用途
secondme-skill 是一个用于构建个人 AI「第二自我」（AI Second Me）的完整流水线。它将分散的个人数据逐步转化为一个说话方式贴近本人的本地模型，并对可共享的内容进行治理。项目强调本地优先（local-first）与隐私优先（privacy-first），定位为「完全属于你自己」。
根据资料说明，本包是一个编排型（orchestration）技能包，它不替代更低层的能力，而是负责工作流门控、状态与报告契约。
主要能力与依赖链
基础（Foundation）：openpersona，用于 persona 包的创建与生命周期基线。
编排（Orchestration）：secondme-skill，负责工作流门控、状态与报告契约。
能力链（Capability chain）：
- anyone-skill：身份提取与证据分级
- persona-knowledge：数据接入、去重、wiki/知识图谱、版本化导出
- persona-model-trainer：本地训练、评估、导出、集成
事实来源（Source of truth）：
- Persona 来源声明：persona.json
- 流水线运行时状态：state/pipeline-state.json
- 产品与治理规范：references/product-report.md
- 生成的运行时包：generated/persona-secondme-skill/
- 重新生成脚本：scripts/regenerate-pack.sh
使用方式与执行策略
必需执行策略（Required execution policy）包括：尽可能使用非交互式生成与脚本；保持本地优先与最小权限默认值；保持各阶段输出可审计，并带有版本/哈希引用；将 persona-secondme-skill/ 视为生成输出（只读基线）；当 persona.json 变更时，在发布前重新生成运行时包；在仓库外发布前运行 scripts/publish-check.sh；推荐的发布检查路径为 scripts/run-gates.sh（重新生成 + 同步 + 模型门控 + 发布门控）。
阶段契约（Stage contract）：
- init：验证工具链与目录，初始化或加载 state/pipeline-state.json。
- ingest：接入用户自有数据并进行 PII 扫描，要求用户明确授权来源。
- distill：构建结构化的 persona 提取产物，确保 OpenPersona 所需的最小 persona 输入完整。
- train：按硬件分级路由（Apple Silicon 用 mlx；NVIDIA 用 unsloth；无本地 GPU 用 colab）。
- eval：检查阈值——voice_score >= 3.5；probe_score >= 0.8；困惑度退化 <= 20%（相对上一个可用版本）。
- integrate：仅当 eval 门控通过时才集成模型产物；要求运行时包的 persona 模型集成完成后，该阶段才标记为通过。
- report：在 reports/data、reports/model、reports/deploy 下生成三份报告；若 persona 模型门控失败，报告与部署建议保持阻断状态。
失败路由（Failure routing）：
- 数据门控失败：返回 ingest 并请求扩展来源。
- 训练失败：更换后端或缩小模型规模。
- 评估失败：增强数据或调整超参数后重新训练。
- 重试前始终在流水线状态中更新 error_code、last_error 与 retry_count。
人工审批与门控
需明确人工审批的情形：财务/法律承诺；更改账户的写入操作；身份产物的外部发布/共享。
Persona 模型门控（Persona model gate）：secondme 要求集成的必须是训练后的 persona 模型，而不能仅回退到宿主默认模型。通过标准：generated/persona-secondme-skill/persona.json 包含 body.runtime.models；body.runtime.models 至少有一个模型条目；scripts/check-model-integration.sh 返回成功。若该门控失败，报告不得标记为通过，部署建议保持阻断。
同步纪律与适用限制
同步纪律（Sync discipline）：先编辑根目录 persona.json 与编排文档；运行 scripts/regenerate-pack.sh；运行 scripts/check-sync.sh 验证根目录与生成包一致；确认运行时包路径 generated/persona-secondme-skill/ 存在且已更新；然后才在 reports/ 下生成发布报告。
限制方面，资料未提供具体的安装命令、收费与价格、支持的平台清单、模型规模上限或运行环境的最低配置要求，这些信息暂未提供。