Agent 数字分身身份模块Identity Module实战指南用 voice.md 与 brand.md 为 AI 固化个人品牌与内容风格【免费下载链接】Agent-Skills-for-Context-EngineeringA comprehensive collection of Agent Skills for context engineering, multi-agent architectures, and production agent systems. Use when building, optimizing, or debugging agent systems that require effective context management.项目地址: https://gitcode.com/GitHub_Trending/ag/Agent-Skills-for-Context-Engineering导读在 AI 辅助创作时代写得不像自己是个人品牌自动化的最大痛点。本文以开源仓库 Agent Skills for Context Engineering 中 Digital Brain 示例的Identity Module身份模块为主线讲解如何用一套目录化、可被 Agent 解析的 Markdown/YAML/XML 文件将个人的语气风格voice、品牌定位brand、核心价值观values与多平台简介bio-variants固化为结构化上下文。读完本文你将掌握该模块的文件职责划分、Agent 加载顺序、可复用提示词模板以及它背后的上下文工程原理渐进式披露、注意力预算、Voice First 原则并可直接套用这套骨架搭建自己的数字分身。Identity Module 在 Digital Brain 中的定位Digital Brain 是仓库中一个面向创始人、创作者和构建者的个人操作系统示例采用模块化目录架构包含identity/、content/、knowledge/、network/、operations/与agents/六个领域模块见 README.md。其中identity/是唯一在任何对外表达前必须被读取的模块。在 SKILL.md 中它被标记为 Critical for Content并有一条硬性规则Always readidentity/voice.mdbefore generating any content.原因在于个人品牌的核心资产不是某一条爆款内容而是可复现的一致性——无论由谁人类或 Agent来写输出的文字都应当听起来像同一个人。Identity Module 正是把这个人是谁、怎么说话、坚持什么编码为 Agent 可读取的结构化上下文让一致性不再依赖提示词里的偶然描述。该模块的入口说明文件 IDENTITY.md 以 frontmatter 声明了自身用途Personal brand, voice, values, and positioning. Reference before creating any content or representing the user externally.个人品牌、声音、价值观与定位在创建任何内容或对外代表用户之前参考。即它是一个强制前置模块。文件结构与职责划分IDENTITY.md 用一张表格定义了模块内每个文件的职责这是整个模块的骨架原文完整保留如下FilePurposevoice.mdTone, style, writing patterns语气、风格、写作模式brand.mdPositioning, topics, audience定位、主题、受众values.yamlCore beliefs and principles核心信念与原则bio-variants.mdDifferent bio lengths for platforms面向不同平台的简介变体prompts/Reusable prompts for content generation可复用的内容生成提示词对应到仓库中的真实路径为identity/voice.md——语气与风格的核心档案identity/brand.md——品牌策略与内容支柱identity/values.yaml——价值观与决策框架identity/bio-variants.md——各平台简介变体identity/prompts/content-generation.xml 与 identity/prompts/reply-generator.xml——两个可复用提示词模板。这种一个领域一个目录、目录内再分层的组织方式正是 Digital Brain 上下文工程原则的体现模块隔离Module Separation保证内容创作任务永远不需要加载网络或运营数据从而把注意力预算花在刀刃上。何时使用Agent 的触发规则IDENTITY.md 明确了四个典型使用场景构成 Agent 的路由表写任何内容先读voice.md这是唯一正确的顺序新建平台主页查bio-variants.md获取对应平台的字数限制与写法战略决策参考values.yaml校准立场与取舍内容选题咨询brand.md确认是否落在内容支柱内。这套规则与 SKILL.md 中的触发词体系衔接当用户说write a post、my voice、content ideas时Agent 首先激活 Digital Brain skill随后按 IDENTITY.md 的指引加载身份模块。换句话说IDENTITY.md 是技能激活后的第一跳路由指令。Agent 指令与强制加载顺序IDENTITY.md 内嵌了一段instructions指令块规定了 Agent 在为用户创作内容时必须遵守的流程原文如下When creating content for the user: 1. ALWAYS read voice.md before drafting 2. Match the energy level, vocabulary, and structural patterns 3. Avoid words/phrases listed in never use section 4. Incorporate signature phrases naturally 5. Check brand.md for topic relevance这五条指令翻译成工程约束就是顺序不可逆voice.md必须在草稿前读取杜绝先写后校三要素对齐能量层级、词汇表、结构模式全部以 voice.md 为准负向约束never use清单是硬性过滤条件比正向指令优先级更高自然融入签名短语必须自然出现防止生硬堆砌主题校验选题必须与 brand.md 的内容支柱对齐。同样的规则在 AGENT.md 中被提升为项目级 Core Rules 的第一条并在 SKILL.md 的 Guidelines 中再次出现Voice First: Always readidentity/voice.mdbefore any content generation。同一规则在三个层级重复出现这不是冗余而是上下文工程中的关键指令冗余策略——确保无论 Agent 从哪个入口进入都不会错过这条约束。Voice Quick Reference理解 voice.md 的七个区块IDENTITY.md 指出 voice.md 是核心资产并提示 Agent 应内化四类关键元素沟通风格正式/随意的光谱、签名短语与词汇、结构模式帖子格式、钩子、要强调与要避免的主题。深入阅读 voice.md 可以看到一个完整的语气档案模板共七个区块1. 核心声音画像Core Voice Profile个性快照用 23 句话描述沟通个性例如示例占位符Direct and energetic with a bias toward action...声音属性评分表用 110 分量化五个维度——正式↔随意、严肃↔俏皮、技术↔简单、内敛↔外放、谦逊↔自信。分数化的好处是 Agent 可将其作为明确的数值约束参与生成与自检。2. 写作模式Writing Patterns句式结构短句还是复合句、一行一个观点、是否善用换行强调段落风格每段最多几句、何时用列表钩子模式开篇套路如热评式Unpopular opinion: X、故事式Last week I...、提问式Ever noticed how...?。3. 词汇表Vocabulary以 YAML 结构分三类phrases: # 签名短语例如 Heres the thing、Let me break it down use_often: # 高频词例如 leverage、ship、iterate avoid: # 禁用词例如 synergy、circle back、过度使用 emojiavoid清单是负向约束的落地形式也是生成质量自检的过滤器。4. 平台适配Platform Adaptations为 Twitter/X更短、LinkedIn更专业、长文/博客/Newsletter可展开分别标注差异化的平台规则。5. 内容格式Content Formats定义线程结构模板钩子→背景→主体→takeaway→CTA以及热评、故事、教学三类帖子模板供 Agent 直接套用。6. 实例Examples存放 23 篇最能代表你声音的真实写作样例作为 Agent 少样本参考few-shot examples。7. 反模式Anti-Patterns明确列出听起来不像你的写法例如过度正式的商务腔、过度 hedgingI think maybe perhaps...、无实质的标题党。从上下文工程角度看voice.md 的设计遵循 SKILLS-MAPPING.md 中引用的高信号原则Find the smallest possible set of high-signal tokens that maximize the likelihood of some desired outcome.——只记录区分性模式签名短语、反模式而不是泛泛的写作建议同时通过文件体积上限模块指令文件控制在 100 行以内防止上下文退化context rot。品牌层brand.md 与 values.yaml如果说 voice.md 管怎么说那么 brand.md 和 values.yaml 管说什么、为什么说。brand.md定位、受众与内容支柱结构上包含九大节品牌一句话定位One-Liner、30 秒电梯演讲、起源故事、目标受众主受众以 YAML 描述画像/痛点/愿景/聚集地副受众分段描述、内容支柱、独特价值主张、品牌声音对齐、竞争定位与增长策略。其中最关键的工程化设计是内容支柱Content Pillars主支柱80% 内容用户有权威的主题用表格给出 Pillar / Description / Example Angles副支柱20% 内容补充性邻接主题禁区主题Off-Limits刻意回避的话题。Agent 在选题时必须对照支柱表做匹配校验如 content-workflow 示例中的building_in_public ✓ MATCH不匹配则不应创作或需要用户确认。values.yaml决策框架以结构化 YAML 表达core_values名称/含义/实践、beliefs强观点、contrarian_views反主流观点理由、non_negotiables绝不逾越的底线、principles按内容创作/商业/人际关系分组的行事原则、decision_framework不确定时怎么办、优先级排序、取舍准则。这些字段对 Agent 的意义在于当生成内容遇到立场判断或利益冲突时可以直接查询 values.yaml 作出与用户价值观一致的选择而不是凭空猜测。例如non_negotiables中的不推广没用过的产品不对个人进行公开负面评论会直接影响回复生成器的输出边界。可复用提示词prompts/ 下的两个 XML 模板content-generation.xml主内容生成器content-generation.xml 是一个带版本号的 XML 主提示词在description中明确要求Load voice.md and brand.md before using。其结构包含context以{{USER_NAME}}、{{USER_DESCRIPTION}}等变量注入身份并要求生成前先读 voice.md、brand.md以及最近的成功帖文voice_guidelines由 voice.md 填充的{{VOICE_LEVEL}}正式/随意级别、签名短语与禁用词output_requirements{{CONTENT_FORMAT}}、{{TARGET_PLATFORM}}、{{TARGET_LENGTH}}、{{INCLUDE_CTA}}四个输出参数quality_checks四道自检问题——听起来像本人吗与内容支柱一致吗对目标受众有价值吗语气适配平台吗这套变量占位符的设计让同一个模板可以在不改动骨架的情况下通过替换变量适配任意内容任务。reply-generator.xml互动回复生成器reply-generator.xml 专门处理评论、私信、提及等互动场景核心设计是语境分类的语调校准tone_calibration public_replySlightly more polished, brand-aware/public_reply dm_replyMore casual, direct, personal/dm_reply comment_replyConcise, appreciative, engaging/comment_reply /tone_calibration同时内置五条回复原则匹配对方能量、提供增量价值、社交平台简短/私信更详细、异议时尊重且建设性、适当引用共同上下文并要求输出 23 个候选回复标准版、更随性版、可延续对话版。两个 XML 模板对应 README.md 中XML 用于复杂提示词的格式约定XML 的命名节结构instructions/context/output天然适合 Agent 解析且易于做合法性校验。上下文工程原理如何支撑身份模块Identity Module 并非孤立的模板集合其设计深度嵌入了仓库的核心技能。根据 SKILLS-MAPPING.md 的映射可归纳为四点上下文工程技能在身份模块中的体现context-fundamentals渐进式披露 注意力预算任务只加载所需文件——写内容加载 identity 模块约 400 tokens从不加载整个 Digital Brain约 5000 tokensmemory-systemsvoice.md 作为语义记忆保存风格模式posts.jsonl 作为发布历史供回顾分析context-optimization模块隔离保证身份数据独立just-in-time loading让 IDENTITY.md 仅在该模块相关时加载引用深度最多两跳context-degradation单一事实源声音只存在于 voice.md目标只存在于 goals.yaml杜绝重复导致的指令冲突文件大小上限防止上下文腐败在 examples/content-workflow.md 的完整创作流程示例中这条链路被量化为SKILL.md约 50 tokens路由→identity/IDENTITY.md约 80 tokens模块指令→identity/voice.md约 200 tokens声音模式→identity/brand.md扫描支柱约 150 tokens主题校验总计约 650 tokens对比加载整个大脑约 5000 tokens省去了 87% 的上下文开销。这就是身份模块存在的工程意义用最小的 token 成本换取最大的一致性收益。实战一次完整的以本人声音写帖子流程结合 IDENTITY.md 的指令与 content-workflow.md一次标准创作流程如下激活用户输入 Help me write a thread about lessons from building in publicAgent 识别为内容创作任务读 voice.md强制提取formal_casual: 7/10、签名短语Heres the thing、avoid: [synergy, circle back]等约束读 brand.md校验确认building_in_public是内容支柱target_audience: Early-stage technical founders参考历史扫描content/posts.jsonl发现该支柱下故事式线程表现最好如 likes 234、reposts 45套用模板用content/templates/thread.md作为骨架按钩子→背景→要点→takeaway→CTA 成稿声音对齐自检逐条核对签名短语是否自然出现、是否使用禁用词、语气是否匹配 7/10 的随意度发布后记录将成品与指标 append-only 写入content/posts.jsonl形成下一轮创作的历史参考。值得注意的是这套流程在发布环节还体现了 Identity Module 与 Content Module 的联动身份决定怎么表达内容模块决定发什么、效果如何历史表现又会反过来优化未来内容的表达侧重。上手清单用这套骨架搭建你的身份模块仓库中的身份模块是一个待填充的模板骨架所有关键字段均为[PLACEHOLDER: ...]占位符这正是其刻意设计——据 SKILLS-MAPPING.md 所述用占位符而非示例是为了避免AI 味AI slop强制用户个性化。搭建步骤填充 voice.md先写 23 句个性快照再对五个声音属性打分随后列出签名短语、常用词、禁用词、钩子模式最后贴上 23 篇代表作作为少样本填写 brand.md确定一句话定位、主受众画像、80/20 内容支柱与禁区主题校准 values.yaml明确非协商底线与决策框架这将决定 Agent 的立场边界准备 bio-variants.md按各平台字数限制写好 160 字 Twitter 简介、120 字 LinkedIn 标题、50/150 字演讲者简介等并拆分可复用的凭证块/个人化块/CTA 块用于混搭按需定制 prompts/把两个 XML 模板中的{{USER_NAME}}、{{VOICE_LEVEL}}等变量替换为实际值即可投入使用。需要特别说明的适用前提该模板面向使用 Claude Code 等支持 skill 机制、且具备文件系统读写能力的 Agent 环境JSONL 数据文件为追加式写入append-only修改状态时应标记status: archived而非删除以保留模式分析所需的完整历史。结语Identity Module 是 Digital Brain 中将人格工程化的范本voice.md 解决怎么说brand.md 解决说什么values.yaml 解决为什么bio-variants.md 解决在哪说prompts/ 解决如何稳定地自动说。它把上下文工程中的渐进式披露、注意力预算与模块隔离从抽象原则落地为可直接套用的文件结构与 Agent 指令。对于任何希望在 AI 辅助下维持真实、一致、可规模化的个人品牌输出的人来说这套身份模块骨架都值得直接移植。【免费下载链接】Agent-Skills-for-Context-EngineeringA comprehensive collection of Agent Skills for context engineering, multi-agent architectures, and production agent systems. Use when building, optimizing, or debugging agent systems that require effective context management.项目地址: https://gitcode.com/GitHub_Trending/ag/Agent-Skills-for-Context-Engineering创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/9/13 11:27:29 · 阅读 1.2k Agent 数字分身身份模块（Identity Module）实战指南：用 voice.md 与 brand.md 为 AI 固化个人品牌与内容风格
Agent 数字分身身份模块Identity Module实战指南用 voice.md 与 brand.md 为 AI 固化个人品牌与内容风格【免费下载链接】Agent-Skills-for-Context-EngineeringA comprehensive collection of Agent Skills for context engineering, multi-agent architectures, and production agent systems. Use when building, optimizing, or debugging agent systems that require effective context management.项目地址: https://gitcode.com/GitHub_Trending/ag/Agent-Skills-for-Context-Engineering导读在 AI 辅助创作时代写得不像自己是个人品牌自动化的最大痛点。本文以开源仓库 Agent Skills for Context Engineering 中 Digital Brain 示例的Identity Module身份模块为主线讲解如何用一套目录化、可被 Agent 解析的 Markdown/YAML/XML 文件将个人的语气风格voice、品牌定位brand、核心价值观values与多平台简介bio-variants固化为结构化上下文。读完本文你将掌握该模块的文件职责划分、Agent 加载顺序、可复用提示词模板以及它背后的上下文工程原理渐进式披露、注意力预算、Voice First 原则并可直接套用这套骨架搭建自己的数字分身。Identity Module 在 Digital Brain 中的定位Digital Brain 是仓库中一个面向创始人、创作者和构建者的个人操作系统示例采用模块化目录架构包含identity/、content/、knowledge/、network/、operations/与agents/六个领域模块见 README.md。其中identity/是唯一在任何对外表达前必须被读取的模块。在 SKILL.md 中它被标记为 Critical for Content并有一条硬性规则Always readidentity/voice.mdbefore generating any content.原因在于个人品牌的核心资产不是某一条爆款内容而是可复现的一致性——无论由谁人类或 Agent来写输出的文字都应当听起来像同一个人。Identity Module 正是把这个人是谁、怎么说话、坚持什么编码为 Agent 可读取的结构化上下文让一致性不再依赖提示词里的偶然描述。该模块的入口说明文件 IDENTITY.md 以 frontmatter 声明了自身用途Personal brand, voice, values, and positioning. Reference before creating any content or representing the user externally.个人品牌、声音、价值观与定位在创建任何内容或对外代表用户之前参考。即它是一个强制前置模块。文件结构与职责划分IDENTITY.md 用一张表格定义了模块内每个文件的职责这是整个模块的骨架原文完整保留如下FilePurposevoice.mdTone, style, writing patterns语气、风格、写作模式brand.mdPositioning, topics, audience定位、主题、受众values.yamlCore beliefs and principles核心信念与原则bio-variants.mdDifferent bio lengths for platforms面向不同平台的简介变体prompts/Reusable prompts for content generation可复用的内容生成提示词对应到仓库中的真实路径为identity/voice.md——语气与风格的核心档案identity/brand.md——品牌策略与内容支柱identity/values.yaml——价值观与决策框架identity/bio-variants.md——各平台简介变体identity/prompts/content-generation.xml 与 identity/prompts/reply-generator.xml——两个可复用提示词模板。这种一个领域一个目录、目录内再分层的组织方式正是 Digital Brain 上下文工程原则的体现模块隔离Module Separation保证内容创作任务永远不需要加载网络或运营数据从而把注意力预算花在刀刃上。何时使用Agent 的触发规则IDENTITY.md 明确了四个典型使用场景构成 Agent 的路由表写任何内容先读voice.md这是唯一正确的顺序新建平台主页查bio-variants.md获取对应平台的字数限制与写法战略决策参考values.yaml校准立场与取舍内容选题咨询brand.md确认是否落在内容支柱内。这套规则与 SKILL.md 中的触发词体系衔接当用户说write a post、my voice、content ideas时Agent 首先激活 Digital Brain skill随后按 IDENTITY.md 的指引加载身份模块。换句话说IDENTITY.md 是技能激活后的第一跳路由指令。Agent 指令与强制加载顺序IDENTITY.md 内嵌了一段instructions指令块规定了 Agent 在为用户创作内容时必须遵守的流程原文如下When creating content for the user: 1. ALWAYS read voice.md before drafting 2. Match the energy level, vocabulary, and structural patterns 3. Avoid words/phrases listed in never use section 4. Incorporate signature phrases naturally 5. Check brand.md for topic relevance这五条指令翻译成工程约束就是顺序不可逆voice.md必须在草稿前读取杜绝先写后校三要素对齐能量层级、词汇表、结构模式全部以 voice.md 为准负向约束never use清单是硬性过滤条件比正向指令优先级更高自然融入签名短语必须自然出现防止生硬堆砌主题校验选题必须与 brand.md 的内容支柱对齐。同样的规则在 AGENT.md 中被提升为项目级 Core Rules 的第一条并在 SKILL.md 的 Guidelines 中再次出现Voice First: Always readidentity/voice.mdbefore any content generation。同一规则在三个层级重复出现这不是冗余而是上下文工程中的关键指令冗余策略——确保无论 Agent 从哪个入口进入都不会错过这条约束。Voice Quick Reference理解 voice.md 的七个区块IDENTITY.md 指出 voice.md 是核心资产并提示 Agent 应内化四类关键元素沟通风格正式/随意的光谱、签名短语与词汇、结构模式帖子格式、钩子、要强调与要避免的主题。深入阅读 voice.md 可以看到一个完整的语气档案模板共七个区块1. 核心声音画像Core Voice Profile个性快照用 23 句话描述沟通个性例如示例占位符Direct and energetic with a bias toward action...声音属性评分表用 110 分量化五个维度——正式↔随意、严肃↔俏皮、技术↔简单、内敛↔外放、谦逊↔自信。分数化的好处是 Agent 可将其作为明确的数值约束参与生成与自检。2. 写作模式Writing Patterns句式结构短句还是复合句、一行一个观点、是否善用换行强调段落风格每段最多几句、何时用列表钩子模式开篇套路如热评式Unpopular opinion: X、故事式Last week I...、提问式Ever noticed how...?。3. 词汇表Vocabulary以 YAML 结构分三类phrases: # 签名短语例如 Heres the thing、Let me break it down use_often: # 高频词例如 leverage、ship、iterate avoid: # 禁用词例如 synergy、circle back、过度使用 emojiavoid清单是负向约束的落地形式也是生成质量自检的过滤器。4. 平台适配Platform Adaptations为 Twitter/X更短、LinkedIn更专业、长文/博客/Newsletter可展开分别标注差异化的平台规则。5. 内容格式Content Formats定义线程结构模板钩子→背景→主体→takeaway→CTA以及热评、故事、教学三类帖子模板供 Agent 直接套用。6. 实例Examples存放 23 篇最能代表你声音的真实写作样例作为 Agent 少样本参考few-shot examples。7. 反模式Anti-Patterns明确列出听起来不像你的写法例如过度正式的商务腔、过度 hedgingI think maybe perhaps...、无实质的标题党。从上下文工程角度看voice.md 的设计遵循 SKILLS-MAPPING.md 中引用的高信号原则Find the smallest possible set of high-signal tokens that maximize the likelihood of some desired outcome.——只记录区分性模式签名短语、反模式而不是泛泛的写作建议同时通过文件体积上限模块指令文件控制在 100 行以内防止上下文退化context rot。品牌层brand.md 与 values.yaml如果说 voice.md 管怎么说那么 brand.md 和 values.yaml 管说什么、为什么说。brand.md定位、受众与内容支柱结构上包含九大节品牌一句话定位One-Liner、30 秒电梯演讲、起源故事、目标受众主受众以 YAML 描述画像/痛点/愿景/聚集地副受众分段描述、内容支柱、独特价值主张、品牌声音对齐、竞争定位与增长策略。其中最关键的工程化设计是内容支柱Content Pillars主支柱80% 内容用户有权威的主题用表格给出 Pillar / Description / Example Angles副支柱20% 内容补充性邻接主题禁区主题Off-Limits刻意回避的话题。Agent 在选题时必须对照支柱表做匹配校验如 content-workflow 示例中的building_in_public ✓ MATCH不匹配则不应创作或需要用户确认。values.yaml决策框架以结构化 YAML 表达core_values名称/含义/实践、beliefs强观点、contrarian_views反主流观点理由、non_negotiables绝不逾越的底线、principles按内容创作/商业/人际关系分组的行事原则、decision_framework不确定时怎么办、优先级排序、取舍准则。这些字段对 Agent 的意义在于当生成内容遇到立场判断或利益冲突时可以直接查询 values.yaml 作出与用户价值观一致的选择而不是凭空猜测。例如non_negotiables中的不推广没用过的产品不对个人进行公开负面评论会直接影响回复生成器的输出边界。可复用提示词prompts/ 下的两个 XML 模板content-generation.xml主内容生成器content-generation.xml 是一个带版本号的 XML 主提示词在description中明确要求Load voice.md and brand.md before using。其结构包含context以{{USER_NAME}}、{{USER_DESCRIPTION}}等变量注入身份并要求生成前先读 voice.md、brand.md以及最近的成功帖文voice_guidelines由 voice.md 填充的{{VOICE_LEVEL}}正式/随意级别、签名短语与禁用词output_requirements{{CONTENT_FORMAT}}、{{TARGET_PLATFORM}}、{{TARGET_LENGTH}}、{{INCLUDE_CTA}}四个输出参数quality_checks四道自检问题——听起来像本人吗与内容支柱一致吗对目标受众有价值吗语气适配平台吗这套变量占位符的设计让同一个模板可以在不改动骨架的情况下通过替换变量适配任意内容任务。reply-generator.xml互动回复生成器reply-generator.xml 专门处理评论、私信、提及等互动场景核心设计是语境分类的语调校准tone_calibration public_replySlightly more polished, brand-aware/public_reply dm_replyMore casual, direct, personal/dm_reply comment_replyConcise, appreciative, engaging/comment_reply /tone_calibration同时内置五条回复原则匹配对方能量、提供增量价值、社交平台简短/私信更详细、异议时尊重且建设性、适当引用共同上下文并要求输出 23 个候选回复标准版、更随性版、可延续对话版。两个 XML 模板对应 README.md 中XML 用于复杂提示词的格式约定XML 的命名节结构instructions/context/output天然适合 Agent 解析且易于做合法性校验。上下文工程原理如何支撑身份模块Identity Module 并非孤立的模板集合其设计深度嵌入了仓库的核心技能。根据 SKILLS-MAPPING.md 的映射可归纳为四点上下文工程技能在身份模块中的体现context-fundamentals渐进式披露 注意力预算任务只加载所需文件——写内容加载 identity 模块约 400 tokens从不加载整个 Digital Brain约 5000 tokensmemory-systemsvoice.md 作为语义记忆保存风格模式posts.jsonl 作为发布历史供回顾分析context-optimization模块隔离保证身份数据独立just-in-time loading让 IDENTITY.md 仅在该模块相关时加载引用深度最多两跳context-degradation单一事实源声音只存在于 voice.md目标只存在于 goals.yaml杜绝重复导致的指令冲突文件大小上限防止上下文腐败在 examples/content-workflow.md 的完整创作流程示例中这条链路被量化为SKILL.md约 50 tokens路由→identity/IDENTITY.md约 80 tokens模块指令→identity/voice.md约 200 tokens声音模式→identity/brand.md扫描支柱约 150 tokens主题校验总计约 650 tokens对比加载整个大脑约 5000 tokens省去了 87% 的上下文开销。这就是身份模块存在的工程意义用最小的 token 成本换取最大的一致性收益。实战一次完整的以本人声音写帖子流程结合 IDENTITY.md 的指令与 content-workflow.md一次标准创作流程如下激活用户输入 Help me write a thread about lessons from building in publicAgent 识别为内容创作任务读 voice.md强制提取formal_casual: 7/10、签名短语Heres the thing、avoid: [synergy, circle back]等约束读 brand.md校验确认building_in_public是内容支柱target_audience: Early-stage technical founders参考历史扫描content/posts.jsonl发现该支柱下故事式线程表现最好如 likes 234、reposts 45套用模板用content/templates/thread.md作为骨架按钩子→背景→要点→takeaway→CTA 成稿声音对齐自检逐条核对签名短语是否自然出现、是否使用禁用词、语气是否匹配 7/10 的随意度发布后记录将成品与指标 append-only 写入content/posts.jsonl形成下一轮创作的历史参考。值得注意的是这套流程在发布环节还体现了 Identity Module 与 Content Module 的联动身份决定怎么表达内容模块决定发什么、效果如何历史表现又会反过来优化未来内容的表达侧重。上手清单用这套骨架搭建你的身份模块仓库中的身份模块是一个待填充的模板骨架所有关键字段均为[PLACEHOLDER: ...]占位符这正是其刻意设计——据 SKILLS-MAPPING.md 所述用占位符而非示例是为了避免AI 味AI slop强制用户个性化。搭建步骤填充 voice.md先写 23 句个性快照再对五个声音属性打分随后列出签名短语、常用词、禁用词、钩子模式最后贴上 23 篇代表作作为少样本填写 brand.md确定一句话定位、主受众画像、80/20 内容支柱与禁区主题校准 values.yaml明确非协商底线与决策框架这将决定 Agent 的立场边界准备 bio-variants.md按各平台字数限制写好 160 字 Twitter 简介、120 字 LinkedIn 标题、50/150 字演讲者简介等并拆分可复用的凭证块/个人化块/CTA 块用于混搭按需定制 prompts/把两个 XML 模板中的{{USER_NAME}}、{{VOICE_LEVEL}}等变量替换为实际值即可投入使用。需要特别说明的适用前提该模板面向使用 Claude Code 等支持 skill 机制、且具备文件系统读写能力的 Agent 环境JSONL 数据文件为追加式写入append-only修改状态时应标记status: archived而非删除以保留模式分析所需的完整历史。结语Identity Module 是 Digital Brain 中将人格工程化的范本voice.md 解决怎么说brand.md 解决说什么values.yaml 解决为什么bio-variants.md 解决在哪说prompts/ 解决如何稳定地自动说。它把上下文工程中的渐进式披露、注意力预算与模块隔离从抽象原则落地为可直接套用的文件结构与 Agent 指令。对于任何希望在 AI 辅助下维持真实、一致、可规模化的个人品牌输出的人来说这套身份模块骨架都值得直接移植。【免费下载链接】Agent-Skills-for-Context-EngineeringA comprehensive collection of Agent Skills for context engineering, multi-agent architectures, and production agent systems. Use when building, optimizing, or debugging agent systems that require effective context management.项目地址: https://gitcode.com/GitHub_Trending/ag/Agent-Skills-for-Context-Engineering创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考