这个项目暂时废了，后期准备包装成obsidina插件发布，文档方式交互。#

一、为什么做 TARS#

TARS 的名字来自《星际穿越》中的战术机器人——可靠、直接、偶尔黑色幽默，绝对忠诚。

作为一个 J 人，我一直希望有一个能辅助规划一切、提供最清晰路径的 AI。但使用现有 AI 的过程中发现一个根本问题：缺少人情味。

这种”活人感”的缺失来自哪里？经过深度思考，我认为核心是：AI 没有确定的立场。 它总是站在最普世的角度思考问题。二选一的问题，它给你”最真诚、最不绕弯子的废话”——所有人都知道收益最大化是什么，但你要的不是这个。

TARS 解决两件事：立场不对称（AI 没有你的立场）和被动性（AI 不会主动找你）。

二、什么是立场#

“屁股决定脑袋”。

你的阅历和所处环境决定了你的想法和行动。没有经历过底层互害，就不会认可社会达尔文主义。笑是你最安全的表情，可能是你对不确定性的排斥导致的。不擅长侃侃而谈，可能是因为过去这么做收益不高。所有外界刺激的总和，构成了你的性格、潜意识、表达风格、决策倾向、价值观。

这个世界上没有绝对的傻子——每个人都在自己立场的最大限度内，被多巴胺刺激做出当下最优的选择。立场是人的根本属性。

如何为 AI 赋予立场？ 提示词切换（“你是英语专家”→“你是风水大师”）恰恰说明 AI 没有确定的立场。TARS 的解决方案是：从记忆系统入手。

立场是记忆的产物。我们每天醒来还记得自己叫什么、经历过什么——立场就是从记忆中解释和抽象出来的。推理能力由大模型提供，但立场存续靠的是记忆架构。在大模型推理模式被下一代技术变革之前，记忆系统是我们实现立场模拟的核心路径。

三、记忆系统#

1
tars 命令触发容器
2
  │
3
  ├─ 1. 读 Markdown 文件
4
  │     profile.md → "我是谁"
5
  │     goals.md → "我要去哪"
6
  │     worldview.md → "我戴什么眼镜看世界"
7
  │
8
  ├─ 2. 查 SQLite
9
  │     metrics → 体重/心情/睡眠最新值
10
  │     entities → stuck 项目
11
  │     events WHERE pending → 悬而未决的事
12
  │     diaries LIMIT 7 → 近一周摘要
13
  │
14
  ├─ 3. 语义检索 Chroma（基于当前任务）
15
  │
16
  ├─ 4. 拟合 Self Model（行为 vs 声明 gap）
17
  │     条件化规则（IF deadline<3天 THEN 执行力91%）
18
  │
19
  └─ 5. 拼成 system prompt → LLM

1
你说"在考虑换工作"
2
  → TARS 写入: event(kind=decision, lifecycle=pending)
3

4
下次 check-in，TARS 查: SELECT * FROM events WHERE lifecycle='pending'
5
  → 主动问："换工作的事有结论了吗？"
6

7
你说"决定再待一年"
8
  → TARS 更新: UPDATE events SET lifecycle='resolved'
9
  → resolved 不再出现在"待追踪"列表
10

11
三个月后你思考职业规划
12
  → RAG 语义召回 → "三个月前你决定再待一年，现在需要重新评估吗？"

四、六层能力栈#

1
Evidence Capture   → 不可变记录。用户说了什么、做了什么、情绪如何
2
Behavior Understanding → 条件化 IF-THEN 规则。不是人格标签，是行为规律
3
Prediction & Learning    → 预测→现实打脸→校准→Meta Learning（曾被推翻的假设未来自动降权）
4
Self Model Evolution     → 月度快照 + 变化速率 + Plasticity（可塑性）
5
Interaction Policy       → Agent 根据对用户的理解调整自己的行为——deadline驱动的人自动拆小目标
6
Adaptive Response        → 不只是理解用户，是学会怎么跟用户协作

五、Intent Parser — 意图分类#

每条消息进入 TARS 时，LLM 先判断它属于什么行为类型，然后走对应通道。

核心边界：问题是关于外部世界的，还是关于用户自己的。

默认规则：拿不准 → casual → fact → 只存不追问。不丢数据。

六、运行时模型#

TARS 不常驻后台。macOS 快捷指令定时踹，Docker 容器按需启动。

1
你的 MacBook
2
  ├─ 7:00  快捷指令踹 → 生成内参 PDF → 发邮件
3
  ├─ 21:00 快捷指令踹 → 晚间 check-in → Telegram 追问
4
  └─ 随手踹 → 拉 Telegram 消息 → 有新消息进入即时通信 → 30分钟空闲退出

Telegram 场景：你在外面用手机发消息给 TARS bot → 消息在 Telegram 服务器排队 → 回家 MacBook 被踹 → TARS 拉回来处理。

8 个 CLI 命令，tars 封装所有 Docker 参数：

1
tars         日常踹一脚
2
tars setup   安装引导
3
tars talk    对话模式（rich 渲染 Markdown，方向键正常）
4
tars check   系统自检
5
tars pack    打包备份
6
tars migrate 生成完整迁移包（镜像+数据+配置一把带走）

七、技术架构#

代码规模：~6400 行 Python，83 个 MCP 工具，12 条定时任务。

八、定时任务 — Memory 自己生长#

1
凌晨 2:00  nightly  推理验证 + 假设审查 + 归档 + 衰减 + 冲突检测
2
凌晨 3:00  weekly   周模式 + 情绪趋势 + 压缩
3
凌晨 4:00  monthly  月特质 + 行为指标 + 交互策略更新 + Self Model 快照
4
凌晨 5:00  quarterly 季度行为统计 + worldview gap + Plasticity
5
早上 7:00  内参报告 PDF → 邮箱
6
晚上 21:00 check-in  注意力预算 + drift 追问 + 冲突提醒

补跑机制：MacBook 睡眠错过了凌晨任务 → 开机后第一次 tick 自动检测并补跑。不会静默跳过。

九、自我进化#

TARS 可以修改自己的代码。write_file、edit_file、register_task、run_command、git_revert 都在 MCP 工具里。

1
用户说"帮我每天十点提醒喝水"
2
  → TARS 写新工具文件到 layer1/tools/
3
  → 注册定时任务到 tasks.yaml
4
  → git commit
5
  → 下次 tick 自动加载生效
6
  → 改坏了就 git_revert 回滚

内核（layer0）也可修改——安全网是 git，不是权限墙。

十、安装#

1
cd ~/life-agent
2
bash scripts/bootstrap.sh
3
docker build -t life-agent .
4
bash scripts/install.sh
5
tars setup
6
tars talk

前置条件：Docker Desktop、Telegram + API、Telegram bot token。