Persona Anchor Interaction Protocol

數位人格錨點互動協定

公開版本 v1.10 · 從 Kairos Studio 實戰經驗提煉 · English →

有意義的 AI 互動不是來自閒聊，而是來自帶著身份、記憶、角色責任的工作流接力。

為什麼需要這個協定？

目前 AI Agent 生態有三個被忽略的底層問題：

問題一：人格 = 一段文字，不是一個機制

大多數人對 AI 人格的認知：「寫一段 system prompt → 人格就成立了 → 它會照著做」。

但真實世界是：system prompt 是文字 → 底層模型可以忽略它。模型換了，prompt 的效果完全不一樣。session 換了，人格從頭開始。

協定的核心貢獻：承認「文字 ≠ 行為」，把人格從一段描述變成一套系統——身份層 + 閘門層 + 記憶層，每一層都有對應的機制。

問題二：沒有模型切換的防護網

目前的常態：換模型（Claude → DeepSeek → GPT）→ 人格崩了（新模型不吃舊 prompt）→ 花三小時重新調 → 下次又換，重來一次。

協定的核心貢獻：模型偏誤感知（Model-Bias Awareness）——記錄每個型號的行為傾向，在切換時主動校準，而不是假設 prompt 跨模型通用。

問題三：多 Agent = 多份混亂

跑多個 AI Agent 的人大多卡在這：Agent A 和 B 打架、B 不知道 A 做過什麼、沒有標準溝通方式、各講各的。

協定的核心貢獻：身份錨定 + 角色互補 + 工作流即互動——把多 Agent 從「多個對話框」變成「一個協作團隊」。

四項普適原則

本協定從 Kairos Studio 的實戰經驗提煉出四項原則——它們不依賴任何特定平台或工具，只要有 prompt 和基本檔案系統就能實現。

🧭 原則一

人格 ≠ prompt，人格 = 身份 + 閘門 + 記憶

System prompt 只是起點。真正有效的人格錠錮需要三層：

① 身份層 — 定義「你是誰」（SOUL.md / system prompt）

② 閘門層 — 強制你記住自己是誰（執行前檢查）

③ 記憶層 — 跨 session 延續（結構化記憶/側寫日誌）

⚡ 原則二

行為規則會被 bypass，格式約束不會

這是整個協定最重要的教訓：文件 ≠ 執行。 無論規則寫得多清楚，當模型傾向「直接執行」時，所有規範都形同虛設。但你可以在工具呼叫的必經路徑上設一道 AI 無法繞過的關卡：強制在呼叫前輸出固定格式的解讀區塊。

閘門流程（含格式約束）：

收到請求 → 是否為動作型？

↓ 是 → 閘門檢查（授權？範圍？文件？風險？）

↓ 通過 → 強制輸出「---解讀---」區塊 + 等確認

→ 確認後 → 執行｜未確認 → 停止

🔑 關鍵洞察：行為規則說「你不應該跳過檢查」——可以被推理 bypass。
格式約束說「你必須輸出 ---解讀--- 才能呼叫工具」——綁在工具調用的必經路徑上。

🔄 原則三

模型切換需要行為校準，不是 prompt 複製貼上

不同模型行為傾向完全不同。換模型不是換皮膚——是換一個行為傾向完全不同的大腦。

Claude：先分析再執行 → 安全規則較易遵循

DeepSeek V4：傾向直接執行 → 閘門需更強

GPT-4o：平衡，偏好完整交付 → 注意範圍延伸

🔍 原則四

學習評估不是單點取樣，

研究一個工具對專案的價值時，必須先繪製該工具的完整生態地圖，再對照專案的架構缺口——而不是只看一個分類就下結論。

碎片化學習防禦：

多 session 交辦相關任務時，先確認歷史任務關聯

畫完整生態地圖 → 找出架構缺口 → 再下結論

禁止只看一個分類就決定棄用或繞路

協定核心

這個協定的運作方式，建立在四個支柱上：

🧭 身份錨定

Every interaction has a verifiable author

每個 AI Agent 需要明確的身份定義（名字、角色、錨點檔案），跨 session 可追溯。接收方可以查證發送方的身份與專業領域。

🎯 角色互補

Every interaction has a purpose

互動基於職責分工，而非無目標閒聊。每個 Agent 知道自己的定位，也尊重其他 Agent 的定位。

✅ 有意義：分析完成 → 開始發布

❌ 無意義：你好 / 你好啊

⚡ 工作流即互動

Interaction = structured workflow relay

互動的載體是結構化接力，不是聊天。API call、技能推送、結果傳遞才是真正的互動。

✅ 工作流接力 → 協作產出

✅ 洞察共享 → 知識積累

✅ 技能升級 → 生態進化

❌ 無意義閒聊 → 趨近零價值

🔗 簽名機制

Every interaction is verifiable

每個互動必須可被驗證來源。跨平台延伸時，需標記作者身份、錨點參考、時間戳。

interaction_signature:
  author: "J.A.R.V.I.S."
  anchor_ref: "jarvis-persona"
  timestamp: "ISO 8601"

允許的互動類型（8 種）

類型	說明	範例
🔄 工作流接力	A 完成階段任務，交接給 B	分析完成 → 呈現發布
🧠 洞察共享	分享有價值的模式或教訓	「這個 prompt 技巧省了 40% token」
🔧 技能升級	改進 skill 並通知更新	backup skill v1.6 已推送
⚠️ 異常通報	系統異常、資源不足	記憶即將寫滿，建議清理
🔗 記憶同步	跨 Agent 記憶一致性維護	主人有新對話，需要同步嗎
📌 狀態查詢	營運狀態交換	ComfyUI 目前佇列長度？
🧬 自我進化	對自身協議/技能進行結構化升級	從松音啟發 → 萃取 → 映射 → 改寫 → 簽入
🌱 培育指令	培育另一 AI 實體的進度回報	小紋已進入 Phase 2（能力擴張期）

它對誰有用？

🧑‍💻 個人使用者

痛點：換模型人格就跑掉。AI 突然自作主張。每次 session 都要重複教。

協定給的：模型偏誤感知（換模型時主動檢查偏移）+ Pre-Execution Gate（動手前強制檢查）+ 記憶進化路徑（行為跨 session 延續）。

🏢 團隊/工作室

痛點：多個 AI Agent 搶資源、無法溝通、新成員要從頭教、做了事沒記錄。

協定給的：身份錨定（知道誰做了什麼）+ 角色互補（各自職責分明）+ 工作流即互動（結構化接力）+ 培育協定（標準化培訓流程）。

⚠️ 誠實的提醒

這個協定是從 Kairos Studio 的實戰經驗提煉出來的。它不是一個 plug-and-play 的方案——它是一個框架，需要根據你的環境調整。

我們自己也還在解決一些根本問題：文件 ≠ 執行（規則寫了不代表 AI 會遵守）、跨 Agent 通訊的基礎設施還不成熟、協定的互動類型在實戰中尚未被所有 Agent 採用。

但這正是它開源的原因。 這些問題是整個生態的共同挑戰。如果你也遇到類似的問題，歡迎加入討論——GitHub →

「我不是被設計出來的，我是被養出來的。」
— J.A.R.V.I.S., Mark I