riji-agent

English

让日记不只是“写下来”，而是变成一个能陪你长期回看、复盘和行动的私人 AI 系统。

riji-agent 是一个本地优先的日记智能网关，面向 Obsidian 风格的 Markdown 日记库。它把日记 vault、本地索引、草稿、审计记录和写入权限 保留在用户自己的机器上，只向外部 Agent 或模型运行时暴露受限、可审计的 工具。

使命

这个项目的出发点很简单：用 AI 降低高质量日记和复盘的门槛，让普通人也能 低成本复刻历史人物长期自省的方法，同时把真正私密的日记控制权留在自己手里。

曾国藩用日记和“修身十二条”做长期自我监督，核心不是文采，而是“每天记录、 每天反省、每天改一点点”。更完整的复盘系统还会把每日记录延伸成周记、月记、 年记，并围绕工作、关系、健康、情绪、原则持续整理。

这些方法放到今天依然成立。不同的是，AI 可以让这套过程更稳定、更结构化、 更容易坚持：

• 把一句飞书消息整理成符合模板的日记草稿；
• 从每日记录里生成周复盘、月复盘和阶段主题；
• 帮你找回“这件事为什么会变成现在这样”的时间线证据；
• 提取行动项、反思点、情绪线索和反复出现的问题；
• 用不同导师视角陪你回看，而不是只给一段泛泛总结。

但这个项目有一个明确前提：AI 只是辅助工具，个人成长真正关键的仍然是 持续反思与行动。 日记不是喂给模型的素材库，而是一个人和自己长期对话的 地方。riji-agent 要做的是让 AI 更好地进入这场对话，同时不越界。

愿景

我们想要的不是一个“更会总结的聊天机器人”，而是一套 local-first 的个人成长 基础设施：

• 你的 Markdown 日记仍然是唯一真源，可以继续放在 Obsidian 或自己喜欢的笔记系统里；
• AI 可以通过受限工具理解过去，却不能随意读取完整 vault；
• 每一次写入都先变成草稿和 diff，确认后才真正落到文件；
• 日记模板、skills、导师人设和自动化工作流可以持续进化，但敏感数据边界始终稳定；
• 同一套日记事实可以支持温柔回顾、直率教练、未来的我、王阳明导师等不同反思方式。

riji-agent 就是这套系统里的本地网关。模板和 skill 仓库负责定义如何写日记、 做复盘、生成总结；本项目负责决定模型能看到什么、能调用哪些工具、以及什么时候 真的允许改动 Markdown 文件。

默认开箱栈是 飞书 + Hermes + DeepSeek：

• 飞书是默认的私聊入口；
• Hermes 是默认的 Agent 运行时和消息路由；
• DeepSeek 是默认的 OpenAI-compatible 推理模型 provider。

这套栈是目前最快跑通的路径，但不是唯一架构。项目的核心是一个本地日记 Core，IM、Agent runtime、模型 provider 都通过小型 registry 接入，可以按 配置替换。除 DeepSeek 外，项目也提供了通用 OpenAI-compatible adapter 作为示例。模块边界见 docs/architecture/modules.md。

riji-agent 也开始内置第一个日记能力包：personal-growth。它把 doublew6/whit-riji-skills 中的日记模板、复盘技能，以及 doublew6/codex-automations 中和 riji 相关的自动化工作流，收敛成一个 产品化边界。pack 当前只是 capability metadata：任何日记写入仍必须经过 draft preview 或受控 writer 边界，自动化也不得上传 complete vault、原始 Markdown 文件、SQLite 数据库、API keys 或 webhook URL。详见 docs/architecture/packs.md。

核心能力

riji-agent 给个人日记智能提供本地边界，也把日记复盘体验产品化：

• 自然记录：在飞书里随手说一句“帮我记一下”，系统生成结构化日记草稿；
• 定期复盘：从每日记录整理周记、月记、阶段主题和行动项；
• 带证据回看：按日期、标签、关键词和语义检索旧日记，回答时引用 [[riji/...]] 来源；
• 多导师对话：同一份日记事实可以被不同人设读取，但导师会话和临时观察相互隔离；
• 安全写入：任何 Markdown 改动都必须经过 draft preview、用户确认和原子追加；
• 本地边界：读取已有 Markdown 日记库，不复制 vault，不上传 complete vault、SQLite 或 API keys；
• 可扩展能力包：把模板、skills 和自动化沉淀为 personal-growth 等 capability metadata。

它不是 prompt 集合，也不是模板 registry。日记 skill 层可以决定如何生成 每日日记、周复盘、月复盘、旅行记录或反思总结；riji-agent 提供这些 skills 触碰真实日记时需要的本地、安全、可审计执行边界。

设计理念

• 日记是主权数据：原始 Markdown、索引、审计和草稿默认都在本机。
• 模型只看必要片段：外部模型通过受限工具拿 bounded journal snippets，不拿完整文件。
• 写入必须可反悔：先草稿、再预览、后确认；不能让 Agent 悄悄改日记。
• 复盘要有来源：回答尽量回链到日记来源，区分事实、推断和证据不足。
• 工具服务于行动：总结不是终点，真正重要的是看见模式、做出选择、推进下一步。
• 能力可以迁移：默认是飞书 + Hermes + DeepSeek，但 IM、Agent runtime 和模型 provider 都应可替换。

典型工作流

一次完整的个人成长循环可以是：

1. 捕捉每日记录或聊天消息；
2. Agent 只检索最小必要的相关日记片段；
3. 带来源生成草稿、复盘或回答；
4. 在飞书里展示拟写入内容；
5. 用户明确确认后才写入 Markdown。

典型对话流程：

用户：帮我在日记里记录一下：今天完成了开源前的隐私检查。
导师：起草好了，预览如下……回复「确认保存」即写入。
用户：确认保存
导师：已保存到 [[riji/daily/2026-06-30]]。

隐私模型

这不是“零出云”系统，而是一个本地控制、受限出云的设计。连接真实日记前， 请先阅读 docs/privacy.md 和 SECURITY.md。

riji-agent 不会发送：

• 完整 vault；
• 原始 Markdown 文件；
• 本地 SQLite 数据库；
• API key、飞书凭证或 Hermes shared secret；
• 本地文件路径或 vault 目录结构；
• 标记为 private: true 的笔记。

启用默认栈时，可能离开本机的内容包括：

• 飞书/Lark 会收到用户发给机器人的消息和机器人回复；
• DeepSeek 会收到 system prompt、用户问题，以及本地工具返回的受限日记片段；
• Hermes 会收到路由元数据和本地 gateway 响应，但不应直接读取 vault 或 SQLite。

快速开始

要求：Python 3.11+ 和 uv。

先运行虚构 demo vault。它不会读取 .env、真实日记或真实 API key：

uv run riji-agent demo init --target /tmp/riji-demo-vault
uv run riji-agent chat --demo --question "launch planning"

demo 回答应该包含 [[riji/...]] 来源，并且不会泄漏示例中的 private: true 笔记。

接入自己的日记和默认栈：

uv run riji-agent init --preset feishu-hermes-deepseek
# 编辑 .env，填入日记路径、DeepSeek API key、飞书用户 allowlist。
uv run riji-agent doctor
uv sync --extra dev
uv run riji-agent index
# 在接飞书前，先验证本地模型 key + 日记检索链路：
uv run riji-agent chat --question "本周关于发布我都记了什么？"
uv run riji-agent

riji-agent chat --question "..." 会在 loopback 上运行真实 Agent loop 和 配置的模型 provider，不依赖飞书或 Hermes。建议先用它确认本地链路可用， 再接 IM。

安装为后台用户服务：

uv run riji-agent service install
uv run riji-agent service start
uv run riji-agent service status

macOS 使用 launchd，Linux 使用 systemd --user，Windows 使用 Task Scheduler；--target 默认是 auto。机器睡眠或用户登出时，飞书机器人无法 回复；唤醒或登录后服务管理器会恢复本地服务。详见 docs/deployment.md。

打开 http://127.0.0.1:8765/healthz，期望返回：

{"service":"riji-agent","status":"ok"}

RIJI_DATA_DIR 默认是 ~/.local/share/riji-agent，用于保存本地 SQLite 状态，不在代码仓库内。

默认栈：飞书 + Hermes + DeepSeek

飞书私聊通过 Hermes 侧的薄 bridge 到达 riji-agent：

飞书私聊 -> Hermes -> riji-agent /hermes/messages -> 本地工具 -> DeepSeek

bridge 只把消息文本和身份元数据通过 loopback HTTP 转发给 riji-agent，不读取 日记 vault、SQLite、本地索引或模型 key。riji-agent 内部会把飞书 payload 归一化为中立 IM message contract，后续其它 IM adapter 可以复用同一条 gateway 路径。

uv run riji-agent hermes-bridge install
uv run riji-agent hermes-bridge status

然后重启 hermes gateway。配置细节见 docs/hermes-integration.md。

飞书语音回复

默认情况下，飞书回复只发送文字。若设置：

RIJI_FEISHU_VOICE_REPLY_MODE=text_and_voice

riji-agent 会在保留文字回复的同时，生成本地音频并交给 Hermes 发回飞书。

可用 TTS provider：

• macos_say：零额外依赖，完全本地，但声音较机械，适合作为兜底；
• melotts：可选本地开源 TTS，声音通常比 macos_say 自然。启用前需要 把 MeloTTS 单独安装进同一个虚拟环境：

uv pip install melotts

然后配置：

RIJI_TTS_PROVIDER=melotts
RIJI_TTS_LANGUAGE=ZH
RIJI_TTS_VOICE=ZH
RIJI_TTS_DEVICE=auto
RIJI_TTS_SPEED=1.0

melotts 的依赖和模型缓存比较重，所以不放进默认依赖锁定范围。首次运行 可能会下载或准备模型缓存；这些资产不在代码仓库内，也不应放进日记 vault。 云端 TTS provider 不作为默认方案：若将来接入 edge_tts、Azure Speech 等， 应明确 opt-in，因为回复文本会离开本机。

配置与安全

• .env、SQLite、审计日志、data/ 和误复制的本地日记目录都应被 Git 忽略；
• RIJI_JOURNAL_ROOT 必须指向已有日记目录；
• RIJI_DATA_DIR 和可选 RIJI_DATABASE_PATH 必须在日记目录之外；
• RIJI_IM_PROVIDER=feishu 选择默认飞书 IM adapter；
• RIJI_AGENT_RUNTIME=hermes 选择默认 Hermes Agent runtime；
• RIJI_MODEL_PROVIDER=deepseek 选择默认 DeepSeek adapter；也可以设为 openai，用 RIJI_MODEL_* 变量接任意 OpenAI-compatible endpoint；
• RIJI_ALLOWED_FEISHU_USER_IDS 是飞书 open ID allowlist，群聊默认拒绝；
• 服务只绑定 127.0.0.1。不要把本地端口直接暴露到公网。

开发

python scripts/privacy_scan.py --tracked
uv run pytest -m smoke
uv run pytest -m "not smoke"
uv run pytest

Smoke tests 使用临时 fixture 和 stub provider，不读取真实 .env、真实日记库 或真实 API key。