AI本地个人档案：让大模型更懂你的秘密武器

最近在圈子里看到一个挺有意思的话题：大家都给自己的AI助手建了个「本地个人档案」吗？

乍一听这词儿可能有点玄乎，但其实这事儿特别实用。咱们平时用ChatGPT、Claude或者各种本地大模型，是不是总觉得聊着聊着它就「失忆」了？或者它给你的回复总是显得有点「客套」，不够懂你？

这就是因为AI没有你的「底细」。建立一个本地个人档案，其实就是把你的偏好、背景、常用格式甚至说话习惯，喂给AI，让它有一个长期的记忆上下文。这不仅仅是方便的问题，更是效率的质变。

简单来说，就是为了降低交流成本，提升输出质量。

想象一下，你是个程序员，你希望AI生成的代码总是用Python，并且遵循特定的PEP8规范；或者你是个内容创作者，你希望AI写文章总是带着某种幽默感，且字数控制在800字左右。

Python代码显示器，强调代码规范

为AI设定输出规范，让它像资深程序员一样写出符合PEP8标准的代码

如果没有档案，你每次提问前都要加一堆定语：

"请帮我写一段Python代码，要注意PEP8规范，用Type Hints，不要用第三方库..."

有了档案，你只需要说：

"帮我写个爬虫。"

AI会自动去调取你的档案，知道该怎么写。这感觉，就像是从和一个临时工合作，变成了和一个跟了你好几年的老秘书合作。

编辑器中输入系统提示词的界面

通过System Prompt注入个人档案，是定制AI最直接的方法

别把档案写成简历，那没用。AI不关心你得过什么奖，它关心的是怎么输出符合你心意的内容。建议从以下几个维度来构建你的档案：

身份与标签：简单描述你的职业和核心关注点。
- 例子：我是资深的DevOps工程师，专注于云原生架构，喜欢自动化脚本。
输出偏好：这是重点。
- 语言风格：直接、专业、不要废话、或者幽默风趣。
- 格式要求：代码块总是要带注释、文档总是用Markdown、列表总是用无序列表。
- 技术栈：默认用Python 3.10+、React、Terraform等。
负面清单：明确告诉AI不要做什么。
- 不要解释显而易见的概念。
- 不要用太长的引言，直接给结果。
- 不要推荐付费软件。
常用上下文：如果你有固定的项目背景，也可以放进去。
- 我正在维护一个老旧的Java项目，Java版本是8，不要建议升级到新版本。

很多人卡在这一步，不知道这「档案」存哪儿。其实主要有两种流派：

流派一：Prompt 前置法（适合所有在线AI）

如果你用的是ChatGPT Web版或者Claude，最简单的办法就是搞一个「系统提示词（System Prompt）」。

新建一个Note或者备忘录，把上面写好的档案内容存好。每次开启新对话时，直接复制粘贴作为第一条发送，或者利用平台提供的「自定义指令」功能（比如ChatGPT Plus的Custom Instructions），把这些内容填进去。这样以后所有的对话都会默认携带这些背景。

流派二：本地知识库挂载（适合技术玩家）

如果你玩的是本地大模型（比如用Ollama、LM Studio），或者是一些支持RAG（检索增强生成）的工具，那就更高级了。

你可以创建一个名为 user_profile.md 的文件，里面写好你的档案。然后在启动API调用或者客户端时，把这个文件作为「知识库」或者「预设Prompt」加载进去。

比如使用一些第三方前端UI时，通常会有「System Prompt」设置框，把档案丢进去就行。如果你用的是SiliconTiger或者其他支持本地知识库的项目，直接把md文件丢进索引文件夹，它就能自动检索。

建好档案不是一劳永逸的。用了几次你会发现，有时候AI还是理解偏了。这时候回去修改你的档案，把容易产生歧义的地方改得更精准。

比如一开始你可能写了「帮我写代码」，后来发现AI写得太多注释很烦，你就改成「代码要简洁，仅注释关键逻辑」。经过几次迭代，这个档案就会越来越像你自己的「数字分身」。

建立AI本地个人档案，本质上是在做「AI治理」的一小步。从被动接受AI的标准化输出，到主动定制AI的思维方式，这不仅仅是省几十个字的事儿，更是一种把工具真正用「顺手」的体现。

还没折腾的朋友，强烈建议花十分钟写一个。哪怕只有简单的几句话，用起来体验也会截然不同。