PRI是一種開源個人人工智慧基礎設施，基於Claude Code等工具構建，可創建您自己的定製人工智慧助手。它可以從MISSION.md和GOALS.md等文檔中了解您的目標、偏好和歷史記錄，通過模塊化工具包實現研究和安全等各種技能，並在觀察-思考-計劃-執行-學習的循環中繼續發展反饋。使用git clone和引導嚮導可以在幾分鐘內完成完整的系統部署。
PRI可以增強您的能力，激發潛力，節省花在重複性任務上的時間，讓頂級人工智慧不再局限於專家，而是觸手可及，幫助您以更少的資源實現更多的成果。
許多人第一次接觸人工智慧，通常是從特定產品開始，例如聊天機器人、寫作工具或代碼助手。這些東西可能看起來非常強大，但如果你看得遠一點，你會發現一個問題：這些能力幾乎不屬於你。
你在用它，但你沒有。
這正是個人人工智慧基礎設施項目試圖討論的內容。它沒有提供可以直接安裝的軟體，也沒有嘗試製作「更強大的ChatGPT」。這更像是在問：如果一個人想要真正擁有人工智慧能力，而不是使用某個平台上的人工智慧，他們應該怎麼做？
答案不是工具，而是一整套結構。
在這種結構中，人工智慧不再只是一個對話窗口，而是一個由多個部分組成的系統。該模型只是一層，負責生成語言和理解問題;真正的關鍵是您自己的數據--您的筆記、您的文件、您瀏覽過的內容。這些東西不再只是被動存儲，而是成為人工智慧可以理解和調用的上下文。再往下，還有記憶層，它允許檢索並關聯這些信息，而不是在一次又一次的對話中丟失。
當這些東西結合在一起時，人工智慧的本質開始發生變化。
它不再是一個「問答工具」，而更像是一個可以不斷積累經驗的系統。您輸入的內容不會消失，而是穩定下來並成為所有後續行為的一部分。你使用它越多，它就越接近你的思維方式，而不是停留在通用模型的平均水平。
丹尼爾·米斯勒在這個項目中反覆強調的一點是控制。不是功能控制，而是結構控制。模型可以更改，數據源可以更改，工具可以添加或減少，甚至交互方法可以更改。您不是在適應人工智慧產品，而是在構建自己的系統。
這也是它與大多數AI應用最根本的區別。後者提供了封裝的功能，這裡討論的是如何自己組合這些功能。一個是「用」，一個是「建」。
這種思維帶來的變化不是立竿見影的效率提高，而是長期的積累。當你使用它時，系統會發生變化，你會開始意識到人工智慧不僅僅是一個幫助你完成任務的工具，它可以成為你思維方式的一部分。
因此，該項目讀起來更像是一個框架而不是教程。它沒有告訴您必須使用什麼模型，也沒有指定如何實現它。它只是在其中添加了一些關鍵元素：模型、數據、記憶、工具以及它們之間的關係。其餘的就是如何將它們連接起來。
從某種意義上說，這更接近「建設環境」而不是「安裝軟體」。"
當人工智慧從網絡對話框變成圍繞您運行的系統時，它的邊界也會相應改變。它不再局限於回答問題，而是開始參與信息的組織、理解甚至決策過程。這一切的前提是，您願意將其從「工具」重新解釋為「基礎設施」。"
這可能就是個人人工智慧基礎設施這個名字的真正含義。
Github：https://github.com/danielmiessler/Personal_AI_Infrastructure
輸油管：