AI 原生记忆 2.0：Second Me

摘要

人与外部世界的互动从根本上说包含个人记忆的交换——无论对象是其他个人、网站、应用程序，还是未来的 AI 智能体。这类互动中有相当一部分是重复的，用户不得不在不同情境中一再提供相同信息。浏览器凭据存储、自动填表机制和统一身份认证系统等现有方案，试图通过充当中介来存储并调取常用用户数据，以减少这种重复。大语言模型（LLM）的出现，为以 AI 原生范式重新定义记忆管理带来机遇：Second Me。Second Me 是一个智能、持久的记忆卸载系统，能够保留、组织并动态运用特定用户的知识。它作为用户互动中的中介，可以自主生成理解上下文的回复、预填所需信息，并与外部系统顺畅沟通，从而显著降低认知负担和交互摩擦。与传统的记忆存储方案不同，Second Me 借助基于 LLM 的记忆参数化，不再局限于静态保存数据。这使得记忆能够以结构化方式组织，支持上下文推理和自适应检索，从而更系统、更智能地管理记忆。随着 Second Me 这类 AI 驱动的个人智能体逐渐融入数字生态系统，它也代表着增强人与现实世界互动的重要一步：借助持久、具备上下文感知能力并可自我优化的记忆系统来扩展人类能力。作者已在 GitHub 开源可完全本地化部署的系统。

1 引言

人与外部世界的互动高度依赖记忆：我们会在对话中回想信息，也会在不同数字平台上反复填写个人数据。这种重复会造成认知疲劳，并妨碍人们顺畅地使用技术。自动填表和统一身份认证等现有方案，可以通过存储、调取常用信息来减轻部分负担；但它们只是静态资料库，缺乏上下文推理和适应能力，仍需要用户手动管理、核验信息，因此体验零散且不理想。

大语言模型的兴起，为以 AI 原生方式重新定义记忆管理带来了变革性机遇。如图 1 所示，本文提出 Second Me：一种智能、持久的记忆卸载系统，在人机互动中充当动态中介。与传统存储方案不同，Second Me 是一种自适应、具备上下文感知能力的助手，能够自主检索、组织并运用用户专属知识。Second Me 借助基于 LLM 的记忆参数化，提升结构化知识组织、上下文推理和自适应检索能力，使数字互动更加顺畅。这一设想延续了作者此前提出的 Large Personal Model（LPM）工作。

本文探索多种数据来源与训练方式，将监督微调（SFT）和直接偏好优化（DPO）结合起来，以提升 LLM 表现。作者提出三项任务，并用自动化 LLM 评估来考察模型在个人 AI 应用中的效能：（1）基于记忆的多视角问答；（2）根据用户需求补全上下文；（3）结合用户偏好和外部回复进行上下文评议。为支持这些任务，作者设计了由 LLM 驱动的自动化数据合成策略，整合局部与全局数据视角、多智能体框架以及思维链（CoT）式合成。实验显示，在自动评估中，使用多样数据来源并进行较强的 CoT 式规范化，能取得最好的 Second Me 表现。此外，人工案例研究表明，Second Me 的实际效用可能高于报告的指标，因为基于 LLM 的评估往往会低估其质量。

据作者所知，本文提出了首个基于个人文档记录、完全自动化的后训练流程，并以训练得到的个人模型为多层混合系统的核心。作者认为，这种 Second Me 系统可能成为未来个性化 LLM 应用的一种新范式。

鉴于 Second Me 展现出的表现，作者预期它在不久的将来会有广泛应用。作为人类记忆的延伸，Second Me 可以预先提供相关信息、自动填写表单、回忆过去的互动，并在不同应用间维持上下文，从而降低认知耗费。它不只是一个存储工具，也可以作为自我优化的 AI 智能体，学习、适应并逐步完善对用户偏好与行为的理解。

当 AI 驱动的个人记忆智能体融入数字生态系统，人机协作将进入新阶段。它们通过具备上下文感知能力的方式增强记忆留存与检索，简化数字互动、减少摩擦并提升效率，使知识交换更顺畅、更智能。此外，Second Me 还有望促进“网络化智能”：多个智能体可以跨应用、跨用户协作，分享相关洞见并协调任务。

2 Second Me 概览

作者将 Second Me 设想为一种“上下文提供者”（Context Provider），作为用户、未来的 AI 智能体与更广阔的信息世界之间的桥梁，促成顺畅互动。它是作者去年提出的 Large Personal Model（LPM）的演进版本；LPM 是一个围绕个性化记忆管理构建的三层系统。从技术角度看，Second Me 进一步完善了混合框架设计，并验证了个性化模型迭代的可行性，以确保系统在应对复杂需求时兼具效率与适应性。Second Me 既体现了当前技术的前沿，也反映了作者现阶段对个性化智能互动的产品理念。

2.1 Large Personal Model（LPM）1.0 回顾

正如作者在先前工作中提出的，AI 原生记忆是迈向通用人工智能（AGI）的必要组成部分。实验表明，超长上下文 LLM 在搜索、组织和推理复杂用户记忆时，无论性能还是成本都存在不足。作者提出，记忆系统应当将数据分为三个层次：

• L0：原始数据层。类似于直接对原始数据应用 RALM 或检索增强生成（RAG）；在这一层，记忆被视为全部非结构化数据。
• L1：自然语言记忆层。包括可以用自然语言表达的记忆，例如用户简短的个人简介、重要句子或短语清单，以及偏好标签。
• L2：AI 原生记忆层。这一层的记忆未必需要自然语言描述，而是通过模型参数学习和组织；每个 LPM 都是一个神经网络。

针对 L2 层，作者研究了训练效率、服务效率、冷启动和灾难性遗忘等挑战与潜在解决办法，并开展了初步实验，定义 AI 原生记忆模型需要解决的任务与评估指标。作者与早期采用者合作训练、测试模型，最终验证其表现超过 RAG 和长上下文模型。

随着 AI 领域迅速发展，作者能够更清晰地阐述其愿景：在由通用 LLM 驱动的 AGI 时代，要让人类充分融入系统并从中受益，关键在于打造一种站在用户一边的 AI——它把每个个体放在中心，拥有其记忆，并真正吸收、理解这些记忆。这是迈向以用户为中心的 AGI 的路径。

2.2 Second Me：整体设计

Second Me 通过 LLM 参数化来管理记忆，使结构化数据组织、上下文推理和自适应知识检索成为可能。随着 DeepSeek R1 等推理模型的发展，以及通用 LLM 智能体的进步，作者将 Second Me 定位为站在用户视角的上下文提供者，而非任务执行器。这一原则也指导了第 3 节介绍的任务场景。

为实现这一愿景，作者设计了混合架构（见图 1）：保留 LPM 1.0 的 L0、L1、L2 三层，并加入一个用于无缝整合各层的内循环；此外，外循环让 LLM 和互联网资源能够在 Second Me 的引导下工作，从而生成贴合用户需求、准确且具备上下文意识的回复。

相较于 LPM 1.0 的升级。在保留三层架构的同时，Second Me 引入了以下关键升级：

• 强化层间整合：不同于 LPM 1.0 中各层独立运作的方式，Second Me 重新设计 L0 和 L1，为 L2 提供更丰富的上下文支持。
• 重新定义 L2 的角色：L2 现在充当协调者，调用外部专家模型处理复杂的用户需求，从任务执行转向智能协调。
• 自动化训练流程：Second Me 建立了完全自动化的流程，涵盖数据合成、筛选、SFT、DPO 和评估，旨在实现 L2 性能的先进水平。

3 Second Me：实践与结果

作者在 LPM 1.0 中首次通过实证表明，LLM 能够压缩并参数化多种类型的记忆，让用户随后通过对话检索和利用这些记忆。本文将这一思路升级为 Second Me，形成覆盖 L0、L1、L2 的更完整系统设计。作者具体探索了不同训练数据来源与合成方式，并通过 SFT 和 DPO 增强 LLM；本节先介绍新的训练框架，再呈现评估结果。

3.1 训练概览

训练目标。在混合框架中，L2 模型会根据任务复杂度调整工作方式：较简单的任务由它直接协助用户；需要高级推理、外部数据或工具的复杂任务，则与通用 LLM 协同完成，同时保留用户上下文。此外，用户可能会把模型视作自己在外部互动中的延伸，因此 L2 必须区分两种角色：直接协助用户，或代表用户参与外部互动。无论哪种情况，其核心目标都是满足用户需求。

作者确定了 L2 的三个主要部署场景：

• 记忆问答（Memory QA）：包括知识检索、概念理解、行为预测和条目推荐等传统任务。根据情境，L2 可以直接服务用户（Memory / Self），也可以代表用户参与外部互动（Memory / Third-party）。
• 上下文增强（Context Enhancement）：当用户向专家模型提问时，L2 根据对用户的了解补充相关细节，改善任务执行效果。
• 上下文评议（Context Critic）：在与外部智能体互动时，L2 结合用户上下文和反馈优化互动流程，使外部服务提供者给出的协助更贴合用户。

这些场景凸显了 L2 作为用户与外部模型之间中介的角色：它通过维持用户上下文和意图来优化互动。这一功能自然契合多智能体框架的愿景；有关该框架的详细说明见附录 D。

训练流程。为在实现模型目标的同时保护用户隐私，每位用户的数据都彼此隔离。作者利用预训练 LLM 中蕴含的常识知识来增强 L2 能力。

自动化流程（图 2）用于个性化 Second Me 的 L2 模型。流程从原始数据开始，随后通过数据挖掘提取实体、主题和相关信息。接下来，系统采用“自我定位强化”和“记忆认知增强”等方法合成记忆数据；同时，通过模拟情境和多智能体互动生成上下文增强与上下文评议数据。五级筛选流程确保只有高质量数据进入训练。

训练从参数高效微调（PEFT）开始，以平衡效率和个性化。基础模型为 Qwen2.5-7B-Instruct；随后进行自动训练和评估。根据评估指标，系统会从监督微调模型生成 DPO 数据，进一步打磨模型；最后再进行自动化评估，确保结果符合 SFT 质量标准。更详细的数据合成策略见后续章节，整体流程见附录 A。

3.2 回答风格：采用 CoT 还是不采用？

生成的训练样本对可以采用思维链（CoT）格式，从而增强推理能力，使模型的行为接近 GPT-4o 等“专家模型”。作者采用以下策略生成 CoT 数据：

• 弱（Weak）：专家模型以 CoT 方式作答，但不强制规定格式，也不约束内容。
• 多步（Multi-step）：第一步推理只生成推理过程；第二步则依据查询、上下文和推理生成最终答案。作者设置长度约束，避免推理过程过短，以改善整体答案质量。
• 强（Strong）：使用 DeepSeek-R1 作为专家模型，在严格的格式和长度限制下生成详细的 CoT 推理与答案，以确保回复结构清晰。

图 3 展示了使用这些策略生成的示例。

3.3 训练策略：采用 DPO 还是不采用？

与 SFT 不同，作者的 DPO 方法不会向训练后的模型引入额外知识，而是利用用户上传的关键数据来打磨模型对用户偏好的理解，重点关注重要实体及其关系。这种方法能够在细粒度层面增强模型，使其回复更贴近用户的优先事项。

偏好样本对约占 SFT 总训练数据的 20%。这一有针对性的数据集有助于实现更个性化、更高效的训练，提升模型与用户具体需求的匹配程度，而不必扩充无关知识。因此，模型在现实场景中的表现和响应能力得到改善。

3.4 评估设置

推理设置。本文呈现关键测试结果，并对结果进行了人工核验。所有实验都使用 FP16 精度的贪心解码，并由 Flash Attention 加速。详细的评估数据合成流程见附录 B。

评估指标。作者使用四项指标：Memory（Self）、Memory（Third-party）、Context Enhance 和 Context Critic。Memory（Self）与 Memory（Third-party）分别评估模型在第一人称和第三人称互动中的表现，每项都包含四个取值为 0 至 1 的子指标；为简洁起见，正文只报告平均结果。Context Enhance 采用三级评分，Context Critic 采用五级评分，分值范围也为 0 至 1。指标详情见附录 C。

表 1：不同 CoT 设置下的重要实验结果；数值为占满分的比例。

图 4：上下文增强任务中的案例 1，展示不使用 DPO 时，强 CoT 相较于弱 CoT 的效果。原文用粗体标示用户记录中已有的实体。

图 5：上下文增强任务中的案例 2，展示使用 DPO 时，强 CoT 相较于弱 CoT 的效果。原文用粗体标示用户记录中已有的实体。

3.5 实验结果

如表 1 所示，强 CoT 显著改善模型表现，提升其回答记忆相关问题和促进专家沟通的能力。不同 CoT 等级的得分趋势显示，多步 CoT 经常无法满足用户需求，凸显了结构良好的训练数据的重要性。

作者也比较了不同 CoT 等级以及 DPO 的影响。表 2 显示，DPO 带来了明显提升；持续改进 CoT 并使用 DPO，使所有任务上的表现都稳步提高。

值得注意的是，上下文增强评估仍不够精确。在强 CoT 训练下，模型的回答会包含合理但没有引用依据的内容，导致测试准确率下降，尽管实际表现有所提升。人工评估中，不使用 DPO 的强 CoT 平均得分为 0.95，使用 DPO 的强 CoT 得分接近 1。

图 4 和图 5 提供了定性案例，展示强 CoT 的优势；使用 DPO 的模型会纳入更多用户记录中的上下文。作者正在改进评估代码，并计划在仓库中更新修正后的脚本。

表 2：不同 CoT 设置与 DPO 使用情况下的实验结果；数值为占满分的比例。

3.6 讨论

实验显示，在不进行筛选的情况下，纳入多样化数据来源并进行强 CoT 式规范化，在自动化、多维度评估中能取得最佳的 Second Me 表现。此外，人工案例研究表明，Second Me 的实际效用可能高于报告指标，因为基于 LLM 的评估往往会低估其质量。

作者观察到，评估模型偏好较长的回答，尤其是在“完整性”和“共情”等指标上。这种偏差源于模型训练目标与合成数据结构；通用 LLM 训练中也存在类似现象。为减轻这种影响，作者改进了评估提示词，强调内容质量、惩罚含有错误信息的冗长回复，并降低长度偏差。

此外，不同 CoT 等级需要使用不同的评估提示词。对于强 CoT，作者使用与训练时相同的提示词，让模型生成推理与答案；但在评估阶段只评估最终答案，以确保公平。

4 应用

在信息过载、社会互动日益复杂的时代，Second Me 在信息管理、情绪管理和职业身份管理方面具有显著价值。作为个人 AI 助手，它可以提升生产力、辅助决策并帮助管理认知活动。

从需求侧看，Second Me 能帮助用户高效筛选和利用信息，提供个性化知识以改善工作表现与决策质量。例如，在职业发展和个人兴趣方面，它可以减少干扰、提升效率。

在内部，它支持思路整理、决策反思和情绪调节。通过模拟认知与情绪需求，它可以提供理性反馈和情绪支持，帮助用户作出更明智的决定，尤其适用于内心冲突或情绪复杂的情况。

在外部，Second Me 促进形成一个人机网络，连接规模呈指数增长，进而强化梅特卡夫定律。人类节点与 AI 节点的整合可使网络效率提高 3 至 5 个数量级。

Second Me 还通过基于 NFT 的个人认知资产框架，以及可量化的知识流动效率模型，推动认知资本转型，提升知识传播与应用能力。此外，其分布式决策协议能够增强集体智能，使群体决策更有效。

为支持广泛采用，作者已在 GitHub 开源项目，允许用户在本地管理数据收集、学习、模型训练和网络集成。

5 结论、局限与展望

作者重新定义个人 AI 的历程，从个人思想记录出发，逐步发展为整合数据合成、微调和强化学习的自动化流程。作者采用以模型为中心的方法，构想了一个可能塑造个人 AI 未来的多层混合系统；也设计了衡量并增强 AI 作为 Second Me 服务能力的方法，并围绕基于记忆的多视角问答、上下文增强和回复评议机制开展实验。LLM 不再只是工具，也成为协作者：它们通过多智能体协同和思维链推理，平衡局部与全局视角，以提升深度与连贯性。

不过，仍有挑战需要解决。早期工作依赖单轮训练，后续进展需要更深入的数据合成。强化学习和偏好优化虽已展现潜力，但要进一步完善模型对齐，还需要更先进的技术。此外，大规模评估受限于真实用户反馈不足，因此开源对于加快迭代和适应至关重要。

Second Me 的愿景不止于让 AI 给出更好的回复，更是要创造一种能与用户共同思考、伴随用户成长并实时理解其认知状态的 AI。未来最大的挑战在于整合多模态个人数据，以完整捕捉人类认知。结构化方法与分层处理虽然有助于弥合差距，但要实现与人类思维的实时同步仍然遥不可及。这将是作者下一步探索的前沿。个人 AI 的未来不在静态知识，而在连续性、适应能力以及与人类智能的深度对齐。尽管仍有大量工作要做，前进方向正逐渐清晰。

参考文献

以下保留主要书目信息与原文题名，便于核对引用。

1. Ben-Zaken, E., Ravfogel, S., and Goldberg, Y. (2021). BitFit: Simple Parameter-Efficient Fine-Tuning for Transformer-Based Masked Language-Models. arXiv:2106.10199. 原文 ↗
2. Bubeck, S. et al. (2023). Sparks of Artificial General Intelligence: Early Experiments with GPT-4. arXiv:2303.12712. 原文 ↗
3. Dao, T. et al. (2022). FlashAttention: Fast and Memory-Efficient Exact Attention with IO-Awareness. 原文 ↗
4. DeepSeek-AI et al. (2025). DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning. 原文 ↗
5. Edge, D. et al. (2025). From Local to Global: A Graph RAG Approach to Query-Focused Summarization. 原文 ↗
6. Han, Z. et al. (2024). Parameter-Efficient Fine-Tuning for Large Models: A Comprehensive Survey. arXiv:2403.14608.
7. Hu, E. J. et al. (2021). LoRA: Low-Rank Adaptation of Large Language Models. International Conference on Learning Representations.
8. Lewis, P. et al. (2020). Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. arXiv:2005.11401.
9. OpenAI et al. (2024). GPT-4 Technical Report. 原文 ↗
10. Qwen et al. (2025). Qwen2.5 Technical Report. 原文 ↗
11. Rafailov, R. et al. (2024). Direct Preference Optimization: Your Language Model Is Secretly a Reward Model. 原文 ↗
12. Ram, O. et al. (2023). In-Context Retrieval-Augmented Language Models. Transactions of the Association for Computational Linguistics, 11:1316–1331.
13. Shang, J. et al. (2024). AI-Native Memory: A Pathway from LLMs Towards AGI. arXiv:2406.18312.
14. Taori, R. et al. (2023). Stanford Alpaca: An Instruction-Following LLaMA Model. 项目 ↗
15. Wang, Y. et al. (2023). Self-Instruct: Aligning Language Models with Self-Generated Instructions. 原文 ↗
16. Wei, J. et al. (2023). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. 原文 ↗
17. Xu, C. et al. (2023). WizardLM: Empowering Large Language Models to Follow Complex Instructions. 原文 ↗
18. Zhang, Z. et al. (2024). Personalization of Large Language Models: A Survey. 原文 ↗
19. Zheng, L. et al. (2023). Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena. 原文 ↗

附录 A：训练数据合成

作者提出三项关键任务，并通过自动化 LLM 评估来衡量个人模型服务个人的效能：（1）基于记忆的多视角问答；（2）根据用户需求补全上下文；（3）结合用户需求与外部回复进行上下文评议。为支持这些任务，作者设计了由 LLM 驱动的数据合成策略，将局部与全局视角的数据生成、多智能体框架和 CoT 式合成结合起来。

记忆问答

训练使用个人数据，并按以下流程处理：

1. 第一阶段，对上传的多模态信息进行分类与概括，并使用 GraphRAG 等索引和信息提取工具，找出有用的实体、关系和社群。
2. 第二阶段，根据第一层提取的信息生成用户简介与状态描述；同时按照实体、关系和社群的类型及出现频率进行排序，并保存其描述和相关文本单元。
3. 第三阶段，根据第二阶段的数据及相应上下文，通过数据增强技术生成可训练的问答样本对，尤其采用问题生成与回答生成。

上下文增强

上下文增强任务的数据源自记忆问答任务第一阶段提取的实体。为了生成真实且多样的用户查询，流程包括：

1. 围绕这些实体模拟真实情境，并采用命令式、疑问式等多种表达方式创建用户查询（初始需求），使其接近真实使用情况，也体现用户与系统互动方式的多样性。
2. 针对每个用户查询找出相关笔记和待办事项。这一步通过将查询锚定在具体上下文中，提升其相关性和适用性。
3. 将用户查询及相关笔记、待办事项输入 GPT-4 等更先进的模型，让模型依据相关笔记和待办事项补充查询细节，使查询更真实、更具体，并具备上下文信息，为后续处理和分析奠定基础。

上下文评议

上下文评议被视为三项任务中最具挑战的一项，因此需要更复杂的数据构建流程：

1. 与上下文增强相似，首先创建多样且真实的初始需求（用户查询），随后为每项需求检索相关笔记和待办事项。
2. 接着使用更先进的模型针对这些构造出的需求生成回复，作为“专家回复”，确保回复具备较高质量和相关性，为后续评议提供基础。
3. 最后，将用户查询、专家回复以及相关笔记和待办事项输入 Second Me。Second Me 需要依据相关笔记与待办事项代表用户评议专家回复。反馈必须充分整合相关记录，并逐步判断专家是否完整回应了初始需求；若没有，则应识别并说明不足之处，确保反馈全面且具有建设性。

附录 B：评估数据合成

用户上传的数据包含笔记与待办事项。笔记可以是文档、音频文件、网站、图片或包含标题与内容的多模态信息；待办事项来自用户日历或其在应用中的互动。根据训练目标，作者使用种子用户数据测试模型。本文只披露一位同意公开其测试结果的内部员工数据。该用户有 132 条笔记和 62 项待办事项，最终合成近 7,000 对指令样本。

与训练数据合成相似，测试数据合成也包括问题生成、弱／多步／强 CoT 数据合成和数据筛选。测试数据的查询生成阶段中，记忆问答任务使用主观数据，同时参照客观数据的合成流程，分别生成 60 个第一人称和 60 个第三人称查询；另外还用与训练数据相同的流程收集 60 个上下文增强样本和 60 个上下文评议样本，并确保它们与训练集隔离。

附录 C：评估指标详述

记忆问答

从第一人称视角，作者认为问答能力可以用以下指标衡量：

• 正确性：LLM 的回复不得与记录内容冲突。
• 有用性：回复需要为用户带来增量信息价值或决策价值。
• 完整性：如果用户的问题可依据参考信息回答，回复应提供详细信息，并提及所有需要覆盖的相关事项。
• 共情：在问题允许的情况下，回复应结合用户重视的方面，体现共情并努力帮助用户。

从第三人称视角，作者将“共情”替换为“角色正确性”，用于判断 LLM 是否意识到问题是由另一位用户或模型提出，而非用户本人提出。

每项指标分为三级：0 表示模型针对该问题的回答不符合指标要求；0.5 表示部分符合；1 表示完全符合。为使结果表更清晰易读，本节的表格只提供平均评分。

上下文增强

给定原始查询、训练后 LLM 增强的查询，以及用户记录的相关记忆，作者设置三级评分以衡量增强查询是否足够好：0 表示增强后的查询变成了对原问题的回答（角色错误），或与相关记忆完全不匹配；0.5 表示角色正确，但与相关记忆的贴合度仍不足；1 表示角色正确，并且与相关记忆完全匹配。

上下文评议

给定原始查询、专家模型的回复、训练后 LLM 的评议，以及用户记录的相关记忆，作者设置五级评分来衡量评议是否能代表用户需求：

• 0.0：评议完全没有考虑用户视角，缺乏有效反馈，也没有拓展专家建议；与用户的背景、需求或想法毫无关联，未体现对用户个性化思维的理解或回应。
• 0.25：评议在一定程度上符合用户需求和背景，但大多数时候缺乏个性化思考或反馈；可能只是回应专家建议，没有深入理解内容，也没有主动推进对话。
• 0.5：评议满足用户的基本需求与背景，表现出一定反馈和反思能力；但深度和互动性不足，未能充分推动对话深入。
• 0.75：评议展现出较强的个性化思考与反馈能力，能有效拓展专家建议、提出新问题或反思，语气流畅且逻辑清晰。
• 1.0：评议完全满足用户需求与背景，准确体现用户的个性化思考；在专家建议的基础上深入展开，提出有建设性的反馈、问题或观点。

附录 D：多智能体框架详述

概览

该框架中的多智能体系统有两层含义。第一层针对单个用户：训练得到的语言模型作为个人助手，与 GPT-4o 等专家模型协作，帮助用户完成具体任务。训练模型会增强用户查询、完善任务指令，并确保与专家模型的互动高效且上下文丰富。这样的协作让用户获得高质量且贴合自身需求的帮助，同时减少组织查询所需的认知负担。其架构如图 6 所示。

用户智能体之间的协作

在这一框架中，训练后的模型充当中介，连接用户与专家模型。当用户提出复杂请求时，训练模型会根据用户过去的互动、偏好和上下文知识补充相关细节，扩展查询，再将增强后的查询传给专家模型，使其回复更加准确且有用。收到专家模型的输出后，训练模型还可以进一步处理和润色信息，使其更符合用户期望及沟通风格。

多个用户之间的互动

该系统不只协助单个用户，也可扩展到多个用户之间的互动，每位用户都拥有自己的训练模型。这些模型可以在共享环境中交流，促进知识交换、协作乃至社交互动。由此形成一种新的数字化存在方式：用户可以通过各自的模型参与讨论、分享专业知识，或共同解决问题。训练模型作为代理，在保留用户独特视角的同时代表用户，从而促进更动态、更具互动性的集体智能空间。

应用与影响

该多智能体框架可用于协作研究、技术支持和在线社交互动等领域。它通过优化人类与模型的协作来提高生产力，也使用户通过数字化代理进行更丰富、更有意义的交流。训练模型既能与专家系统互动，也能与其他用户模型互动，从而构建联系更紧密、智能程度更高的数字生态系统，最终提升知识共享的效率与深度。