为什么我的 Agent 比你的更懂你 昨天我把我和 Claude 的一段对话发给几个朋友，内容是它帮我分析为什么我骑车受了伤都不想去医院，最后它结合了我的画像、心理诊断、职业发展等情况给出了综合性结论。 好几个朋友看完都有一个共同的反应，那就是问我：为什么你的 Agent 能引用关于你的这么多数据，回答还这么有逻辑。 答案跟模型没关系，只跟数据有关系。我给 Agent 搭了个私有数据层：一个两千多个文件、几百万字的本地知识库，加按需检索，不用 memory 全量加载。 1️⃣ 不手动喂数据，让 Agent 自己查 很多人用 memory 类全局配置存个人信息，可能是因为 gpt 之前提供了类似的 Gui 功能，但这类方案的问题还是挺多的 -全量加载，每次对话都要把所有记忆塞进上下文，哪怕有前缀缓存也会带来一定的消耗，并且前缀缓存会在切模型的时候失效 -长度限制，Claude 和 Codex 都不建议设置一个太长的全局配置文档，太长会稀释掉模型的注意力 -全局配置的优先级并不是很高，会被更近的项目级别相关配置给replace掉 我的知识库几百万字，全量塞根本塞不下，硬塞 token 也烧不起，而且塞进去还会被稀释，模型面对一大坨无关信息，注意力也落不到关键内容上。 我的做法是数据全部躺在本地知识库里，Agent 按当前任务自己去查，一次对话只加载真正相关的那几个文件，上下文永远是干净的。 -分析我的心理，它去读我的画像和历史反思 -帮我管钱，它去读持仓和投资策略 -查工作相关内容和方案，它就去读我的工作目录文档 检索按需发生，有一个整体知识库的 Agents.md 文档进行索引，每个细分目录下又有对应的索引文档。 Agent 通过层层索引就可以精准定位到需要的文档，这一条就把 token 成本和记忆稀释两个问题同时解决掉了。 2️⃣ 把数据当成可复利的资产，决定了 Agent 懂你的上限 我的库里有从 2023 年开始写的几百篇每日反思，有 to-do、周复盘、消费记录、个人画像、人际关系、健康数据、资产走势、职业发展、读书笔记、视频转录、证件证明、自媒体运营、工作内容等等。 所有关于我的，能用文本或图片记录下来的东西，都在里面。 在模型能力层面上大家是完全统一的，Claude 也好 GPT 也好，你能用我也能用，真正拉开差距的是它看得到什么，也就是数据层，所以自身的私有数据在 Agent 时代绝对是一种可复利的资产。 有了足够的私有数据之后，配合上 Agent 目前的智能，我断言所有非体育类私教就都可以失业了。心理的、理财的、职业规划的，能提供的就只剩情绪价值了。