Skillget

VirtualMe

agent
Guvenlik Denetimi
Uyari
Health Uyari
  • License — License: MIT
  • Description — Repository has a description
  • Active repo — Last push 0 days ago
  • Low visibility — Only 5 GitHub stars
Code Gecti
  • Code scan — Scanned 12 files during light audit, no dangerous patterns found
Permissions Gecti
  • Permissions — No dangerous permissions requested

Bu listing icin henuz AI raporu yok.

SUMMARY

Extract a person into an AI agent — through an 8-week therapist-style interview, not a form. The open-source alternative to $4K AI clone courses.

README.md

VirtualMe

把一個人萃取成 AI 代理人——用 8 週訪談，不用填表。

License: MIT
Python 3.11+
English

VirtualMe Concept

為什麼這個 repo 存在

市面上一堆「打造你的 AI 分身」課程在賣 $3,000–$5,000 USD。我看了大綱，他們在賣三件事：

  1. 教你怎麼填 SOUL.md / SKILL.md 之類的人格檔案
  2. 教你串 Claude / OpenAI API
  3. 同儕網絡 + 督促 + 教練回饋

技術上，這三件事不需要 $4,000。 VirtualMe 是這三件事的 open-source 版本。

順帶兩件事：

  • 這不是另一個會在某天 silently update 之後讓你覺得「我的 AI 變成另一個人了」的黑盒子產品——SOUL / VOICE / BOUNDARIES 是你自己的 markdown 檔，每次修改你都看得到、改得回。
  • 你的訪談對話不出你的機器。沒有後台、沒有人類 moderator review、沒有 cloud sync。hard delete 是真的 hard。

Why now（為什麼是現在做這個）

學術界已經把這條路驗證掉了：Stanford 的 Joon Park 等人 2024-11 發表 arXiv:2411.10109，證明 2 小時訪談 + LLM 可達 85% GSS 重答準確度。Joon 本人 2026-02 把這個技術 productionize 成 Simile，由 Index Ventures 領投、Fei-Fei Li 與 Andrej Karpathy 背書，融資 $100M USD。

Simile 有兩條產品線：

  • B2B：給企業預測客戶 / 員工行為（已有 CVS Health、Wealthfront、Suntory、Gallup 等客戶）
  • B2C：MiniMe，10 分鐘訪談給個人用戶建 AI agent

MiniMe 跟 VirtualMe 是最直接的競品。對比：

Simile MiniMe VirtualMe
訪談長度 ~10 分鐘（單次） 8 週多輪 therapist-style
訪談深度 快速 snapshot R1–R5 五層追問 + 三角校驗
開源 ❌ 閉源 ✅ MIT
驗證機制 未公開 Blind test protocol (Week 5 / Week 8)
數據所有權 Simile 持有 你自己的 markdown 檔
成本 未知（可能捆綁訂閱） ~$60 一次 + $5/月
持續演進 平台決定 你自己 commit / fork

如果你要的是 10 分鐘快速 snapshot 拿去 Simile 用，去 MiniMe。
如果你要的是 8 週深度萃取、檔案自己擁有、隨時可以 fork——VirtualMe。

兩件事不同方向，不是替代關係。但你應該清楚自己在選哪一條。

開源個人 AI extraction 的生態目前幾乎空白（spec 07-related-work.md 有完整盤點：5 個 verified open-source neighbors，沒有一個實作完整 pipeline）。時間窗口很短。

核心翻轉：不填表，被訪談

填問卷產出的人格檔案是表演式的——大多數人寫的是「我想成為的樣子」而不是「我實際是誰」，結果產出的 AI 代理人講話像 LinkedIn 簡介。

VirtualMe 用 therapist-style 深度訪談取代問卷：

  • Bot 每次問一題，等你完整回答，追問 rationale
  • 五條 R1–R5 追問規則：事實 → 模式 → 原則 → 反例 → 三角校驗
  • 只有三角校驗過的原則（在 ≥3 個不同問題出現過）才寫進 SOUL 錨點
  • 行為樣本 / 失敗案例權重高於抽象自陳

學術依據

Stanford / Joon Park et al. (arXiv:2411.10109) 已證實：2 小時訪談 + LLM 可以以 85% 準確度重現受訪者的 General Social Survey 答案——比受訪者本人一週後重答還準。

VirtualMe 把這個發現延伸成可上線的 pipeline：

  • 訪談分散到 8 週 × 30 分鐘（總共 4–6 小時，遠超 2 小時門檻）
  • 同步蒐集語音樣本給 retrieval-augmented 代言用
  • Week 5 / Week 8 兩次盲評 gate 擋過擬合

8 週後你會拿到什麼

8 個 markdown 檔案（你的 archive）：

檔案 內容
SOUL.md 身份、價值觀、紅線
VOICE.md 標籤化語氣樣本（retrieval-augmented，不全進 prompt）
SKILL.md 領域 know-how
PEOPLE.md 關係人物 schema
HISTORY.md 人生敘事
JOURNAL.md 事件 log（月更）
BOUNDARIES.md 拒答清單 + PII 規則 + persona update protocol
STATE.md 近況（月更）

加上一個可用的 agent endpoint，可以：

  • 起草給客戶 / 候選人 / 同事的訊息
  • 用你的語氣回覆公開貼文
  • 篩選 incoming 訊息
  • 永遠是 draft → 你 review → ship，不會自動發

不能做 / 不會做的事

  • ❌ 這不是 chatbot 平台。是「萃取你」的 pipeline，產出檔案後你可以餵給任何 LLM。
  • ❌ 不是 fine-tune。是 prompt-layer + retrieval。便宜、快速、可替換。
  • ❌ 不是自動代理人。每一則 outgoing 訊息都是 draft → 人類 review → ship。
  • ❌ 不是課程。沒有教練、沒有同儕、沒有結業證書。讀 spec、fork repo、自己跑。

Memory + 自我學習（搭配 memory-hall）

VirtualMe 的 memory 分 4 層（詳見 specs/08-memory-architecture.md）：

層 內容 預設 backend 自我反省能力
L1 Episodic 對話本身 SQLite —
L2 Semantic 萃取的 triples / anchors SQLite —
L3 Reflective 矛盾偵測 / drift detection memory-hall ✨ ✅
L4 Corrective agent feedback 學習 memory-hall ✨ ✅

VirtualMe 預設用 SQLite（零依賴、本地），但真要跑 8 週深度 pipeline + 自我學習 + 自我反省，建議搭配另一個 Apache 2.0 OSS 專案：

→ memory-hall — The AI agent memory engine that deliberately stays small. SQLite + sqlite-vec + Ollama, CJK-native.

memhall 內建 hybrid search、provenance / upstream tracking、HMAC auth、CJK 分詞——這些是 SQLite 路徑做得到但要重造輪子的東西。兩個專案是天然互補：VirtualMe 萃取人 → memhall 存取 + 反省 + 跨 session 學習。

詳細整合計畫見 v0.5 issue #5 與 #10。

誠實告知的限制

  • Prompt-layer persona 在長對話一致性和對抗性輸入上有結構性上限
  • 真正 production-grade 的個人 AI 需要 fine-tune（六位數成本）
  • VirtualMe 是「80% 日常場景夠用、不完美」的版本，不是 perfect fidelity
  • 高風險決策永遠由人類覆寫，不依賴代理人

成本

  • 一次性：< $60 USD（Claude API 跑 16 次訪談 session）
  • 持續：~$5 USD/月（月更 STATE + 偶爾 inference）

大約是 $4,000 課程的 1.25%。

Quick Start

需求：Python 3.11+、Anthropic API key。

git clone https://github.com/MakiDevelop/VirtualMe.git
cd VirtualMe

# 安裝
pip install -e ".[dev]"

# 設定環境變數
cp .env.example .env
# 編輯 .env，填 ANTHROPIC_API_KEY

# 初始化資料庫
python scripts/init_db.py --path ./data/virtualme.db

# Phase 0：CLI 跑一輪訪談（不接 LINE）
python -m virtualme.cli --interviewee yourself

接 LINE / Telegram / 其他 messaging platform → 改 src/virtualme/transport/。

文件結構

specs/                          # 完整 spec（讀這裡）
  00-overview.md                # 從這份開始
  01-interview-engine.md        # 訪談引擎、R1-R5、Question Selection
  02-question-pool.md           # 70+ 題分 8 週、領域客製範例
  03-blind-test-protocol.md     # Week 5 / Week 8 盲評流程
  04-tech-stack.md              # FastAPI + SQLite + Claude Opus
  05-boundaries-and-pii.md      # 倫理 / 隱私 / informed consent / 紅線
  06-three-plans.md             # 三種跑法（自跑 / 代跑 / 群組）

src/virtualme/
  config.py                     # Pydantic Settings
  main.py                       # FastAPI app
  cli.py                        # 本機 CLI
  interview/
    bot.py                      # 核心 orchestrator (process_turn)
    depth_evaluator.py          # fact / pattern / principle 分類
    follow_up.py                # R1-R5 decision tree
    question_selector.py        # Question Selection 算法
    anchor_extractor.py         # 從 turn 萃取 anchor
    pii.py                      # 輕量 PII detection
  storage/
    schema.sql                  # SQLite schema
    db.py                       # 資料層
  transport/
    line.py                     # LINE webhook
    cli.py                      # CLI transport
  data/
    question-pool.yaml          # 題庫（agnostic 模板 + 客製範例）

diagrams/
  virtualme-concept.png         # 系統概念圖

tests/unit/                     # 單元測試
scripts/init_db.py              # DB 初始化

三種跑法

適合誰 你做什麼 成本
Plan A 自跑 — 技術人員 Fork、客製、跑 8 週 ~$50 API
Plan B 代跑 — 技術人員幫非技術人員跑 Operator 全包技術；受訪者 8 週聊天 $50–80 API
Plan C 群組 — 朋友一起跑 各自一個 DB；facilitator 協助 自訂

詳見 specs/06-three-plans.md。

License

MIT — see LICENSE。

致謝

  • Stanford 研究團隊 + Joon Park 等人提供 interview-based agent extraction 學術基礎
  • Anthropic 提供 Claude API（也是 VirtualMe 的核心 LLM）
  • 所有願意花 8 週讓 bot 訪談自己的人

貢獻

issues / PRs welcome。但這個 repo 的 scope 刻意小——歡迎：

  • ✅ 翻譯（增加語言版本 README）
  • ✅ 領域 question pool 客製範例（Sales / Engineer / PM / Doctor / Teacher / 其他）
  • ✅ 新的 messaging transport（Telegram / Discord / Slack / Matrix）
  • ✅ Spec 清晰度改善

謝絕：

  • ❌ Dashboard / 管理介面（違反設計哲學——不做需要盯著看的東西）
  • ❌ 多租戶 SaaS 化（單人 pipeline 才是核心）
  • ❌ 自動 fine-tune（prompt-layer 夠用，不必過度工程化）

討論細節： GitHub issues 或在 LinkedIn DM 我。

Yorumlar (0)

Sonuc bulunamadi