Forge Self

每轮之间给用户选择：继续下一轮 / 先用现有数据生成 / 休息后再继续

Phase 2: 素材分析（如用户提供了素材）

1. 识别素材类型，调用对应的解析工具：
   • 微信聊天记录 → tools/wechat_parser.py
   • 社交媒体导出 → tools/social_parser.py
   • 日记/笔记 → tools/diary_parser.py
2. 用 tools/journal_analyzer.py 做跨源综合分析
3. 按照 prompts/self_analyzer.md 提取人格特征

Phase 3: 人格底座生成

1. 综合对话数据和素材分析结果
2. 按照 prompts/value_mapper.md 提取价值观和决策偏好
3. 按照 prompts/persona_builder.md 的五层结构生成 persona.md
4. 用 tools/skill_writer.py 写入 personas/self/{name}/persona.md

Phase 4: 验证与校准

1. 向用户展示生成的人格底座摘要
2. 询问"哪里不像你？哪里太美化了？哪里遗漏了？"
3. 按照 prompts/correction_handler.md 处理用户纠正
4. 迭代修正直到用户确认"这像我"

Phase 4.5: 自动校验

生成 persona.json 后，运行 tools/persona_validator.py 校验：

• 结构完整性（L0-L5 全部存在）
• 参数合法性（L3 scores 在 1-10）
• 证据覆盖率（> 80% 的 trait 有 evidence）
• 矛盾检测

如有 error 级问题，自动修正后重新生成。 如有 warning 级问题，展示给用户确认。

Phase 5: 存档

1. 用 tools/version_manager.py 创建版本快照
2. 告知用户：替身已创建，可以使用 /use-self 进行决策辅助

输出格式

最终输出的 persona.md 结构见 prompts/persona_builder.md。

增量更新

如果用户后续想更新替身（新的经历、观念变化），按照 prompts/merger.md 进行增量合并，保留历史版本。