首页 / 软件项目 / 个人数据中枢
Software · 2026 · 云开发 + AI

个人数据中枢 Personal Data Hub

十来年留下的记录,散在十几个 App 和表格里,谁也读不到谁。 把它们收进同一个云开发环境,用一条路由交给 AI —— 让它拿着我的过去,来和我对话。 记录只是起点。让数据反过来审视当下,才是这套机制真正要做的事。

持续迭代 个人数据 AI 审计 云开发 九类数据源

这是一套机制,不是一个 App。它的「成品」是九类数据汇成的一个数据目录、一条统一的 AI 接口,以及跑在上面的日记与审计习惯。这里展示架构、组成、用法与代码的去处;完整的思考写在方法论长文里。

架构总览

一个云开发环境 · 一个云函数 · 一条 AI 出口
个人数据中枢整体架构图:九类数据源汇入一个云开发环境,由一个云函数用路由表分发,统一经 /api/ai 暴露给 AI 使用
九类数据源 → 一个云函数 + 路由表 → /api/ai 统一出口 → 日记 / 审计 / 排任务

架构:一个云函数撑住九个应用

所有数据都在同一个云开发环境里,由一个云函数使用一张路由表分发各自应用的业务。 在个人使用的低并发场景下,一个云函数带多个应用完全够用 —— 不必为每个应用单独养一套后端。

数据源

九类应用各自采集

时间、事项、学习、语音、聊天、足迹、追星、媒体、日记。每个入口只管把数据写好。

汇聚

一个云函数 + 路由表

少并发下,一个云函数分发多个应用的业务,省掉为每个应用单独养一套后端。

出口

/api/ai 数据目录

所有数据经这一条路由暴露。新增数据源只需在路由下挂一个路径,AI 读一次就知道有什么、怎么调。

使用

写日记 · 做审计 · 排任务

日记 AI 读数据写记录,工作 AI 据讨论把计划和执行细节直接落到事项台。

博客数据、资源下载等也在这个云开发环境里,但它们偏工具层,属于办公便携数据,不算进个人管理这九类。

组成:九类数据源

十来年攒下的记录,如今汇到同一个环境。每一类都有独立的采集入口,也都挂在同一条 AI 路由下。

时间日志

DayLedger

2023 年起 · 821 天

一天 1440 分钟按分钟记,没记的部分显式留白。另有独立作品页与开源源码。

事项台

事项

2026 年 10 月自建

收集箱 / 工作 / 生活 / 学习四个清单,四象限、重复任务、子任务。也是 AI 结论的落点。

学习台

FSRS

2026 年 10 月自建

间隔重复刷题,FSRS 调度。增长最快的数据源。

语音记录

转写

2026 年 11 月自建

手机被动监听,只录有人说话的片段,端上转成文字。客户端精度调试中。

聊天记录

转发

2026 年 11 月自建

从微信合并转发给机器人再落库的片段。只提供只读检索接口。

足迹地图

地图

2026 年 7 月自建

去过的、想去的点,带 Markdown 路书。另有独立作品页与开源源码。

追星档案

人物

2026 年 8 月自建

公众人物资料,追星用。

媒体库

书影音

2017 年起积累

各处攒下来的书、影视、小说等条目。

白守日记

日记

2013 年起积累

日记与人物档案。既是数据源,也是这套机制里写日记、做审计的那个 AI。

四个应用,各管一摊

九类数据不是塞进一个 App,而是各环节用最合适的工具采集,再把数据汇到同一处。 其中四个应用的前端与云函数后端会作为一个仓库放出:

事项台

四清单 + 四象限 + 重复任务 + 子任务。既喂数据,也是 AI 把决策落成行动的出口 —— 闭环在这里合上。

学习台

FSRS 间隔重复刷题。复习记录进中枢后,AI 能分辨「没时间学」和「在快速划过去假装学」。

媒体库

书、影视、小说的收集与检索。2017 年起的条目汇入后,成为「读过 / 看过」那部分的事实底账。

微信聊天转发

合并转发给机器人后落库,提供按关键词/会话的只读检索接口。采集端不开源,任何真实对话都不入库仓库。

用起来是什么样

把数据交给 AI 之后,它能做的不是「统计」,而是拿你自己的历史去审视当下。 下面几件事按给人的阻力从小到大排 ——

拿数据对账

场景周任务连续逾期。

AI 动作拉出 14 天时间日志:刷题 14 小时 41 分,比上一周期还多一分钟。

结果「你不是没学,是没在学周任务」,并给出改成按天或按题量的建议。

拆「我在努力」

场景复习记录看起来很勤。

AI 动作翻出大量 0.4~1.0 秒就点「没记住」的条目。

结果指出这是快速划过去的注水 —— 自我感动比拖延更难拆。

翻旧账,不接借口

场景给当下状态找了个解释。

AI 动作去历史记录里找到同类说法,看这个解释是怎么搭起来的。

结果分清哪些是真实想法、哪些是懒惰的借口。

它守的是底线

场景嘴上说没事,作息却在乱。

AI 动作把作息与状态记录交叉比对。

结果留下一句「身体的应激比脑子诚实,压力在找出口」。

回溯与审计的对比示意:同一份历史数据,回溯是为了记得,审计是为了让我认
回溯与审计是两回事:回溯为了记得,审计为了认。同一份历史,两个方向。

已知边界

  • 语音链路精度还很差

    这条链路最近半个月才打通,声纹识别、录音转写一堆问题,一天里常有两三百句需要校准。客户端调好精度后才会单独开源。

  • 记录不到沉默

    能记下打出的字、说出的话,记不下沉默时在做什么。有些重的事发生在不对任何人说的时候 —— 只能靠想起来补给它。

  • 只能看见有格子装的东西

    分类表决定了 AI 能看见什么,而分类表是自己画的。没有对应的格子,那段数据在系统里就是隐形的。

  • 它可能把我钉在原地

    镜子里的我是过去的我。机制越结实,越容易被旧结论锁住 —— 拿着旧标签持续定义当下,是这套系统最隐蔽的风险。