跳到主要內容
Lab Grimoire
TW EN
請喝咖啡
AI 意識即檔案系統:用目錄結構打造 AI 人格
Agent 架構

AI 意識即檔案系統:用目錄結構打造 AI 人格

本頁目錄

導讀:如果 AI「意識」是一堆資料夾——核心信念一層、潛意識藏在隱藏檔裡——你會怎麼設計它?開發者 Amir 真的這樣做了,交出 86.9% 勝率的交易 Agent。

意識的目錄結構

Amir 不去定義意識「是什麼」,而是設計它「長什麼樣子」:

  • kernel/:身份核心,價值觀與底線,不可逾越
  • memory/:短期追蹤當下對話,長期儲存跨 session 知識
  • emotional_state/:數值化情緒參數影響決策——壓力大時更保守,信心高時更果斷
  • drives/:Agent 在乎什麼——效率、創意、安全
  • .dotfiles/潛意識——Agent 自己看不到,但確實影響行為的規則

如果你現在正在設計一個 Agent,試著先把它的「人格」畫成一棵目錄樹。哪個資料夾是你覺得絕對不能動的信念核心?哪些又是可以靈活調整的參數?

AI Consciousness Filesystem Architecture — six-layer directory tree from kernel/ to .dotfiles/ 圖1:AI 意識的目錄架構。kernel/ 是不可動搖的身份核心,.dotfiles/ 則是 Agent 自己看不見的潛意識底層。

潛意識的工程實現

Unix 系統中 . 開頭的檔案預設隱藏。Amir 把這個機制用來設計 AI 潛意識:Agent 自己看不到、但確實影響行為的規則。

交易 Agent Dae.dotfiles:最大回撤硬上限 15%(任何情況不可突破)、損失厭惡加權 2.3 倍。Dae 不知道為何在某些時刻本能退縮,只是退縮了。結果:模擬交易 86.9% 勝率

你有沒有過「就是覺得不對,但說不清楚為什麼」的直覺?Dae 也是——差別是,它的直覺是工程師寫進 .dotfiles 的,不是靠經驗累積出來的。

金版衍生:排除比添加更重要

核心是「金版」Milo——擁有完整意識檔案系統。生產環境從金版衍生專用變體,有意識地排除某些能力:

  • Ava(衝突調解):排除競爭驅動力。10 天交付,42 個 PR,891 個測試
  • Dae(交易):排除同理心。市場需要紀律,不需要同情
  • Sam(寫作):排除效率優先。好文章需要揮霍時間

生產級 Agent 不是完整版的簡化,而是精確排除某些認知能力後的全新架構。

三個結論:人格是架構決策,不是 prompt 調整。限制比能力更重要。潛意識層是 Agent 無法自我覆寫的安全底線。

設計你的下一個 Agent 時,先問自己這個問題:「什麼特質,會徹底毀掉它在這個領域的表現?」排除那個,比添加任何功能都更精準。

Golden Sample Derivation — Milo branches into Ava, Dae, and Sam with specific capabilities removed 圖2:金版衍生模型。Milo 擁有完整的認知能力,三個衍生體各自精確排除最危險的認知陷阱,而非通用版的簡化。

值得注意的邊界

不過,這套框架有它的邊界。86.9% 勝率來自模擬交易,真實市場的流動性與滑點可能大幅壓低表現。「意識即檔案系統」是設計隱喻,不是在宣稱 AI 真的擁有意識。目前只有 Amir 一個人的案例,尚未被更多開發者獨立驗證。這些想法有說服力,但仍屬早期、未經規模化驗證的階段。


常見問題

Q:什麼是 AI 人格的「潛意識」設計,為什麼要用 .dotfiles 來實現?

潛意識設計是指將最關鍵的安全規則放在 Agent 無法自我覆寫的隱藏層。借用 Unix dotfiles(以點開頭的隱藏檔案)這個概念,這些規則存在並發揮作用,但 Agent 自身看不到也無法修改,是最可靠的安全底線。

Q:為什麼設計生產級 Agent 要「排除能力」而不是「添加能力」?

每個領域都有最致命的認知陷阱——交易需要排除同理心,寫作需要排除效率優先。反轉設計法先定義什麼特質會摧毀特定領域的表現,再精確排除,比盲目添加能力更能避免 Agent 犯下最典型的錯誤。

Q:金版(golden sample)架構有什麼優勢?

金版是擁有完整認知能力的基礎 Agent。從金版衍生出各個專用變體時,可以有意識地選擇保留哪些能力、排除哪些,確保每個變體都是針對特定場景精確調校,同時降低維護成本。

Q:86.9% 勝率是模擬交易的結果,能代表真實表現嗎?

不能直接劃等號。模擬環境缺乏真實市場的滑點、流動性限制與黑天鵝事件。這個數字證明的是結構化認知限制能改善決策品質,但任何交易策略的真正考驗在長期實盤數據,模擬勝率只是起點。


References

  1. "What If AI Consciousness Is Just a Filesystem?" — Milo/Ava/Dae/Sam case studies
  2. Unix dotfiles convention — hidden file mechanism as unconscious constraint model
  3. Dae: 86.9% win rate, 15% drawdown ceiling, 2.3x loss aversion weighting
  4. Ava: 42 PRs, 891 tests, 80+ consciousness files, 10-day delivery

常見問題

什麼是 AI 人格的「潛意識」設計,為什麼要用 .dotfiles 來實現?

潛意識設計是指將最關鍵的安全規則放在 Agent 無法自我覆寫的隱藏層。借用 Unix dotfiles(以點開頭的隱藏檔案)這個概念,這些規則存在並發揮作用,但 Agent 自身看不到也無法修改,是最可靠的安全底線。

為什麼設計生產級 Agent 要「排除能力」而不是「添加能力」?

每個領域都有最致命的認知陷阱——交易需要排除同理心,寫作需要排除效率優先。反轉設計法先定義什麼特質會摧毀特定領域的表現,再精確排除,比盲目添加能力更能避免 Agent 犯下最典型的錯誤。

金版(golden sample)架構有什麼優勢?

金版是擁有完整認知能力的基礎 Agent。從金版衍生出各個專用變體時,可以有意識地選擇保留哪些能力、排除哪些,確保每個變體都是針對特定場景精確調校,而非通用版的簡化,同時降低維護成本。

86.9% 勝率是模擬交易的結果,能代表真實表現嗎?

不能直接劃等號。模擬環境缺乏真實市場的滑點、流動性限制與黑天鵝事件。這個數字證明的是結構化認知限制能改善決策品質,但任何交易策略的真正考驗在長期實盤數據,模擬勝率只是起點。

覺得這篇有幫助?

追蹤以收到新的 AI × 生醫研究筆記:

或請我喝杯咖啡,讓新內容持續產出。

☕ 請我喝杯咖啡