我为什么要给自己建一套「个人上下文资产」

每次切换 AI 模型，你要花多少时间重新让模型认识你？

我统计了一下，大概30-50分钟。但最烦的其实是那些信息散落各处，根本不知道去哪儿找——项目背景在某个对话里，禁止行为写在另一个地方，关系网络全凭印象重新描述。

这件事让我意识到：我对 AI 说过的所有上下文，都被困在了各个平台的记忆系统里。Claude 知道的，GPT 不知道。GPT 调教好了，换 Gemini 又要从头来。

这个问题不应该靠「不切换模型」来解决。

问题的本质

迁移麻烦只是表象，真正的问题是信息没有固定的家。

你用 Claude 积累的上下文，本质上是你的资产——你的工作方式、你的项目、你对 AI 的行为要求。这些东西应该属于你，存在你的本地，别锁在某个平台的数据库里。

我把这类信息叫做 Personal Context Asset(PCA，个人上下文资产）。

PCA 是什么

一组本地 Markdown 文件，覆盖一个人在 AI 语境下的完整上下文。

简历？自我介绍？都不对。它是让任意 AI 模型快速进入工作状态所需要的全部信息。

我把它设计成10个正交维度：

每个维度有更新频率（从月级到年级不等），有敏感级别标注。

分级披露

不是所有信息都适合给所有模型看。我设计了4个级别：

L0 公开版(<500 tokens)：只有身份标签和行为规则，随意粘贴，没有任何敏感信息。

L1 工作版(<2000 tokens)：加上项目背景、能力专长、工作关系。适合日常 AI 协作，可以安全发给任何商业 AI 服务。

L2 信任版(<5000 tokens)：包含脱敏后的健康状态、资产信息、完整关系网络。适合长期使用的主力模型。

L3 全量版：原始数据，只存本地，永不外发。

最重要的部分：D2认知操作系统

10个维度里，D2认知操作系统最特殊。

其他维度记录的是“你是什么样的人”——你的背景、能力、项目、关系。但 D2记录的是**“你要求 AI 怎么工作”**。

这里存的是你对 AI 的强制约束——注意，这些是必须执行的规则，不只是偏好：

ai_hard_rules:
  forbidden:
    - "不说套话:禁止'很有意思''可能值得考虑'"
    - "不主动生成docx/pptx,默认markdown"
    - "不把兴趣/等候名单当需求,付钱才算需求"
  required:
    - "必须表态:这能不能成立,依据是什么"
    - "方案给出2-3个路径并明确推荐"

这些规则粘贴进任何模型，立刻生效。不需要再花时间「调教」。

使用流程

建立（第一次，约15-30分钟）

1. 把导出 prompt 粘贴进已积累上下文的模型

2. 获得草稿，检查⚠️标记，删除不想保留的内容

3. 填入模板，空白处标【待填写】

4. 按级别生成4个导出文件

迁移（每次切换模型，约2分钟）

1. 打开 L1_work.md

2. 复制导入 prompt + 文件内容

3. 粘贴进新模型第一条消息

4. 验证：模型能否正确识别你的行为规则

维护（每月约5-10分钟）

更新 D3（健康）和 D8（项目快照）。每季度运行季度检视 prompt 扫描全部维度。

和平台 Memory 的关系

两者互补，各司其职。

平台 Memory（如 Claude 的记忆功能）负责增量细节——最近对话的具体内容、新发生的事。

PCA 负责结构化基线——跨模型、跨对话都稳定的核心上下文。

两者叠加，覆盖面最完整。

下载

所有文件开源，MIT 协议：

• selfctx/ — 模型无关的完整文件夹，含 README、schema、6个 prompt、空白模板

• selfctx.skill — Claude 用户专属，自动触发历史搜索和结构化导出

→ [GitHub：https://github.com/s87343472/selfctx】

如果你也在用多个模型，试试用导出 prompt 跑一遍。草稿出来之后你会发现，模型对你的了解比你以为的要多，但结构比你想象的要散。

把它收拢成一个文件，是值得做一次的事。