VirtualMe — 用 8 週訪談萃取你的 AI 分身

$60 美金和 8 週的時間。

這是 VirtualMe 宣稱「複製你」的全部成本。市面上那些「打造你的 AI 分身」課程要價 $3,000 到 $5,000，本質上就做三件事：填一份人格問卷、串一個 LLM API、加上同儕壓力讓你不要中途放棄。VirtualMe 把這三件事拆開重組，然後做了一個根本性的改動——把問卷換成訪談。

這個改動不是包裝差異。它改變了萃取出來的東西。

填問卷的問題

你填過那種「你是什麼類型的人」問卷嗎？每次填，你其實是在寫「你覺得自己應該是什麼樣的人」。這叫表演式人格——你不自覺地寫出理想中的自己，不是真實的自己。

Stanford 的 Joon Park 等人在 2024 年做了一個實驗（arXiv:2411.10109）。他們用 2 小時訪談搭配 LLM，達到了 85% 的人格重現準確度。關鍵在於：訪談會追問。你說「我重視效率」，訪談者會問「上次你為了效率犧牲什麼？」，你閃躲，它會從另一個角度再問。問卷不會追你，訪談會。

VirtualMe 把訪談拉到 4 到 6 小時，分散在 8 週裡面（每週 30 分鐘），遠遠超過那個研究的門檻。

R1 到 R5：五層追問

VirtualMe 的訪談不是隨便聊天。它有一套叫 R1 到 R5 的追問決策樹：

R1 問事實——你做了什麼。R2 找模式——你常這樣做嗎。R3 挖原則——為什麼這樣做。R4 找反例——什麼時候你不會這樣。R5 是三角校驗——同一個原則必須在三個以上不同問題裡都浮現，才算數。

每個回答會被 Claude Haiku 即時分類：META 是跳脫話題，EVASION 是迴避，THIN 是太淺，SUFFICIENT 才是夠深。只有通過三角校驗的錨點才會寫入你的人格檔案。

這個設計解決了一個很真實的問題：你某天心情好說的話，不代表你真的是那樣的人。三角校驗逼出來的才是穩定的行為模式。

8 個 Markdown 檔案，就是你

萃取結果存成 8 個 .md 檔案。這是你的「數位人格資產」：

SOUL.md 放核心價值觀與信念。VOICE.md 記錄說話風格和用詞習慣。SKILL.md 存領域專業知識。PEOPLE.md 描述你的人際關係模式。HISTORY.md 是人生重要經歷。JOURNAL.md 記近期狀態。BOUNDARIES.md 標注不該碰的話題。STATE.md 是當前心理狀態。

這裡有一個設計哲學值得注意：它選了 markdown 而不是向量資料庫。

向量資料庫把你變成一堆浮點數，你看不懂、改不了、搬不走。Markdown 是明文——你可以用任何編輯器打開、修改、刪除。你的人格檔案是你自己的 .md 檔，不是平台黑箱裡的 embedding。這個選擇犧牲了一些語意搜尋的精確度，但換來了完全的可見性和控制權。

三層模型路由

VirtualMe 不是全程燒最貴的模型。它根據任務分配不同等級：

Claude Opus 4.7 只用在面對使用者的訪談回覆——這是品質不能妥協的地方。Claude Sonnet 4.6 處理錨點萃取和追問生成，中間地帶，夠聰明也夠便宜。Claude Haiku 4.5 跑大量的深度分類和初步判斷。

這就像蓋房子：你不會用花崗岩鋪地基，但客廳地板你捨得花錢。每一層用最適合的材料，而不是最貴的。

整個 8 週跑下來，API 成本約 $50 到 $60。

PPA：讓回覆更像你

VirtualMe 實作了一個叫 PPA（Post Persona Alignment）的三階段回覆管線。它基於 EMNLP 2025 的論文：

第一步，用 Haiku 先生成一個通用回覆。第二步，拿這個回覆去比對你的 persona triples，找出最相關的人格片段。第三步，用 Sonnet 結合人格片段重新精煉回覆。

加上 Persona Reinjection——每隔 N 輪自動重新注入身份錨點——盡可能延緩長對話中的人格漂移。注意是「延緩」，不是「解決」。長對話中人格會慢慢退化成模型的預設行為，這是 prompt-layer 方案的結構性天花板。

盲測：50% 就能出貨

第 5 週和第 8 週各有一輪盲評。系統產出幾個情境回覆，混入真人和 AI 的版本，讓你猜哪個是 AI 寫的。

出貨門檻是 50% 到 60% 準確度——接近亂猜。如果你分不出哪個是 AI 哪個是你自己，表示萃取成功。

# 準備第 5 週盲測材料
python -m virtualme.blind_test.prepare \
  --db sqlite:///./data/virtualme.db \
  --interviewee yourself \
  --week 5 --out ./exports/blind-test

快速上手

系統需求是 Python 3.11+ 和一把 Anthropic API key。

git clone https://github.com/MakiDevelop/VirtualMe.git
cd VirtualMe
pip install -e ".[dev]"
cp .env.example .env
# 編輯 .env，填入 ANTHROPIC_API_KEY
python scripts/init_db.py --path ./data/virtualme.db

CLI 模式不需要 LINE，直接在終端機跑訪談：