> ## Content Index
> Fetch the complete content index at: https://www.linggandianbo.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# 我的 Jarvis 是怎样搭起来的
- URL: https://www.linggandianbo.com/wo-de-jarvis-shi-zen-yang-da-qi-lai-de/
- Published: 2026-09-06T04:00:13.000Z
- Updated: 2026-09-06T04:00:13.000Z
- Description: 个人 AGI 不是把所有东西塞进一个超级应用，而是用一层由自己控制的智能，把记忆、工具、方法和真实行动连接起来。
- Author: 董双赫
- Tags: 文章

[上一篇文章里](https://www.linggandianbo.com/newsletter-137/)，我试着回答了"什么是个人 AGI"：它不只是一个更聪明的模型，而是一套以个人生活为边界，能够长期记忆、调用工具、从合作中积累能力，并最终由个人控制的智能系统。

文章结尾我留了一句话：下一篇，回到自己的搭建过程。这篇就是来还债的。

先说明一件事：我的 Jarvis 还远没有完成。

它不是能在展台上演示的成品，而是一套正在日常任务中反复试验的系统。它已经能帮我回顾一天和一周，从不同工具里读取线索，在写文章和处理工作时找回项目背景，也能把我们反复跑通的步骤保存成可复用的方法。同时，它仍然会漏掉信息，会把"安排过"误解成"做到了"，也需要我在关键步骤上确认、纠正和验收。

正因为它还在成长，我才开始看清：个人 Jarvis 的架构问题，往往不是"选哪个模型"，而是**哪些东西应该连在一起，哪些东西必须保持分开**。

下面是我目前做出的几个选择。

## Jarvis 不是一个超级应用

如果只看我在用的工具，这套系统一点也不像电影里的 Jarvis。

Todoist 负责捕获想法和管理行动，Google Calendar 保存时间安排，PARA 里的 Markdown 文件保存项目、知识和长期记录，Codex 负责读取这些来源、理解当前任务，再调用工具完成工作。邮件原件继续留在 Gmail；私密日记甚至可以完全不进入 Jarvis。

这里先解释几个词，后文不再重复。PARA 是 Projects（项目）、Areas（长期负责的领域）、Resources（资源）和 Archives（归档）的缩写，是一种按"资料与当前行动的关系"组织信息的方法。Markdown 是一种结构简单、便于迁移的纯文本格式。Codex 这类能读取本地文件、调用工具、执行任务的 AI 工作环境，工程上称为 Harness：如果模型是大脑，Harness 就是让大脑能读记忆、用工具、做事情的神经系统。

这套系统更像一组可插拔的零件。每个软件继续做自己擅长的事：任务软件提供成熟的捕获和待办界面，日历管理安排，文件系统保存我长期拥有的记录。AI 不替代它们，而是在上面形成一层智能，理解我此刻的意图，从不同地方取回证据，再组织成一次可检查的行动。

这是我目前最重要的选择：

> **Jarvis 是 PARA 之上的智能层，不是另建一个"第二大脑"。**

代价很明显：系统没有一个统一的界面，工具之间的边界要我自己设计。好处同样明显：我不必把整个生活交给同一家公司，也不会因为换一个模型或工具，就把与 AI 共同积累的一切重新开始。

## 第一个决定：记忆留在自己手里

我的 Jarvis 最底层不是模型，而是文件。

项目进度、日常经历、写作草稿、读书笔记和我们共同形成的工作方法，最终都以普通 Markdown 文件保存在 PARA 里。它们可以用 Obsidian 打开，也可以用任何编辑器读取；可以与任何模型合作，也可以在没有 AI 的时候继续使用。

这就是上一篇里那句"大脑可以更换，人生不必重置"的具体实现。

为什么不先上数据库、向量搜索和知识图谱？

因为目前影响我的问题，还不是"在几百万条记录里按含义找资料"，而是更朴素的事：一个项目有没有清楚的入口，当前状态和历史记录有没有混在一起，我们能不能找到某个结论的来源和日期。

只要普通文件和精确搜索还能解决问题，更多基础设施就不是能力，而是需要额外照顾的负担。未来如果加入索引、向量库或关系图，它们也只会是可以从 Markdown 重新生成的辅助层，不会取代作为最终依据的原始文件。

> **复杂度要由已经发生的失败来推动。**

## 第二个决定：先选上下文，再调用智能

把所有文件开放给 AI，不等于它理解了你。

上下文越多，有时反而越容易混乱。几年前的一次决定，可能已经被后来的经历推翻；Inbox 里一篇写得很完整的灵感，可能只是一个尚未采纳的念头；任务软件里的一个勾选，也不能证明现实中的事情已经完成。

所以在 PARA 和 Codex 之间，我设计了一个"图书管理员"。

它不是新软件，而是一组很薄的入口和读取规则：处理某个项目时，先读项目当前入口；需要近期背景时，只打开相关日期的记录；需要原始证据时，才进入归档和附件。同时它要检查来源、日期和状态，遇到新旧记录冲突时，不能悄悄选一个看起来更合理的答案。

这层规则让我意识到，长期记忆的难点不只是"存下来"，还有"在正确的时刻选中它"。

普通 AI 往往在回答之前先展示智能。我更希望 Jarvis 在回答之前先展示克制：知道该看什么，也知道哪些东西暂时不该看。

## 第三个决定：工具各归其位

Codex 是这套系统的 Harness，但 Codex 不是 Jarvis 本身。

模型会更新，Harness 也可能更换。属于我的，是记忆、方法、证据和为它设定的边界。这也解释了我为什么没有急着安装一套更庞大的 Agent 框架：现有的 Codex 已经可以读取本地文件、遵循项目规则、调用外部工具，也能把验证过的流程保存下来。在遇到 24 小时运行、持续监听，或者需要在自己设备上跑多个模型之前，更换 Harness 只会提前支付迁移成本。

外部软件遵守同样的边界。Todoist 保存行动，Google Calendar 保存日程的原始记录，Gmail 保存邮件原件。Jarvis 可以读取它们，提出下一步，在我确认后帮助执行；但它不会为了"统一"，先把整个邮箱、日历和任务库复制进 PARA。

> **一个主动入口，多个来源连接器。**

我不想每天先决定该把一个念头发到哪个 AI 收件箱。目前，我用 Todoist 的 Quick Add 作为唯一的主动文字入口：想法加 `@capture` 标签，明确的行动保持普通任务语义。邮件、日历和其他外部记录留在原地，需要时再被查找和处理。

这里有一个取舍。Todoist 的捕获体验更好，却不是我的永久档案；Markdown 由我持有，却不一定是手机上最低摩擦的输入方式。所以 Todoist 只做临时中转，每日回顾时再把确认后的原文写入 Markdown。

捕获要快，记忆要稳。同一个工具不必同时做好这两件事。

## 第四个决定：让经验变成可复用的方法

如果 Jarvis 只是记住了我的资料，它仍然不会因为合作而变得更好。真正的积累发生在"做事的方法"里。

举个例子。我最近一直在用 Jarvis 做每日回顾。一开始我以为它只要读取当天的任务和日历，然后写一篇总结。真正跑起来才发现，这会制造大量"看起来合理的错误"。

日历只能证明我安排了一次运动，不能证明我去了。Todoist 上的"完成"可能只是我处理掉一条灵感，不是生活里的成果。一条创建记录可能还在，对应的任务却已经被删除。

所以现在的每日回顾会先收集 Todoist、Google Calendar、相关项目和当天任务里的证据，区分"已知事实"与"需要确认的线索"，再用少量问题让我补齐现实中缺失的部分。确认之后，总结和原始想法才写入当天的 Daily。

这套流程不是从理论里一次设计出来的。它出错过，被我纠正过，又在第二天的真实任务里重新验证。等一类任务的步骤、证据边界和确认点稳定下来，我才把它沉淀成可以反复调用的 Skill。

在我的系统里，Skill 不是从网上收集的"能力包"，而是一段被自己的真实任务验证过的工作方法。它要说清什么时候被调用，读取哪些资料，产生什么结果，在哪些地方停下来等我。

这是 Jarvis 从"了解我"走向"学会怎样与我合作"的关键一步。

但这里也容易走向另一个极端：一遇到新问题就改 Skill，把某次偶然成功的绕路写成永久规则，最后得到一套越来越长、越来越脆的流程。所以我给 Skill 的进化也设了门槛：一次问题只是现象，重复出现才成为待验证的假设；每次只改一个主要问题，用代表性任务重新测试；改善了就接受，出现回归就撤回，被拒绝的方案也保留原因。

系统可以学习，但不应该在我看不见的地方悄悄改写自己。

## 把人工确认设计进架构

如果只看自动化程度，我的 Jarvis 也许显得不够"智能"。

它会在写入重要信息前让我确认，在发邮件前展示收件人和正文，在移动或删除文件时停下来，也会在证据不足时明确说"我不知道"。

这些停顿看起来降低了效率，却是信任的来源。

个人 Jarvis 与普通软件有一个根本区别：它处理的不是一类抽象用户的数据，而是一个具体的人的邮件、记忆、关系、行动和承诺。它越有能力，出错的代价就越高。权限不是系统搭好以后再补的安全选项，它本身就是架构的一部分。

我目前的做法是：读取优先，写入谨慎；可恢复的操作优先，不可逆操作单独确认；AI 可以提议，但不能把推测悄悄变成我的事实或决定；每次重要行动之后回读结果，不因为工具返回"成功"就认为事情已经完成。

我不追求让 Jarvis 替我做最多的事，而是追求它提高我的**净行动力**：它创造的真实结果，扣除监督、纠错、迁移、隐私和依赖成本之后，仍然为正。

一套自动化如果省了我五分钟，却要我每天花十分钟确认它没有惹祸，那它不是 Jarvis，而是另一份需要照顾的工作。

## 我刻意没有做的事

搭建过程中，"不做什么"逐渐变得和"做了什么"一样重要。

我研究过更完整的个人知识库、向量检索、知识图谱和常驻 Agent，也很容易想象一个统一界面下的终极产品：待办、日历、邮件、笔记和 AI 都在同一个地方，系统全天候主动运行，甚至自动修改自己的 Skill。

这个未来有吸引力，但它不是我的当下。

现在，我没有建第二套与 PARA 重复的知识库，没有全量导入邮箱、日历、联系人和历史日记，也没有为了看起来更像"真正的 Jarvis"去创建常驻服务、健康仪表盘或自动发布链路。

甚至在已经能自动的地方，我也会先手工跑几次。一个流程如果还需要我频繁改口径、补漏项、修边界，让它定时运行只会稳定地放大错误。

我给自己定的顺序是：

> **真实问题 → 手工跑通 → 简单规则 → 重复验证 → Skill → 高频后再自动化。**

这个顺序看起来慢，但它让每一层复杂度都有自己存在的理由，也让我随时可以退回上一层。

## 简单到能被自己理解

搭建 Jarvis 的过程里，我有过一段明显的兴奋期。当 AI 可以连接越来越多应用，甚至反过来影响我选什么软件时，那种感觉很像科幻突然进入了日常。

但在我把行动系统从 Things 换到 Todoist 的那一天，兴奋很快变成了疲惫。一个工具接入的 Skill 越多，更换时牵动的流程就越多。原本为了减少摩擦的系统，也会长成新的复杂性。

那一天我留下一个很重要的感受：要信任 Jarvis，首先必须了解自己的系统。

所以我开始用四个问题检查它的健康：

- 找得到吗？
- 信得过吗？
- 跑得通吗？
- 养得起吗？

"找得到"意味着记忆能在需要时回来；"信得过"意味着系统不混淆来源、时间和事实；"跑得通"意味着它不只给出漂亮回答，还能完成真实任务并回读结果；"养得起"意味着它节省的时间和精力，必须大于维护它的成本。

如果一套个人智能系统只有创建它的人才能勉强理解，每次换工具都像做一场心脏手术，那它离 Jarvis 还很远。好的架构不该让我越来越崇拜它，而该让它越来越容易被理解、更换和修正。

## 从一张架构图，回到一个人的生活

现在回头看，我的 Jarvis 可以画成一个很简单的闭环：

![](https://storage.ghost.io/c/46/89/468936ed-3e50-42af-973e-a8a14f0eaa0e/content/images/2026/09/CleanShot-2026-09-06-at-11.44.54-AM@2x.png)

我的任务、日程和文件提供事实与上下文；图书管理员规则选出这次需要的部分；Codex 调用模型、Skills 和工具完成工作；我确认结果、纠正错误、做出决定；只有经过确认的事实、经验和方法，才重新回到我长期拥有的记忆里。

这张图里，没有哪个节点可以单独叫作 Jarvis。Jarvis 是它们之间那个能持续运转的反馈闭环。

它使用可以更换的外部智能，却把与我有关的记忆和方法留在我手里；它能够行动，又通过权限和人工确认为行动设定边界；它从我们的共同经历中学习，但不把每一次偶然写成无法更改的规则。

上一篇文章里我说，个人 AGI 的诞生可能非常安静：它从第一条被认真保存的记忆开始，从第一次不需要重复解释开始，也从第一次发现它真的吸收了你的纠正开始。

现在我会再加一句：

> **Jarvis 也从第一次克制自己开始。**

它知道什么该记住，什么可以忘记；什么可以代劳，什么必须由我确认；什么是已经发生的事实，什么只是它根据线索做出的推测。

我希望的个人智能系统，不是一台越来越庞大的机器，而是一个越来越了解我、也越来越懂得在正确地方停下来的合作者。

它不会替我过好生活。它会让我更有能力，也更有余地，去过自己想要的生活。