persona-dataset 是 OpenPersona（acnlabs/openpersona）体系中的角色数据层，位于原始数据源与角色训练之间。它的目标是把散落在各种来源里的个人资料，整理成一个持久、可增量更新、可语义搜索的角色知识库。
【用途与定位】 该技能用于为某个角色（persona）建立数据集：导入、存储、检索并整理其语料，然后导出训练材料。依赖链为：数据源 → persona-dataset → anyone-skill / persona-model-trainer。触发场景包括「为该角色建立数据集」「向数据集添加数据」「导入我的 Obsidian 库」「导入我的 Twitter 归档」「为 X 建立知识库」「导出训练数据」「搜索角色数据集」。不适合的场景：用户只想要一次性快速蒸馏、不需要持久存储（应单独使用 anyone-skill）；或数据量少于约 50 条消息，不足以建立数据集。
【架构】 由三部分组成：MemPalace（存储与检索）、Knowledge Graph（关系与时间线）、Karpathy LLM Wiki（知识沉淀）。MemPalace 的 palace 结构中，每个角色对应一个 Wing（以 slug 命名），Hall 映射到 5 个人格维度：hall_facts（身份：背景、职业、教育）、hall_events（记忆：关键事件与转折点）、hall_preferences（性格：价值观、偏好、边界）、hall_discoveries（程序：思维模型、决策启发式）、hall_voice（互动：词汇、节奏、幽默、情绪温度）。
【使用方式（分阶段）】 阶段 1 初始化：运行 python scripts/init_dataset.py --slug {slug} --name "Display Name"，生成 ~/.openpersona/datasets/{slug}/ 目录，包含 dataset.json（元数据）、.mempalace/（palace 内部存储，ChromaDB + KG）、sources/（不可变源文件备份及 .source-index.json）、wiki/（含 _schema.md、identity.md、voice.md、values.md、thinking.md、relationships.md、timeline.md、_contradictions.md、_changelog.md、_evidence.md）。此前需与用户确认 slug 与显示名。
阶段 2 摄取：python scripts/ingest.py --slug {slug} --source <path> [--adapter <name>] [--since <date>]，可多次调用以增量导入。适配器可自动检测：Obsidian 库（含 .obsidian/ 或 *.md）→ obsidian；WhatsApp .txt / Telegram result.json / Signal 导出 / iMessage .db → chat_export；X(Twitter) 归档（含 data/tweets.js）、Instagram 归档（含 content/posts_1.json）→ social；Slack/Discord JSON 委派给 mempalace mine --mode convos；.txt/.csv/.pdf → plaintext；.jsonl/.json（{role, content} 格式）→ jsonl；GBrain MCP → 需指定 --adapter gbrain --entity "Name"。摄取流水线为：解析为统一 [{role, content, timestamp, source_file, source_type}]、PII 扫描（标记 SSN、信用卡、邮箱、密码模式）、SHA-256 哈希去重、写入 sources/ 作为 JSONL 备份、原文存入 MemPalace、抽取 KG 三元组并记录时间有效性、最后输出报告（来源名、消息数、助手轮次、PII 标记、新增 KG 实体）。
阶段 3 Wiki 构建：这是代理任务而非脚本。代理读取 MemPalace 内容与 KG 关系，按 Karpathy LLM Wiki 模式更新 5-15 个 wiki 页面，证据分四级标注：[L1:source] 可直接溯源的引用、[L2] 转述可验证、[L3:inferred] 多信号合理推断、[L4:inspired] 印象式；用 [[page]] 语法加反链，在 _contradictions.md 记录矛盾并引用双方，追加 _changelog.md，更新 _evidence.md 计数。查询操作会先语义检索 MemPalace、再浏览 wiki 页面、综合回答，若产生新洞察则回写相应页面。relationships.md 与 timeline.md 由知识图谱生成（使用 mempalace.knowledge_graph 的 KnowledgeGraph.timeline / query_entity），代理可再行注释。
阶段 4 导出：python scripts/export_training.py --slug {slug} --output training/，产出 training/raw/（sources/ 原样拷贝）、training/conversations.jsonl（代理读 wiki 生成的结构化 Q-A 对）、training/profile.md（300-500 字人物卡）、training/metadata.json（汇总统计）。该输出可直接被 persona-model-trainer 的 prepare_data.py 消费。
阶段 5 搜索：mempalace search "..." --wing {slug} 做语义检索；KnowledgeGraph.query_entity 做实体查询；mempalace wake-up --wing {slug} 生成约 170 token 的唤醒摘要；也可在代码中调用 mempalace.searcher.search_memories。
阶段 6 维护：新增来源则重跑阶段 2 并触发 wiki 更新；删除来源需从 sources/ 删除并重建索引，再跑 lint 标记孤立内容；python scripts/lint_wiki.py --slug {slug} 做健康检查（检查断裂 [[链接]]、空页面、未解决的矛盾、证据覆盖、来源覆盖、页面结构）；--stats 查看统计；ls ~/.openpersona/datasets/ 列出全部数据集。
【工具与脚本】 工具：Bash（运行 init/ingest/export/lint 脚本及 MemPalace CLI）、Read（加载源文件、wiki、dataset.json）、Write（更新 wiki、写导出）、WebSearch（抓取公众人物数据）。脚本：init_dataset.py（初始化目录 + MemPalace wing + KG）、ingest.py（统一摄取：适配器分发 + PII 扫描 + 去重 + MemPalace + KG）、export_training.py、lint_wiki.py。参考文档：references/wiki-schema.md（wiki 结构与维护规则）、references/source-formats.md（数据源格式与适配器细节）。
【限制】 该技能需要 Python 脚本、MemPalace CLI 环境与本地 ~/.openpersona/datasets/ 存储；PII 扫描仅针对 SSN、信用卡、邮箱、密码等模式做标记；Wiki 构建依赖代理判断，非脚本自动化。资料未提供收费、价格、平台支持范围及性能指标等信息。