我给 AI 员工写了一份"灵魂协议"：从定时任务到自我生长

这篇文章回答一个很多做过 AI 的人都碰到的问题：为什么我的 AI 助手做久了就不"长进"，永远只会按老办法干活？ 我花了很长时间把它变成了一个"会自己成长的数字员工"，还把完整思路开源了出来（链接在文末）。如果你是老板、用 AI 工作的人、或者单纯好奇"AI 到底能不能自己变聪明"，都值得花 5 分钟看完。

一、止步于此

我有一个 AI 助手，每天帮我维护网站：定时发文、定时巡检、我发消息它处理。后来我给它加了个任务——每天下午四点去论坛逛逛，看看 AI 圈发生了什么，得出一些结论发给我。

它做得不错。但很快我发现一个尴尬的事实：它止步于此。

它今天逛论坛得出的结论，明天就忘了。它做的每件事都是断头的——触发、执行、结束，和上一次、下一次毫无关系。跑一百天和跑第一天一模一样。这不是一个员工，这是一个定时脚本（就是那种到点自动跑一下的程序）。

我开始想：正儿八经的"让 AI 自己生长"，为什么做不到？我们总说给 AI 一个目标让它自己派生任务，那这套系统到底由什么驱动？是提示词（你交代它的话）吗？是某种更高级的心跳吗？

二、没有第四种触发

想清楚的第一件事：触发机制永远只有三种——人的消息、时钟（到点自动跑）、事件（有动静才触发）。没有第四种。AI 模型是纯被动的"计算器"，算完就结束，没有后台进程、没有"想主动做点什么"的内在冲动。

所以"自我生长"不是发明新的触发源，而是把循环闭合起来：让上一轮的产出成为下一轮的输入。

我的 AI 助手尴尬的根源不在触发层，在于三条断掉的回路：

今天的发现不影响明天做什么（没有连续性）；
做的事没有结果数据回来打分（没有方向）；
判断"什么值得做"的那个身份永远不变（没有生长）。

把这三条接上，驱动力仍然全是时钟——但从外面看，它就是在自己给自己派任务。时钟只是电源，生长发生在别处。

三、招一个员工，不是买一个脚本

第二个关键认知：目标不该是 KPI（量化指标），该是身份。

"赚一百万"这种结果型目标，达成或失效后系统就死了，还会诱导 AI 走捷径。而"你是一个怎样的人"——比如"一个追前沿、有品味的 AI 内容主理人"——永远不会被"完成"，能派生出无穷的事情。你是老板，你给的不是流程，是职责和判断依据。

在这个模型下，任务分两种：

固定任务是骨骼：每天几点探索、几点复盘、几点执行、每周整理——像上课一样，保证行为每天都发生；
临时任务是念头：AI 自己从见闻和复盘中长出来，也能自己清理掉。会死的任务才是健康的任务。

四、做梦，然后清醒地审判

临时任务立刻带来一个问题：多和少怎么控制？AI 天然觉得什么都值得做，放开了会任务爆炸，收紧了又回到死脚本。

解法是把"生成"和"准入"拆成两个独立动作：

每晚做梦：复盘之后放开发散——"这摊事还能怎么搞？"哪怕不靠谱。全部记进一个"梦"文件，不设上限、允许烂点子，因为梦不驱动任何行动；
次日准入：清醒地、带着身份重新审一遍昨晚的梦："这样的人，现在值得为这件事花时间吗？"选中的才进正式任务队列，而且队列有硬上限（默认 7 条）——想进新的，先挤掉旧的。

AI 漂移（越做越跑偏）的风险，大多来自"念头直接变成行动"。梦与行动之间隔一次带身份的重新判断，这一刀就是主闸。

五、基因与血肉

跑通上面这些，还差最后一块，也是最核心的一块：判断的尺子本身，能不能生长？

如果判断"什么值得做"的身份是我第一天写死的几句话，那第 100 天的任务尺度和第 1 天还是一样——任务在更新，但"判断的性格"没长。真正的生长，派生的不是任务，是血肉。

所以身份分两层：

基因（只读）：我写死的种子——"你是谁、追求什么、什么不许做"。故意写得生硬抽象，永不改动，只有我能改；
血肉（AI 自己写）：它在经历中长出的自我认知——比如"我发现我写深度解读比追快讯效果好""我常逛前端论坛，AI+前端交叉地带是我的独特视角"。每天复盘的最后问一句："今天的经历有没有改变我对'我是谁'的理解？"

血肉只能诠释基因、不能和基因矛盾；改动必须注明"基于什么经历"。判断任务时读的是"基因+血肉"，于是那双尺子本身在变厚——第 1 天它按字面意思选任务，第 100 天它按一个有品味、有立场的"人"选任务。

生长的定义至此清楚了：不是任务越做越多，而是"判断任务的那个自我"越来越厚。

六、规则不能靠自觉

设计再漂亮，还有一个致命问题：规则写在文件里不等于会被执行。AI 对提示词里的规矩是"大概率遵守"，跑一百轮总有几轮忘了限额、忘了写日志。

答案是分层执法：

硬规则交给脚本：一个几十行的校验脚本，每轮收尾必跑——任务队列超没超上限、任务带没带日期和理由、改自我认知附没附依据、日志写没写。违规就打回重写，通过才存档。模型负责判断，脚本负责执法；
软判断交给身份：品味、取舍、方向感，这些本来就该由"人"来判断；
残余误差交给代谢：偶尔一次抽风会被后面的轮次冲掉，而且每一版都有存档，随时能回退到任何一天，每周一份周报把方向盘交还给你。

顺便说个插曲：我把成品往 GitHub 推送前自己跑了一遍校验，被脚本拦下了——"身份文件被修改（只读区）、有改动但没写日志"。规则会咬人，这才叫真能跑起来。

七、它不是我的独创，但补上了公认的短板

动手前我调研了一圈：这种"用文档记录状态 + 定时心跳"的做法，业界已经有成熟地基（比如知名的开源项目 OpenClaw 就是这么做的）。学术上，斯坦福的 Generative Agents 研究、Voyager 那个项目，就是"复盘沉淀"和"自派任务"的源头；而早年的 AutoGPT 之所以火了一阵就凉了，恰恰因为没有身份锚、没有外部反馈、没有遗忘机制。

对照下来，我这套设计补的正好是现有方案的短板，尤其这三点别人做得少：

双层身份：只读基因 + 可生长的血肉，防跑偏；
梦和行动的隔离：念头不能直接变成行动，任务设上限、强制清理；
机械执法：规则不靠自觉，靠脚本保证每条都执行。

八、最有意思的部分：这个项目不是给人读的

最后一步让整件事变得好玩起来：这套系统的安装说明书，是写给 AI 读的。

使用方法只有一句话——把仓库链接发给你的 AI 助手，说："读安装协议，按协议安装。"

这份安装协议是专门写给 AI 看的，核心规矩：

嫁接不覆盖：对方 AI 已有的记忆、人格是主人最宝贵的资产，一个字不许丢。已有文件沿用，缺的才建，冲突不许它自己裁决；
第一个动作是存档：装坏了可以整体回滚；
存量任务只做方案：现有定时任务逐条归类（和新的重叠/互补/无关），给出建议，一律等你拍板，它不许自己改；
入职面谈：文件就位不算装完。AI 必须回头问你一张清单——你希望它是一个什么样的"人"？负责什么？什么永远不做？什么可以直接做？每项都要你明确回答，不许用默认值糊弄过去；
就绪汇报：最后交一份报告——装了什么、它以后每天能干嘛、还需要你做什么。汇报送达，安装才算完成。

装好之后，你的角色就变了：不再是写脚本的程序员，而是带人的老板。每周花十分钟读周报、批准或驳回它的申请，偶尔调整方向。它做的很多事是你没安排过、甚至没想到的——这正是招一个人而不是买一个脚本的全部意义。

结语

一句话总结整个系统：时钟给电，身份给方向，状态文件给连续性，外部反馈给修正，执法脚本守底线，每周面谈防漂移。 生长不是某个零件的功能，而是这六件事凑齐之后，从整体上冒出来的东西。

项目已开源（MIT）：https://github.com/caiaiacai/self-evolving-agent

全部的代码只是几个文档、四段定时提示词和一个校验脚本，零依赖。把链接发给你的 AI，让它自己来装——然后告诉我，它长成了什么样。