我的 Jarvis 是怎样搭起来的

上一篇文章里，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：

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。