一次实验： AI 实现赛博转生

最近同事.skill在互联网上很火，我觉得这个东西也许不只能停留在 Claude Code 这样的工具上，而是有可能实现让 AI Agent 来维护一个人所有的社交网络。

我选择 Telegram 为平台做一个简单实现，原因则是我在这上面最活跃，且 Telegram 有成熟的 user bot 框架（ Telethon ）。

人格提取

Telegram Desktop 自带数据导出，这点很方便，导出 JSON 后我 vibe 了个人格提取工具，工作流程如下：

1. 时间将聊天切块，并且只考虑用户本人发言的 chunk ，让 AI 标注其中的语气、互动、meme 等；
2. 对每个群聊/私聊汇总，并总结聊天中的主要话题；
3. 对发言风格、人际关系、群聊主要话题等等进行提取。

赛博转生

提取出人格后就需要让 AI 模仿，在启动时候先将历史消息填充到短期记忆，避免上下文缺失。

收到消息时，首先通过活跃时间段判断是否推迟回复（睡觉），如果当下可以回复则让 LLM 结合上下文、话题以及过去在群内是否活跃推断是否需要回复。如果需要回复则结合上面提取的人格和短期、长期记忆进行回复。LLM 生成回复后会模拟人的输入延迟来回复。

效果

实际运行起来，AI 能很好模拟一个人的发言风格，比方说我习惯快速发送多条短消息进行回复，而 AI 也能做到这一点。

不过仅凭聊天数据显然没有办法提取一个人所学的所有知识，所以在讨论专业话题时有点捉襟见肘。我试着加了 Exa 的搜索 MCP ，但是 GPT-5.4 似乎不太常调用，推测是提示词还有优化空间。

此外还有一个问题在于 AI 比人类有逻辑，所以被朋友评价为没有本人的抽象感。

代码开源在 GitHub ，就当是个玩具了。

https://github.com/kotodamai/telegram-persona

https://github.com/kotodamai/kotodamai-telegram