文章摘要

或许,最了解我们的,不是自己,而是我们说过的话。

起因

大概是年前那段时间,我脑子里反复盘旋着一个问题:

我和 AI 聊了这么多,它们会不会比我自己更了解我?

这个念头一旦冒出来,就像一颗种子,在我脑海里生根发芽。我手里有三个平台的聊天记录——DeepSeek、ChatGPT 和 Kimi,加起来一共 2050 条对话,4394 条消息。如果把这些数据完整交给另一个 AI,让它从第三视角分析我,会得到怎样的结论?坦白讲,我并不期待什么石破天惊的发现,更多只是好奇:当所有零散的对话被汇总、被量化、被抽象之后,那个被 AI 描绘出来的「我」,会不会和我以为的自己不太一样。

数据概览 数据概览

第一次分析:DeepSeek 的初见

一开始,我先让 AI 单独分析了 DeepSeek 的记录。这是我最常用的代码助手,我原本以为它会直接给我贴上「技术宅」的标签。但是,结果比我想象中具体得多:

  • 上午 9-11 点最活跃
  • 51% 的对话是「短平快」型(3 句话以内结束)
  • 高频请求是「写代码」「解释原理」
  • 关键词集中在 Python、SQL、AI、机器学习

AI 给出的总结是:「你是一个追求效率、喜欢直接要结果的开发者。」

年度关键词 年度关键词

活跃度热力图 活跃度热力图

我看完愣了几秒,然后不自觉地笑了,好像……确实是这样。

第二次分析:三个平台,三个「我」

当我把三个平台的数据放在一起对比时,发现了一件非常有意思的事。同一个我,在不同工具上,竟然表现出完全不同的状态:

平台对话特征我的状态
DeepSeek51% 短对话执行模式:快速出活
ChatGPT36% 长对话思考模式:深入探讨
Kimi100% 极短对话闲聊模式:翻译、润色

这感觉有点像工作中的角色切换——面对不同的人,我们会自然调整说话方式:

  • DeepSeek 更像「我的手」,负责把想法快速落地
  • ChatGPT 更像「我的大脑」,陪我拆解问题、反复推演
  • Kimi 则像「速记本」,处理零碎但必须完成的小事

意识到这一点时,我突然明白了一件事:工具不只是被使用的对象,它同样在反向塑造我们的行为模式

不同平台的 “我” 不同平台的 “我”

第三次分析:AI 眼中的「我」

当 AI 整合了所有数据后,给出了几段让我印象深刻的描述:

「你是一个追求效率的终身学习者,擅长技术开发,注重逻辑与原理」

这句话看起来像是一个标准的「开发者画像」,可仔细想想,它好像确实概括了我这几年的状态。

「你在 DeepSeek 上是执行者,在 ChatGPT 上是思考者」

这句话让我想起了《天才向左,疯子向右》里的那句话:「每个人身体里,都住着好几个自己」

「INTP 特征明显,但比典型 INTP 更有执行力」

我确实测过 MBTI,是 INTP。但我一直不太喜欢这个标签,因为它总是让人联想到「想得多做得少」。而 AI 的这句话,让我第一次觉得:「被理解了,但没有被简化或者定义」

过程中的对话

在做这个分析的过程中,我和 AI 有几段有意思的对话,大概比分析结果本身更让我印象深刻。当我询问 AI「你觉得我是一个 INTP 吗」,AI 说:

「更像 INTP-A(建筑师型),而不是典型的 INTP。你比典型 INTP 更有规划和执行力——体现在三个平台分工明确、有持续的学习记录、愿意做长对话深入研究」

这段话让我想了很久。我开始意识到,也许「标签」存在的意义,从来都不是为了定义我们,而是为了帮助我们更好地理解自己。而当我跟它聊起「打杂」这个话题时,它说:

「如果一件事让你觉得是打杂,可能不是你的问题,是这件事本身就没给你足够的意义感」

这句话让我想起了《剑来》里的一句话:「有些事,不是你努力了,就会有意义」。 或许,确实是这样。

那些来自 AI 的金句 那些来自 AI 的金句

最终产物

除了数据和洞察,这次实验还产出了两个实用工具,它们分别是 AI 协作人设配置指令、可视化仪表盘:

1. AI 协作人设配置

根据我的聊天习惯,AI 为我定制了一套提示词,我把它们整理成了 ai_persona.md

【我的沟通风格】
- 直接说重点,不需要铺垫
- 喜欢问"为什么"和"原理是什么"
- 需要具体的、可执行的代码/方案

【协作模式】
- 简单任务 → 直接给结果
- 复杂任务 → 分步骤,先框架后细节
- 学习类 → 解释底层逻辑,举一反三

每次换新的 AI 时,我可以直接把这段话粘贴进去,让它更快地「认识」我。

2. 可视化仪表盘

我用 ECharts 做了一个简单的仪表盘,包含:

  • 月度活跃趋势
  • 话题分布雷达图
  • 每周热力图
  • 话题随时间的演变

AI 使用情况可视化分析 AI 使用情况可视化分析

这个仪表盘让我第一次「看见」了自己的时间是如何流逝的。

我学到了什么

做完了这个实验,我总结了四点感悟:

  • 数据比记忆更诚实。我以为自己在做很多「深度思考」,但数据告诉我,超过一半的对话在 3 句话内结束。数据不会评判你,只会如实记录你把时间花在了哪里。

  • 工具会塑造思维方式。在 DeepSeek,我更容易说「帮我写代码」;在 ChatGPT,我更常问「这个原理是什么」。工具本身,即在引导我们用不同的方式思考。

  • AI 可以成为一面镜子。问 AI 「你觉得我是什么样的人」,有时候比问朋友更接近事实——因为 AI 没有讨好你的动机,它只会根据你真实说过的话,给出一个相对客观的判断。

  • 我习惯用独处充电。在我的聊天记录里,几乎没有「社交」或者「情感」话题。当 AI 问我「你是更倾向于找人说,还是自己消化」,我意识到答案一直很清楚:大多数时候,我更愿意把事情想清楚,而不是说出来。或许,这就是我,一个习惯了独处的人。

AI 带来我的感悟 AI 带来我的感悟

写在最后

这篇文章的标题叫「用 2000 条聊天记录,让 AI 为我画一幅自画像」。但回头看,与其说这是「自画像」,不如说是一面镜子。镜子里的人,和我想象中不太一样,但越看越清晰。镜子并不会告诉你「你是谁」,它只是把你反复说过的话、做过的选择、花过的时间,原封不动地映照出来。或许,最了解我们的,从来都不是我们以为的「自我认知」,而是那些被记录下来的语言、选择和沉默。如果你有兴趣照一照这样的镜子,不妨从自己的聊天记录开始。这次实验用到的代码和脚本我已经放在 GitHub 上,感兴趣的话,可以自行查看。

赞赏博主
相关推荐 随便逛逛
盛世幻象:从荔枝看盛唐的兴衰 本文以杜牧“一骑红尘妃子笑,无人知是荔枝来”为引,串联《长安的荔枝》《妖猫传》《长安三万里》等影视与文学作品,穿越盛唐的浮华与衰败。李白、杜甫、杨贵妃等历史人物的命运沉浮,映照出帝国荣光背后的血色幽影。西安与长安、现实与幻象交织之中,我们追问:这盛世究竟属于谁?通过诗意叙述与深度思辨,文章揭示权力、理想与文明的张力,呈现出一幅关于盛唐的复杂回望与文化反思。
四点钟海棠花未眠 本文以“凌晨四点的海棠花未眠”为意象,探讨技术实践与人文思考的交织。作者分享移植博客主题的历程,借助 AI 工具 Cursor 完成 Hugo 主题开发,揭示与 AI 协作的高效沟通技巧(如上下文控制、Git 管理等)。随后,结合《刺客信条:影》与日本战国史,剖析源赖朝、织田信长等历史人物的宿命,反思 “愚勇” 在历史洪流中的永恒意义。最后,深入解析 Agentic 架构中的 DAG 任务编排与 RAG 进化方向,强调技术协作应基于清晰表达与平等信任。文章从历史视角反思人类与 AI 的协作关系,最终落脚于「表达与信任」的协作共识,呼应川端康成笔下未眠海棠的哲思意象。
评论 隐私政策