Skip to content

README.zh-CN.md

Latest commit

 

History

History
155 lines (109 loc) · 6.56 KB

README.zh-CN.md

File metadata and controls

155 lines (109 loc) · 6.56 KB
Raw

English | 中文

Ask Me First — 个人工作分身

我的工作接口、第一接触面、降低沟通成本减少打断的工作分身。

这是一个真正的工作分身系统。它拦截收到的消息并自主代你回复，通过观察真实对话学习你的沟通风格，保护你的专注时间。

v2.1.x 新特性

  • 人格学习系统：通过观察你与他人的真实互动，自动提取并进化你的沟通风格。
  • inbound_claim 消息拦截：在消息到达主智能体之前，直接认领并回复低风险、高频次消息（如打招呼、进度确认等）。
  • 对话式风格学习：基于对话流的风格捕获，不再依赖死板的模板。
  • 每用户 persona.json：精细化的人格定义，支持手动调整和自动演进。

OpenClaw v2026.3.23 兼容性声明

本插件已完全适配 OpenClaw v2026.3.23 插件策略调整：

  • 使用 definePluginEntry SDK 入口（v2026.3.22 引入）。
  • 注册 inbound_claim 钩子实现消息自主拦截 —— 这是 3.23 时代插件架构的核心能力。
  • 注册 message_sending 钩子进行被动对话观察和人格学习。
  • 所有能力均在 openclaw.plugin.json 中按新版清单规范声明。
  • 以 code-plugin（非 skill）身份发布至 ClawHub，符合更新后的分类体系。

最低 SDK 版本：>=2026.3.22。推荐：>=2026.3.23。

工作原理

Ask Me First 包含两条核心消息处理流程：

1. 拦截流程 (inbound_claim)

适用于低风险的日常沟通，直接由分身接管，不触发主智能体逻辑。

消息 → inbound_claim → 分类器 (Classifier) → 自动认领低风险消息 → LLM 生成分身回复 → { handled: true }

2. 复杂流程 (before_prompt_build)

适用于需要深入上下文或权限校验的情况，分身作为主智能体的“前哨”提供决策支持。

消息 → before_prompt_build → 分身决策链 → 身份识别 + 状态感知 + 升级策略 → 上下文注入 → 最终回复

快速开始

推荐使用 ClawHub 进行一键安装：

clawhub package install ask-me-first

也可以通过 npm 安装：

npm install ask-me-first

或通过 Git 源码安装：

git clone https://github.com/LENKIN233/ask-me-first.git

人格系统

分身拥有独立的人格定义文件 persona.json，支持从冷启动到成熟的完整生命周期：

  • 冷启动 (Seed)：使用内置的种子配置开始工作。
  • 学习期 (Learning)：分身会监听 message_sending 钩子，观察主人的回复风格。
  • 成熟期 (Stable)：风格趋于稳定，能够精准模仿主人的语气、用词和决策偏好。

核心能力：

  • 消息分类：自动识别意图（问候、确认、日程、决策、敏感请求等）。
  • 自动认领：对低风险意图（如简单的收到、好的）进行秒级自动回复。

项目结构

ask-me-first/
├── index.ts                       # 插件入口 (hooks, commands, services)
├── openclaw.plugin.json           # 插件清单 + 配置 Schema
├── package.json                   # v2.1.2
├── src/
│   ├── controller.ts              # AvatarController 编排器
│   ├── decision-chain.ts          # 确定性决策链 (232 行)
│   ├── persona/                   # ★ 人格学习系统
│   │   ├── schema.ts              # PersonaProfile 类型、校验、合并
│   │   ├── classifier.ts          # 基于规则的消息分类器 (10 类)
│   │   ├── renderer.ts            # 人格感知的系统提示词渲染
│   │   └── learner.ts             # 对话观察器 + 特征蒸馏器
│   ├── state/                     # 状态检测 (Win32 + 日历)
│   ├── identity/                  # 身份解析 & 信任评分
│   ├── escalation/                # 三级升级引擎
│   ├── generation/                # 回复格式化
│   ├── tools/                     # 日历、在离线、上下文、记忆
│   └── utils/
│       └── safe-write.ts          # 原子化文件写入
├── config/
│   ├── persona-seed.json          # ★ 默认人格种子
│   ├── identities.json
│   ├── escalationRules.json
│   └── templates.json
├── prompts/
│   └── persona-system-prompt.md   # 可自定义的人格提示词
├── tests/                         # 68 项测试, 14 套件
└── docs/

运行时工作区

插件会在你的 OpenClaw 工作区创建专用目录 ~/.openclaw/workspace/ask_me_first/。

这里存储了你的分身“灵魂”：

  • persona.json：定义了你的语气、边界、自主权等。
  • persona_events.jsonl：记录了所有被观察到的对话事件，用于后续的学习蒸馏。

配置

在 openclaw.plugin.json 或 users.json 中可以配置：

  • 信任分系统：根据互动频率和历史记录动态调整访客信任等级。
  • 状态感知：关联飞书日历或 Windows 窗口状态，判断当前是否处于“专注模式”。
  • 升级规则：定义哪些词汇或场景必须交由主人亲自处理。
  • 人格自定义：手动锁定部分人格字段，防止自动学习覆盖你的特定偏好。

核心特性

  • 全自动语气学习：支持 tone, formality, verbosity, emoji 偏好学习。
  • 多层级拦截：从简单的正则过滤到复杂的 LLM 意图识别。
  • Windows 状态感知：自动识别当前的 IDE、会议软件状态。
  • 飞书日历集成：根据日程安排自动切换分身的在线状态。

安全性

  • 零环境变量依赖：不读取任何敏感环境变量，所有配置均通过插件系统注入。
  • 安全表达式求值：采用沙箱化处理，防止远程执行攻击。
  • 原子写入：所有状态文件均采用原子写入，确保掉电不丢失、不损坏。
  • 透明能力声明：通过 openclaw.plugin.json 显式声明所需的所有权限。

API 稳定性

接口 稳定性 说明
inbound_claim Stable 核心消息拦截接口
message_sending Stable 用于观察并学习主人风格
before_prompt_build Stable 上下文注入接口

限制

  • 状态检测：前台窗口检测目前仅支持 Windows 平台。
  • Distiller：本地的大规模语料蒸馏 (Distiller) 仍在开发中，目前依赖在线 LLM 进行小规模学习。

开源协议

MIT