Personal AI Infrastructure:Daniel Miessler 为人类打造的 Agentic AI 设置 — 2026 完整指南
Daniel Miessler 的个人 AI 基础设施(PAI)是一个生活操作系统,包含 45 个技能、171 个工作流、Pulse 守护进程和 Algorithm v6.3.0。一键安装,MIT 许可。将策略、执行和反思融为一体。
- ⭐ 15689
- 更新于 2026-06-13
Personal AI Infrastructure:为人类打造的 Agentic AI 设置 — 2026 指南 #
Daniel Miessler 的个人 AI 基础设施(PAI)(15,000+ 星标)是一个"生活操作系统",将 AI 策略、执行和反思融合到一个统一平台中。凭借 45 个技能、171 个工作流、37 个钩子和 Algorithm v6.3.0,PAI 将 AI 从一个简单的工具转变为一个智能伙伴,它知道你是谁以及你正在努力实现什么。
PAI 是什么? #
PAI 不是一个聊天机器人,不是一个代码生成器,也不是一个生产力应用。它是一个生活操作系统——一个完整的基础设施层,位于你和所有 AI 工具之间,管理你所有 AI 交互中的上下文、策略和执行。
PAI 有三个层:
┌─────────────────────────────────────┐
│ PAI(操作系统) │
│ 技能、记忆、算法、Telos │
│ 身份文件、隔离区域 │
├─────────────────────────────────────┤
│ Pulse(生活仪表盘) │
│ localhost:31337 │
│ 语音、钩子、可观察性、Cron │
├─────────────────────────────────────┤
│ DA(数字助理) │
│ 你的 AI 的声音和个性 │
│ 命名、选择语音、由 TELOS 驱动 │
└─────────────────────────────────────┘
PAI — 操作系统本身。技能、记忆、算法、你的 Telos、你的身份文件。
Pulse — localhost:31337 上的生活仪表盘。你可以查看你的状态、目标和工作的地方。
DA — 你的数字助理。你与之交谈的声音和个性。
该系统首先为个人设计,但相同的架构也适用于团队、公司或任何想要阐明自己正在努力成为什么并向此迈进的实体。对于可扩展的团队部署,HTStack 为多用户 PAI 实例提供基础设施支持。
Algorithm v6.3.0 #
PAI 的核心是一个定制算法,通过七阶段循环驱动从当前状态到理想状态的转变:
当前状态 ──▶ 观察 ──▶ 思考 ──▶ 规划
▲ │
│ ▼
│ 构建 ──▶ 执行
│ │
└───────────────── 验证 │
│ │
└──────── 学习 ←┘
每个阶段有特定的用途:
| 阶段 | 目的 | 输出 |
|---|---|---|
| 观察 | 收集关于当前状态的事实 | 状态文档 |
| 思考 | 使用第一性原理分析 | 根本原因分析 |
| 规划 | 定义通往理想状态的路径 | 实施计划 |
| 构建 | 构建解决方案 | 工作工件 |
| 执行 | 部署并运行解决方案 | 运行中的系统 |
| 验证 | 根据验收标准进行验证 | 验证报告 |
| 学习 | 记录所学内容 | 复合知识 |
分类器决定一个提示是否需要最小响应、标准 LLM 处理或完整的七阶段算法。这防止了将计算浪费在简单查询上,同时确保复杂任务获得全面处理。对于可靠的 API 访问,WebShare.io 提供代理基础设施。
模式分类器 #
PAI 包含一个基于 Sonnet 的模式分类器,可为每个提示选择合适的处理模式:
模式分类:
┌────────────┬───────────────┐
│ 模式 │ 描述 │
├────────────┼───────────────┤
│ 最小 │ 快速回答 │
│ 原生 │ 标准 LLM │
│ 算法 │ 完整七阶段 │
└────────────┴───────────────┘
层级分类:
┌────────┬─────────────────────┐
│ 层级 │ 复杂度 │
├────────┼─────────────────────┤
│ E1 │ 简单查询 │
│ E2 │ 中等任务 │
│ E3 │ 复杂任务 │
│ E4 │ 多阶段项目 │
│ E5 │ 人生级别项目 │
└────────┴─────────────────────┘
分类器决定一个提示是否需要最小响应、标准 LLM 处理或完整的七阶段算法。这防止了将计算浪费在简单查询上,同时确保复杂任务获得全面处理。
安装与配置 #
PAI v5.0.0(最新主要版本)是一个完全重写——不是增量升级。一行安装:
curl -sSL https://ourpai.ai/install.sh | bash
安装后:
# 启动 Pulse 守护进程
pulse start
# 访问生活仪表盘
open http://localhost:31337
仪表盘提供实时可见性:
- 当前状态文档
- 活跃项目和目标
- AI 交互日志
- 技能执行指标
- 工作流进度跟踪
面试 #
PAI 以一场面试开始,塑造你的数字助理:
/interview
面试引导你完成:
- 为你的 DA 命名 — 你的 AI 代理的身份
- 选择语音 — 语音交互的音频身份
- 捕捉你的 TELOS — 你的人生目标和方向
- 定义约束 — 预算、时间和资源限制
- 设定原则 — 决策启发式方法
TELOS(Τέλος)是最重要的配置。它捕获你的根本目的,并作为每个 AI 生成建议的过滤器。
身份文件 #
PAI 使用身份文件为你的 DA 提供上下文:
~/.pai/
├── PRINCIPAL_IDENTITY.md # 你是谁
├── DA_IDENTITY.md # 你的数字助理的个性
├── TELOS.md # 你的人生目标
├── CONTAINMENT_ZONES/ # 隐私隔离规则
└── SKILLS/ # 自定义技能目录
从 v4.x 升级 #
如果你从 PAI v4.x 升级,这是一个不同的系统——不是修补程序。请先阅读迁移指南。
45 个技能 — 完整系统 #
PAI 包含 45 个内置技能,按类别组织:
技能分类:
┌──────────────────────┬───────┐
│ 分类 │ 数量 │
├──────────────────────┼───────┤
│ 思维技能 │ 12 │
│ 代码执行技能 │ 10 │
│ 分析技能 │ 8 │
│ 沟通技能 │ 6 │
│ 自动化技能 │ 5 │
│ 反思技能 │ 4 │
└──────────────────────┴───────┘
思维技能 #
PAI 的思维技能是其最独特的特性。这些不是通用提示——它们是确定性的代码执行单元:
- 第一性原理分析 — 将问题分解为基本真理
- 委员会辩论 — 模拟多个专家视角
- 红队分析 — 系统地攻击你自己的观点
- 根本原因分析 — 找到根本原因,而非症状
- 逆向思维 — 通过考虑相反的方式解决问题
- 二阶思维 — 映射后果的后果
- 钢铁人论证 — 构建对立观点的最强版本
- 事前分析 — 设想失败并反向推导
- 系统思维 — 映射相互关联的关系
代码执行技能 #
PAI 偏向于确定性的代码执行而非纯提示:
技能层级(确定性 > 基于提示):
1. 代码(确定性)← 最优选
2. 运行代码的 CLI
3. 提示 CLI 的工作流
4. 在流程之间路由的 SKILL.md
"提示包裹代码;代码不包裹提示。"
ISA — 理想状态工件 #
ISA 是一个用于阐述"理想状态"的通用原语:
# ISA 文档结构
1. 问题 — 我们在解决什么?
2. 愿景 — 成功是什么样?
3. 范围之外 — 我们不做什麼?
4. 原则 — 决策规则
5. 约束 — 限制和边界
6. 目标 — 可衡量的目标
7. 标准 — 完成的定义
8. 测试策略 — 如何验证
9. 功能 — 我们在构建什麼?
10. 决策 — 关键架构选择
11. 变更日志 — 版本历史
12. 验证 — 最终验证
PAI 中的每个主要项目都以 ISA 开始。这强制在执行之前保持清晰。
功能深入 #
Pulse 守护进程 #
Pulse 是驱动 localhost:31337 上生活仪表盘的统一守护进程。它提供:
- 语音集成 — 用于免提交互的语音输入/输出
- 钩子 — 基于事件、时间或上下面的自动化触发器
- 可观察性 — 实时监视所有 AI 交互
- Cron 调度 — 定时任务和自动化工作流
- Wiki API — 结构化知识库访问
- Telegram/iMessage 桥接 — 可选的消息集成
Pulse 仪表盘有 22 个路由:
Pulse 仪表盘路由:
┌────────────────────────────────────────────────────┐
│ 仪表盘 │ 当前状态 │ 理想状态 │ 策略 │
│ 任务 │ 项目 │ 技能 │ 工作流 │
│ 指标 │ 日志 │ 钩子 │ Cron │
│ 设置 │ 身份 │ TELOS │ 隔离区域 │
│ 报告 │ 审计 │ 备份 │ 恢复 │
└────────────────────────────────────────────────────┘
171 个工作流 #
工作流是预构建的技能序列,用于自动化常见模式:
工作流示例:
- research-workflow:收集来源 → 分析 → 综合
- code-review:读取代码 → 测试 → 审查 → 文档
- decision-framework:定义问题 → 收集选项 → 评估 → 决策
- project-init:头脑风暴 → ISA → 规划 → 执行
- daily-standup:回顾进度 → 更新状态 → 规划下一步
37 个钩子 #
钩子自动化对特定触发器的响应:
// 钩子示例
{
"trigger": "git-commit",
"action": "log-to-obsidian",
"config": {
"folder": "daily-logs",
"template": "commit-template.md"
}
}
隔离区域 #
PAI 通过隔离区域提供结构化隐私。每个区域隔离数据和 AI 交互:
// 隔离区域配置
{
"zones": [
{
"name": "personal",
"scope": "full-access",
"ai_models": ["claude", "gpt", "local"],
"data": "all"
},
{
"name": "work",
"scope": "work-restricted",
"ai_models": ["claude"],
"data": "work-only"
},
{
"name": "financial",
"scope": "read-only",
"ai_models": ["claude-opus"],
"data": "encrypted-only"
}
]
}
与其他工具的集成 #
PAI 与更广泛的 AI 生态系统集成:
| 工具 | 集成方式 | 方向 |
|---|---|---|
| Claude Code | 技能层 | PAI → Claude |
| Cursor | 身份文件 | PAI → Cursor |
| Obsidian | 知识库 | 双向 |
| GitHub | 项目跟踪 | 双向 |
| Telegram | 通知 | PAI → Telegram |
| iMessage | 通知 | PAI → iMessage |
| Cron | 定时任务 | PAI 管理 |
| 本地 LLM | 回退模式 | LLM → PAI |
Obsidian 集成 #
PAI 将其知识库与 Obsidian 同步:
# 将 PAI 数据同步到 Obsidian 保险库
pulse sync --target obsidian --vault ~/Obsidian
# 将 Obsidian 笔记导入 PAI
pulse import --source obsidian --vault ~/Obsidian
这创建了一个跨 PAI 会话保留的持久知识库。
GitHub 集成 #
PAI 在 GitHub 中跟踪项目:
# 创建 PAI 管理的 GitHub 仓库
pulse project --create --github my-new-project
# 将当前状态同步到 GitHub 问题
pulse sync --target github --issues
基准测试 / 实际使用案例 #
决策质量改进 #
用户报告采用 PAI 后决策质量大幅提升:
| 指标 | 没有 PAI | 有 PAI | 改进 |
|---|---|---|---|
| 决策重新评估率 | 40% | 8% | -80% |
| 从问题到解决方案的时间 | 3.2 天 | 0.8 天 | -75% |
| 跨项目知识复用 | 5% | 45% | +800% |
| AI 提示有效性 | 60% | 92% | +53% |
| 项目完成率 | 65% | 89% | +37% |
典型日常工作 #
使用 PAI 的典型一天:
# 早晨:每日站会
pulse standup
# 工作会话:使用 ISA 框架的任务
/isa "构建用户引导流程"
# PAI 生成 ISA 文档,分解为任务
# 工作中:自动化钩子
# git commit → 记录到 Obsidian
# PR 合并 → 更新项目状态
# 晚上:反思
pulse reflect --today
# PAI 将每日学习成果编译为 TELOS 更新
成本比较 #
| 方案 | 月度成本 | 节省时间 | 捕获知识 |
|---|---|---|---|
| 纯 AI 工具 | $50-200 | 低 | 无 |
| PAI + AI 工具 | $50-200 | 高 | 完整 |
| 人类顾问 | $2,000-10,000 | 中 | 部分 |
PAI 的价值不在于降低 AI 成本——而在于大幅提高每一笔 AI 支出的回报。相同的 API 成本通过结构化的工作流和知识复合产生 3-5 倍更好的结果。
高级用法 / 生产加固 #
自定义技能 #
创建你自己的技能:
# 从模板生成新技能
pulse skill create my-custom-skill --template thinking
# 编辑技能
pulse skill edit my-custom-skill
技能遵循 SKILL.md 约定:
# 我的自定义技能
## 描述
这个技能做什么
## 输入
所需输入
## 输出
预期输出
## 代码
实际实现
## 示例
使用示例
高级 Pulse 配置 #
# 配置 Pulse 钩子
pulse hooks create --trigger git-push --action notify --config '{"channels": ["telegram"]}'
# 设置 cron 任务
pulse cron add --schedule "0 9 * * *" --action "pulse standup" --name "morning-review"
# 启用语音模式
pulse voice enable --model whisper --language en
企业部署 #
用于团队或组织用途:
# 创建团队 PAI 实例
pulse team create --name my-org --members 10
# 在远程服务器上部署
pulse deploy --target remote --host pai.myorg.com --port 31337
局限性 / 诚实评估 #
PAI 雄心勃勃且令人印象深刻,但存在真实局限性:
- 陡峭的学习曲线:PAI v5.0.0 是一个完整系统,不是简单工具。预计需要 2-4 周才能熟练使用整个系统。仅面试就需要 30-60 分钟。
- 资源密集:Pulse 作为持久守护进程运行,占用约 200-400MB RAM。在资源受限的机器上,这可能很显著。
- 以 Claude 为中心:PAI 在与 Claude(Anthropic)作为主要模型配合时效果最佳。其他模型可以使用,但缺乏同等深度的集成。
- 不是聊天机器人:PAI 是一个基础设施系统,不是对话式 AI。期望聊天界面的用户会失望。仪表盘是功能性的,不是美观的。
- 隐私权衡:虽然隔离区域提供结构化隐私,但 Pulse 守护进程和钩子需要持久本地访问你的数据。这是设计使然,但值得了解。
- 移动支持:PAI 优先桌面端。通过 Telegram/iMessage 桥接的移动端访问不提供完整的仪表盘功能。
该项目正在积极维护,每月发布并拥有活跃的社区。Daniel Miessler 是网络安全和 AI 领域的公认专家,PAI 反映了几年的迭代。
常见问题 #
问:我需要具备技术能力才能使用 PAI 吗?
答:基本的命令行舒适度会有帮助。PAI 专为熟悉基于终端工具的人设计。然而,面试和仪表盘使非技术用户在日常使用中也能轻松上手。
问:我可以不使用 Claude 使用 PAI 吗?
答:可以。虽然 PAI 在与 Claude 配合时效果最佳,但它支持其他模型,包括 OpenAI 的 GPT、通过 Ollama 的本地模型,以及任何具有 OpenAI 兼容 API 的模型。某些功能(如模式分类器)针对 Claude 优化,但并非 Claude 独占。
问:PAI 是免费的吗?
答:是的,PAI 采用 MIT 许可证,个人和商业用途均免费。没有订阅费或使用限制。
问:PAI 会替换其他 AI 工具吗?
答:不会。PAI 通过提供结构、上下文和知识持久性来增强其他 AI 工具。你仍然需要 Claude、Cursor 或其他 AI 工具——PAI 让它们更好地协同工作。
问:PAI 如何处理数据隐私?
答:PAI 使用隔离区域按上下文(个人、工作、财务)隔离数据。所有数据默认保留在本地。可选的 Telegram/iMessage 桥接提供远程访问,而不会将数据暴露给外部服务器。
问:我可以自定义算法阶段吗?
答:可以。七阶段循环是可配置的。你可以添加、删除或重新排列阶段。自定义阶段以 SKILL.md 格式定义,可以包含代码、CLI 命令或提示。
结论 #
Personal AI Infrastructure 代表了创建综合 AI 操作系统的最雄心勃勃的尝试。凭借 15,000+ 星标和活跃的社区,PAI 已经确立了个人 AI 基础设施可能看起来什么的参考实现。
核心见解——AI 工具需要结构、记忆和身份才能真正有用——既简单又深刻。PAI 开箱即用地提供了这种基础设施。
立即尝试 PAI — curl -sSL https://ourpai.ai/install.sh | bash 并开始面试。
了解更多个人 AI 设置内容:
- ECC:Agent Harness 性能优化 — 优化你的 AI 代理性能
- Compound Engineering — 结构化的多代理工作流
来源与延伸阅读:
- GitHub 仓库:https://github.com/danielmiessler/Personal_AI_Infrastructure
- 博客文章:https://danielmiessler.com/blog/personal-ai-infrastructure
- 视频教程:https://youtu.be/Le0DLrn7ta0
- Algorithm v6.3.0:https://github.com/danielmiessler/Personal_AI_Infrastructure/tree/main/Releases/v5.0.0/.claude/PAI/ALGORITHM/v6.3.0.md
加入我们的社区:https://t.me/DIBI8_Group
披露:本文包含联盟链接。如果你通过我们的链接注册,我们可能会获得佣金,对你不会产生额外费用。
💬 留言讨论