前情提要
前段时间网上冲浪时，偶然读到我在跟谁聊天？，发觉自己应也是这样的AI使用者，甚至某些时候还能称上一句狂热。
自2022年ChatGPT出世以来，我就有意识地使用AI解决我遇到的各类问题。我用的最多的，估计是Chatgpt和Newbing。前者在大多数情况下都能给出较好的回复，后者用于补充联网搜索的部分。也断断续续用过一些国产AI，如通义千问、文心一言等。在技术类问题上，特别是针对未曾接触过的技术情景，AI的回复确能提供很多帮助。但在涉及“人”的回复上，或是受到各类底层道德模型的阻拦，或是受到提示词的强烈限制，在我尝试的过程中，其回答读起来总是有种客气的疏离感，很难适用于真实世界。
什么是涉及“人”的回复？比较繁杂，较难一一列出。其中最多的，应是我希望借助AI的力量为我解决工作场景中各类人际关系的维护、待人接物的注意事项以及多人工作合作开展的路径。我会将我本人以及各相关人员的性别、年龄、职务、偏好、关系网等基础信息喂给AI，而后，让AI从中分析关键内容，推断潜藏的关系网以及各类我希望提取的隐含信息，并提供相应的建议。
在某种程度上，我认为这应可算作一种狭义的“开源情报分析”：
Q1：什么是 OSINT （开源情报）？
开源情报 (OSINT) 是收集和分析公开信息以评估威胁、做出决策或回答特定问题的过程。许多组织将 OSINT 用作网络安全工具，帮助评估安全风险并识别其 IT 系统中的漏洞。网络罪犯和黑客也将 OSINT 技术用于社会工程、网络钓鱼和暴露网络攻击目标。除网络安全外，执法、国家安全、市场营销、新闻和学术研究等其他领域也可能会利用开源情报。（以上内容参考：什么是开源情报 (OSINT)？ ）我做了什么？为什么？
需求
一个完全离线的AI模型。在我的设想中，一些极为私密的信息将被纳入AI的上下文中进行分析。在未有同态加密等基于算法的隐私计算保障方式时，我不认为任何AI服务商是可靠的。
一个录入信息便捷的知识库系统。AI模型有着足够的上下文空间，计算机存储有着足够长的记忆时效，因此可以通过建立知识库，存储个性化的背景信息。我希望每天往知识库里扔一篇日记，忠实记录当天同事偶然提到的八卦、部门调动情况、最近经办工作、最近与同事进行的重要互动事件，甚至当天同事的穿着、点的外卖、在食堂中就餐时所坐的位置等零碎的个性化数据。这些零碎的个性化数据，将成为AI回应我最新提出问题时，用于分析的背景信息。
一套高度自动化的信息捕获系统。在日记中，如回忆选取的内容多，大量的手工录入会使我厌烦；如回忆选取的内容少，AI或许难以从中挖掘信息及关联，即所谓“巧妇难为无米之炊”。因此，我认为需通过OCR等方式，自动识别微信等软件中相关的聊天记录，并将识别后得到的数据转入知识库中，以便让AI推断消息记录中的关键信息，构造用户画像和人脉图谱。
最后，我需要达成的目的是：
让AI识别哪些是“贵人”，有什么“资源”；
让AI识别工作单位中各同事的关系网组成情况，哪些同事可能组成“小圈子”；
让AI为我提供建议，在这些已知条件下，如要达成我的目标，怎么做最合适。
具象化为应用的话，我认为集成到输入法或许是实现其中以上部分目的可选方案。
通过不断采集用户输入，以便于为用户提供语言得体度与用语匹配度评分；
通过习得用户平时的发言风格，避免辅助生成回复时需要多次反复修改；
通过无障碍权限等方式，获取当前正在发送工作信息的对象以及工作信息的上下文构建提示词交由后端AI处理，以便于自动生成回复以及实现评分等功能。
如此，即可实现一个简单的外置大脑。
实际
2024年及以前，我尝试小范围地选择AI并进行部署，最后选定通义千问进行部署测试。但正如前文所讲，其回答读起来总是有种客气的疏离感，效果不佳。
2025年，DeepSeek R1横空出世。我不确定是因为“底层逻辑”受限制较少，还是因为采用的训练语集较为贴合中国大陆的国情，回复“人”的问题出乎意料的好。这令我感到惊喜，只需尝试解决性能问题，或许，就能达成我需求中70%的部分。我预计会借助AI，以重要事件为单位总结人与人之间的交往过程。同时，我预计还会采用类似“蒸馏”的做法，先将日志中的内容提取成为结构化数据，再将这些结构化数据作为AI模型的数据以及人工分析的数据源，让“黑盒”变得更透明。
我在不断迭代思考这些想法的时候，也有考虑过，目前市面上是否已有类似产品？一次偶然刷到WOLB，应算是比较切合我各类想法的软件了。但我仍希望自行构造一套系统，去实现我的目标。
其一是这一软件更像“黄页”，而不是一套完整的分析系统，本身更多侧重于关系的主动建模，仍不具备AI发掘潜在关系等功能。其二是这个软件没有离线部署的版本，信息安全较难保障。其三是这一软件采用结构化数据输入。我希望通过非结构化的数据输入（如个人日记）以及高度自动化的聊天记录、工作信息识别，降低录入信息的压力以及提高零散信息的收集能力（比如，相对固定的食堂就餐座位，可能可以作为彼此间关系的一个佐证）。
最后，这套期望用人工智能解析人情世故的系统，受限于算力与时间，仍处于概念设计状态。
或许后续的某一天，在遇到接待等场景时，我只需取出手机，简单输入当前的需求，就能立刻得出AI搜索的关键信息：领导职务、一般称呼、食物喜好和忌口、与其关系较好的同事、兴趣爱好、家庭情况等等，由此再做针对性的接待应对，或能如虎添翼。这是我认为这是“银弹”的重要原因。
但是，我也承认，世界的构成非常复杂，蝴蝶效应无处不在。人是多维的、混沌的、动态的。这样的人工智能工具只能用作辅助，指望人工智能以机械降神的形式解决当下现实中遇到的各类种种困难问题我估计还有很远的路要走。
至于亵渎，是的，如果领导同事们发现你使用AI来完成各项人情世故、待人接物的任务，或许会对你“敬而远之”。
毕竟目前在大多数人的眼中，“人情”中的“人”是首要且必备的。
使用AI如同攻略NPC般，快速攻略“情”，显然有悖于“人”的初衷。
尾巴
最后，我再向各位读者推荐一个视频：AI机器人如何在2年内接管行政工作 。其假定了AI在工作中结合各项材料指标，对人综合评分的场景。
这篇文章，我提出的各方案是期望使用AI来解析一切信息，实现“进步”。
这个视频，其提到的各场景是上层领导希望以AI的形式，解析各个下属，为贡献“定性”以及在某种程度上实现“量化”。
某种程度上，应也是比较相似的。