Personal AI Infrastructure

想象这样一个场景：每天早上，你的 AI 助手不仅记得你上周在读什么书、你的季度目标推进到哪一步、你和家人的相处模式是什么样的——还能根据这些信息，帮你起草一封精准的客户邮件。这就是 PAI（Personal AI Infrastructure）想要做的事。 PAI 由知名安全研究员、作家 Daniel Miessler 创建。他在 2016 年发表了一篇文章《The Real Internet of Things》，提出一个预言：未来的 AI 不会是 chatbot，也不会是 agent，而是每个人的「数字助手」（Digital Assistant，简称 DA）——一个真正了解你、帮你管理生活和工作的人机协作层。这篇文章成为 PAI 的思想起点。 PAI 的本质是一个「人生操作系统」（Life Operating System）。它的核心洞察是：大多数人在使用 AI 时犯的致命错误，是不给 AI 提供足够的背景信息。模型本身有多强并不重要，重要的是你能不能把正确的上下文——你是谁、你要做什么、你有哪些工具——喂给它。PAI 正是围绕这个理念构建的。 PAI 由三层架构叠加而成。最底层是 PAI 本身——存储你的技能、记忆、算法配置、身份文件的操作系统；中间层是 Pulse——一个运行在 localhost:31337 的生命仪表盘，实时展示你的状态、目标和进展；最顶层是 DA（Digital Assistant）——你的数字助手，声音和人格由你定义，是你和整个系统交互的主要界面。

图1：PAI 技能系统架构 PAI 的核心概念是「理想状态迁移」（Current State → Ideal State）。项目中引入了 ISA（Ideal State Artifact）——一种类似软件 PRD 的通用需求文档，但适用范围更广：可以用于设计、艺术、哲学、工程、战略任何类型的工作。系统将理想状态分解为离散的 ISC（Ideal State Criteria），作为验证清单，让系统能够「爬山式」地逼近目标。驱动这个过程的是 Algorithm v6.3.0——一个七阶段的循环，模拟科学方法运行，以「难以改变的解释」（Deutsch 的框架）作为「好」的标准。 PAI 的工程哲学有几个鲜明特点。首先是「文本优先于不透明存储」——项目极度偏好纯文本和 Markdown，避免 SQLite、Postgres 等不透明数据库。「如果不能用 cat 读取，我们就不需要它」。其次是「文件系统即索引」——项目从 2025 年 6 月起彻底抛弃了 RAG（检索增强生成），认为富文本加交叉引用配合 ripgrep 搜索能提供 RAG 的一切能力，而没有嵌入向量复杂性。第三是「苦涩工程」（Bitter-pilled Engineering）——随着模型能力增强，系统主动减少对 AI 的指令性引导，给模型正确的上下文和工具，让它自己做更好的决策。

图2：PAI 安全与隔离区架构 PAI 还包含一个复杂的技能系统（Skill System）。技能的层次结构是：代码 → 执行代码的 CLI → 调度 CLI 的工作流 → 路由工作流的 SKILL.md。技能是容器，SKILL.md 是入口，实际工作尽可能用真实代码。PAI 内置了 45 项技能、171 个工作流和 37 个钩子，涵盖代理委托、代码创建、搜索增强、评估框架等多个领域。此外还有一系列「思维技能」——第一性原理思考、委员会辩论、红队推演、根本原因分析、系统思维等，供 Algorithm 调用以提升决策质量。 从部署角度看，PAI 不支持 Docker 或 Kubernetes 容器化，仅支持 macOS 和 Linux 本地安装。官方提供一键安装脚本 curl -sSL https://ourpai.ai/install.sh | bash，安装过程中自动配置 Bun、Git、Claude Code，并引导用户完成 DA 身份设置。安装后运行 open http://localhost:31337 即可打开 Pulse 生命仪表盘，然后在 Claude Code 中运行 /interview 让 DA 带你完成初始化。整个部署不需要 GPU，最低只需 4GB 内存和 2GB 磁盘空间。 需要注意的是，PAI 目前处于活跃开发阶段（README 标注了「Project in Active Development」），版本更新频繁，存在破坏性变更。Windows 完全不支持。此外，由于系统深度依赖 Claude API，用户需要自备 Claude API Key（官方推荐搭配 Claude Code 使用）。 Daniel Miessler 本人在安全领域有极高影响力（Securing Open Source 等播客和博客），他将 PAI 设计为「AI 自己来安装和运行 PAI」——安装完成后，用户应将 AI 指向 PAI 系统本身，让 AI 来升级版本、添加技能、修改钩子、修复故障。系统从设计之初就被定位为「由 AI 运营的 AI 系统」。 PAI 代表了一种正在兴起的 AI 应用范式：从「用 AI 工具做事」到「用 AI 构建个人认知基础设施」。它不追求在某个 benchmark 上刷高分，而是试图成为每个人的 AI 增强层——记住你的目标、追踪你的进展、在关键时刻给你正确的上下文。随着 AI 模型能力的持续提升，PAI 这类「上下文操作系统」的价值会越来越显著。

图3：PAI 语音与通知系统