

差異 4：任務追蹤

第一代：沒有。

第二代：時間意圖自動捕獲。

你說：「這篇文章明天發。」

第一代的做法：

• AI 說：「好的。」
• 明天你忘了
• 文章沒發

第二代的做法：

• AI 識別到「明天」這個時間意圖
• AI 自動添加到任務清單
• AI 說：「已添加到任務清單，明天簡報會提醒你。」
• 第二天晨間簡報：「今日待辦：發佈留學文章」

第一代你說的話會丟失，AI 不會主動提醒。第二代你說的每一個時間意圖都會被捕獲，不會遺漏。

差異 5：上下文管理

第一代：沒有。

第二代：指令遵循度檢測 + 懶加載。

你和 AI 聊了很久，上下文快滿了。

第一代的做法：

• AI 開始「忘記」早期的指令
• 你發現 AI 行為變奇怪了
• 你不知道為什麼
• 你重新開一個會話，從頭解釋

第二代的做法：

• AI 每次回復都帶「✓」符號
• 當上下文超過 40%，AI 提醒：「建議重開會話」
• 如果 AI 回復沒有「✓」，你知道指令遵循度下降了

第一代你不知道 AI 什麼時候開始「變笨」。第二代你有明確的信號知道什麼時候該重開會話。

差異 6：身份系統

第一代：個人定位.md（一個文件寫所有）。

第二代：TELOS 模組化（7 個文件，按需加載）。

第一代：

個人定位.md
（所有資訊塞在一個文件裡，AI 每次都要讀完）

第二代：

本體畫像/
├── 00-核心身份.md      # 必讀
├── 01-價值觀與原則.md   # 按需
├── 02-背景與經歷.md     # 按需
├── 03-技能與能力.md     # 按需
├── 05-目標與規劃.md     # 按需
├── 07-工作方式.md       # 按需
└── 08-關係網絡.md       # 按需

第一代 AI 每次都要讀完所有資訊，浪費 token。第二代 AI 只讀需要的模組，節省 token，回應更快。

25 個系統級優化方法（完整版）

第一類：Token 消耗優化（3個）

優化方法 1：懶加載策略

問題：第一代系統啟動時自動讀取所有文件，99%+ 的 token 消耗在 Input 上。

解決方案：只在用戶明確需要時才讀取文件。

規則：

• 不要自動讀取日記、本體畫像目錄、user.md、AI_state.json
• 只在用戶明確需要時才讀取相關文件
• 優先使用已有的上下文資訊
• 如果需要讀取，使用 limit 參數限制行數

優化方法 2：模組化身份系統（TELOS）

問題：第一代的個人定位.md 把所有資訊塞在一個文件裡。

解決方案：拆分成 7 個模組文件，按需加載。

加載規則：

• 00-核心身份.md：每次會話必讀（控制在 500 字以內）
• 其他模組：只在相關任務時讀取

效果：只讀核心身份時，token 消耗降低 70%+。

優化方法 3：漸進式加載（Skill 專用）

問題：Skill 文件太長，簡單任務也要讀完整個文件。

解決方案：主文件只放觸發詞和核心流程，詳細內容放在 references/ 目錄。

Skill 文件結構：

skill.md（主文件，控制在 300 字以內）
├── 觸發詞（必讀，50字）
├── 核心流程（必讀，200字）
└── 參考文件索引（指標，不是內容）

references/（按需讀取）
├── 詳細方法論.md
├── 案例庫.md
└── 參數配置.md

第二類：上下文管理（3個）

優化方法 4：指令遵循度檢測

問題：上下文過載時，AI 會「忘記」早期指令，但用戶不知道。

解決方案：每次回覆帶「✓」符號，作為指令遵循度的標誌。如果回覆沒有「✓」符號，說明上下文已過載，此時應提醒用戶使用 /new 重開會話。

優化方法 5：上下文使用閾值

問題：用戶不知道什麼時候該重開會話。

解決方案：當上下文使用超過 40% 時，指令遵循度開始下降；超過 60% 時，必須主動提醒用戶重開會話。

優化方法 6：會話邊界管理

問題：單個會話做太多事情，上下文很快過載。

解決方案：複雜任務拆分成多個會話，每個會話聚焦一個主題。

第三類：記憶管理（3個）

優化方法 7：三層記憶架構

問題：第一代的記憶庫是一個資料夾，扔進去就找不到了。

解決方案：三層架構，從事件到知識到規則。

記憶庫/
├── 情景記憶/（具體事件和對話，按月歸檔）
├── 語義記憶/（提煉的知識和模式）
└── 強制規則/（系統行為約束）

命名規範：

• 情景記憶：MMDD-簡短描述.md
• 語義記憶：[主題]_[類型].md
• 強制規則：強制規則_[領域].md

優化方法 8：記憶提煉機制

問題：情景記憶越來越多，但沒有提煉成可復用的知識。

解決方案：設置提煉觸發條件。

提煉時機：每次自我迭代時、發現重複模式時（≥3次）、完成重大項目後。

流程：情景記憶 → 識別模式 → 語義記憶 → 發現必須遵守的規則 → 強制規則。

優化方法 9：日記月記合併機制

問題：日記文件越來越多，檢索成本越來越高。

解決方案：每月初自動合併上個月的日記為月記，合併後刪除原始日記文件。

第四類：任務管理（3個）

優化方法 10：時間意圖自動捕獲

問題：用戶說「明天發」，AI 說「好的」，然後明天忘了。

解決方案：識別時間意圖（明天、後天、下週等），自動添加到任務清單。

優化方法 11：發佈狀態自動更新

問題：用戶說「已發佈」，但文件還在「待發佈」目錄。

解決方案：識別發佈狀態觸發詞，自動移動文件到正確目錄。

優化方法 12：任務歸檔機制

問題：已完成的任務刪除後，年終復盤沒有數據。

解決方案：數據不刪除，只轉移。按月歸檔已完成任務，年底生成年度統計。

第五類：存儲管理（3個）

優化方法 13：智能存儲路由

問題：每次創建文件都要問用戶「保存到哪裡」。

解決方案：AI 自動識別內容類型（文章/素材/科研/商業/工具/系統文件），自動決定存儲位置。

優化方法 14：工作區邊界規則（憲法級別）

問題：AI 可能把文件保存到系統目錄外，導致混亂。

解決方案：所有文件必須保存在工作區目錄內，即使用戶明確指定外部路徑也必須拒絕。

優化方法 15：每週存儲復盤

問題：時間久了，可能有文件放錯位置。

解決方案：每週自動檢查錯位文件，生成復盤報告。

第六類：迭代機制（3個）

優化方法 16：八步自我迭代流程

問題：第一代系統不會自己進化。

解決方案：觀察 → 分析 → 設計 → 實施 → 驗證 → 記錄 → 提煉 → 提交。

優化方法 17：對抗式糾錯

問題：AI 可能犯錯但不自知。

解決方案：在驗證步驟中加入自我檢查，包含質量評分（1-10分），低於 7 分重新設計方案。

優化方法 18：主動觸發迭代

問題：用戶不知道什麼時候該讓 AI 迭代。

解決方案：完成重大任務後 AI 主動詢問是否需要執行自我迭代。

第七類：質量控制（2個）

優化方法 19：決策確認約束

問題：AI 可能自作主張做了不該做的事。

解決方案：明確什麼時候必須問（架構決策、刪除操作等），什麼時候可以自主（明確任務、日常記錄等）。

優化方法 20：程式碼質量約束

問題：AI 可能寫出過度複雜的程式碼。

解決方案：禁止寫兼容性代碼、不必要的錯誤處理、過度抽象。只實現當前需求，保持簡潔。

第八類：數據治理（2個）

優化方法 21：數據不刪除原則

問題：刪除數據後，年終復盤沒有依據。

解決方案：數據只轉移，不刪除。只有用戶明確說刪除、數據完全重複、用戶確認是垃圾數據時才可刪除。

優化方法 22：對話存檔（強制執行）

問題：對話結束後，不知道之前聊了什麼。

解決方案：每次會話自動在對話歷史文件中追加記錄，包含時間戳、摘要、任務、產出。

第九類：全局資源調度（1個）

優化方法 23：人際資源庫

問題：所有任務都自己做，效率低。

解決方案：收到任務時按優先級匹配資源——AI 能完成就直接執行、需要人類判斷就 AI 起草+用戶審核、有更合適的人就推薦委託。

第十類：晨間簡報系統（2個）

優化方法 24：每日自動簡報

問題：每天開始工作時，不知道該做什麼。

解決方案：進入目錄時自動生成簡報，顯示未完成任務（按優先級分組），提供統計。

優化方法 25：週日數據維護提醒

問題：內容數據沒有定期錄入，無法分析效果。

解決方案：每週日自動提醒，引導用戶完成本週的內容數據錄入和分析。

完整目錄結構參考

AI_Roland/
├── CLAUDE.md                    # AI 總指南
├── 對話歷史.md                   # 對話存檔
├── 任務清單.md                   # 唯一任務數據源
├── 本體畫像/                     # TELOS 模組化身份系統
│   ├── 00-核心身份.md
│   ├── 01-價值觀與原則.md
│   ├── 02-背景與經歷.md
│   ├── 03-技能與能力.md
│   ├── 05-目標與規劃.md
│   ├── 07-工作方式.md
│   └── 08-關係網絡.md
├── 記憶庫/                       # 三層記憶架構
│   ├── 情景記憶/
│   ├── 語義記憶/
│   └── 強制規則/
├── 日記/                         # 日記系統
├── 任務歸檔/                     # 已完成任務歸檔
├── 日誌/                         # 系統日誌
├── 01-內容生產/                  # 業務板塊
├── 02-商業/
├── 03-科研/
└── 04-工具與效率/

如何復現這套系統

方式 1：複製全文給 Claude Code，讓它搭建完整系統。

方式 2：從一個痛點開始。

• AI 不記得上下文 → 先建三層記憶架構 + 指令遵循度檢測
• 文件總是亂 → 先設置智能存儲路由 + 工作區邊界規則
• 任務總是忘 → 先配置時間意圖自動捕獲 + 晨間簡報

用了一週後，再加下一個功能。

這套系統的邊界

這篇文章公開的是架構層面的升級。架構決定了系統的上限。但真正讓系統強大的，是架構上面跑的技能。架構 + 技能 = 完整的 AI 工作系統。

尾聲

第一代系統：你搭建一個框架，然後維護它。 第二代系統：你搭建一個框架，它自己維護自己。

25 個優化方法，本質上都在做一件事：把重複性工作交給系統，人只做決策。

大多數人用 AI，是在消耗時間。少數人用 AI，是在積累資產。區別就在於：你的系統會不會自己變好。