新闻详情

新闻详情

首页 / 资讯中心 / 详情

当你的私密聊天记录变成AI:自己.skill隐私安全与数据主权完整指南

发布时间:2026/11/13 0:36:17来源:尧图网络
当你的私密聊天记录变成AI:自己.skill隐私安全与数据主权完整指南
当你的私密聊天记录变成AI自己.skill隐私安全与数据主权完整指南【免费下载链接】yourself-skill与其蒸馏别人不如蒸馏自己。欢迎加入数字永生Inspired by colleague-skill同事skill。项目地址: https://gitcode.com/gh_mirrors/yo/yourself-skill自己.skill是一款把你自己蒸馏成 AI 数字分身的开源工具——它读取你的微信/QQ 私密聊天记录、日记和照片在本地生成一个像你一样思考和说话的 Skill。把私密聊天记录变成 AI 之前你只需要想清楚三件事数据是否离开过本机、画像出错时能否纠正回滚、不想玩了能否彻底删除。这份完整指南带你逐层自查把数据主权牢牢握在自己手里。快速认识自己.skill 的工作方式整个流程只有五步理解它才能判断隐私边界在哪里步骤做什么隐私关键点① 基础信息录入回答 3 个问题代号/基本信息/自我画像全部字段可跳过不强制收集② 原材料导入提供聊天记录、日记、照片或口述可混用、可跳过只喂你愿意给的③ 本地自动分析解析出自我记忆 人格两层结构解析器在本机运行④ 预览确认展示摘要你确认后才会写文件不确认不落盘⑤ 写入本地目录生成.claude/skills/{代号}/下的 Markdown 文件产物是纯文本随时可查可改生成的数字分身由两部分组成Part A — Self Memory自我记忆存你的经历、价值观、习惯Part B — Persona人格模型驱动说话风格与情感模式。两层都支持独立调用结构细节见 docs/PRD.md示例分身可查看 selves/example_me/SKILL.md。私密聊天记录变 AI先自查 3 个风险点在喂数据之前先看清楚最敏感的资料可能暴露在哪些环节原材料本身是隐私重灾区 —— 聊天记录里有朋友、情绪、深夜独白和决策过程比简历泄露可怕得多。产物也是隐私文件—— 生成出的self.md和persona.md是对你的高度浓缩描述如果随仓库提交到远端等于把数字底片交了出去。照片的 EXIF 自带 GPS —— 照片不仅记录画面拍摄时间、经纬度同样会被提取成时间线。自己.skill 的 5 层本地隐私保护设计1️⃣ 全程本地解析聊天记录不出机器解析工作由 tools/wechat_parser.py兼容 WeChatMsg / 留痕 / PyWxDump 导出格式、tools/qq_parser.py 和 tools/social_parser.py 在本机完成读取的是你自己导出的文件不向任何云端上传对话内容。2️⃣ 只重点分析「我」说的话解析器默认以--target 我过滤优先提取你自己的高频词、口头禅、emoji 偏好、标点习惯与话题分布而不是把整段双人对话原样搬进画像——从源头缩小了隐私暴露面。3️⃣ 照片只读 EXIF构建时间线而非相册tools/photo_analyzer.py 只提取拍摄时间与地点用来推断人生轨迹和常去地点不处理、不存储照片内容本身。介意的话投喂前用系统自带工具抹掉 GPS 信息即可。4️⃣ 生成前必须预览确认后落盘分析完成后不会直接写文件而是先展示 Self Memory 与 Persona 的两段摘要问你一句确认生成还是需要调整。不确认不落盘——这是你对画像内容的第一道闸门。5️⃣ 版本回滚 一键删除分身随叫随停版本自动存档每次更新前由 tools/version_manager.py 备份到versions/目录执行/yourself-rollback {代号} {版本}即可回滚默认保留最近 10 个版本。对话纠正觉得分身不像你直接说我不会这样说系统按 prompts/correction_handler.md 的规则写入 Correction 层下一条回复立即生效。彻底删除执行/delete-yourself {代号}确认后整个分身目录被移除命令体系详见 SKILL.md。数据主权实操清单把数字分身留在自己手里主权动作具体操作对应机制最小化投喂只提供你愿意被分析的记录深夜独白给个片段就够Step 2 原材料导入全可跳过投喂前脱敏删除聊天记录里第三方的敏感信息、抹掉照片 GPS本地操作解析器不感知原文预览时把关摘要里出现不该有的信息直接说不确认Step 4 预览确认机制持续纠正画像我没这么文艺 / 我不爱吃辣说出口即改Correction 层滚动更新版本后悔药改坏了就回滚到历史版本/yourself-rollback彻底清场不玩了就整体删除不留残影/delete-yourself⚠️ 一个容易被忽略的细节生成的selves/目录在设计上是 gitignored 的分身不会随仓库被提交上传——你的数字分身默认只存在于你这台机器上。一条命令安装隐私保护从本地部署开始# 安装到当前项目在 git 仓库根目录执行 mkdir -p .claude/skills git clone https://gitcode.com/gh_mirrors/yo/yourself-skill .claude/skills/create-yourself # 可选依赖 pip install -r requirements.txt安装后在 Claude Code 中输入/create-yourself按提示录入信息即可。全程产物只写入本地.claude/skills/目录数据主权从第一步就交给你自己。常见问题 FAQ问聊天记录会被上传到云端吗不会。解析脚本全部在本地运行读取的是你自己导出的文件AI 分析发生在你的 Claude Code 会话环境中。问生成的分身文件包含哪些信息纯 Markdown 与 JSON自我记忆、人格分层、元数据selves/example_me/meta.json 可见结构以及memories/下你选择的原始材料。没有加密黑箱每一行都能打开看。问删除分身后还能找回吗/delete-yourself是物理删除删后不可恢复。如果你想清空但留后路先复制一份分身目录自行备份再执行删除。问画像里的第三方面孔朋友、家人算谁的隐私算你的责任范围。项目建议提供的是我说的话投喂前请自行过滤他人敏感内容——这是本地工具无法替你判断的部分。它不是你的灵魂但也许是你的灵魂在当前迭代下的一个 checkpoint。 —— README.md数据主权从来不靠承诺而靠机制本地解析、预览确认、版本回滚、一键删除这四道闸门都在你这一侧。与其把灵魂交给云端托管不如先学会把它留存在自己手里。与其蒸馏别人不如蒸馏自己——这一次钥匙在你兜里。【免费下载链接】yourself-skill与其蒸馏别人不如蒸馏自己。欢迎加入数字永生Inspired by colleague-skill同事skill。项目地址: https://gitcode.com/gh_mirrors/yo/yourself-skill创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉