Agent 数字分身身份模块（Identity Module）实战指南：用 voice.md 与 brand.md 为 AI 固化个人品牌与内容风格-港品优选

Agent 数字分身身份模块（Identity Module）实战指南：用 voice.md 与 brand.md 为 AI 固化个人品牌与内容风格

【免费下载链接】Agent-Skills-for-Context-EngineeringA comprehensive collection of Agent Skills for context engineering, multi-agent architectures, and production agent systems. Use when building, optimizing, or debugging agent systems that require effective context management.项目地址: https://gitcode.com/GitHub_Trending/ag/Agent-Skills-for-Context-Engineering

导读

在 AI 辅助创作时代，"写得不像自己"是个人品牌自动化的最大痛点。本文以开源仓库 Agent Skills for Context Engineering 中 Digital Brain 示例的Identity Module（身份模块）为主线，讲解如何用一套目录化、可被 Agent 解析的 Markdown/YAML/XML 文件，将个人的语气风格（voice）、品牌定位（brand）、核心价值观（values）与多平台简介（bio-variants）固化为结构化上下文。读完本文，你将掌握该模块的文件职责划分、Agent 加载顺序、可复用提示词模板，以及它背后的上下文工程原理（渐进式披露、注意力预算、Voice First 原则），并可直接套用这套骨架搭建自己的数字分身。

Identity Module 在 Digital Brain 中的定位

Digital Brain 是仓库中一个"面向创始人、创作者和构建者的个人操作系统"示例，采用模块化目录架构，包含identity/、content/、knowledge/、network/、operations/与agents/六个领域模块（见 README.md）。

其中identity/是唯一在任何对外表达前必须被读取的模块。在 SKILL.md 中，它被标记为 "Critical for Content"，并有一条硬性规则：

Always readidentity/voice.mdbefore generating any content.

原因在于：个人品牌的核心资产不是某一条爆款内容，而是可复现的一致性——无论由谁（人类或 Agent）来写，输出的文字都应当听起来像同一个人。Identity Module 正是把"这个人是谁、怎么说话、坚持什么"编码为 Agent 可读取的结构化上下文，让一致性不再依赖提示词里的偶然描述。

该模块的入口说明文件 IDENTITY.md 以 frontmatter 声明了自身用途："Personal brand, voice, values, and positioning. Reference before creating any content or representing the user externally."（个人品牌、声音、价值观与定位；在创建任何内容或对外代表用户之前参考。）即它是一个强制前置模块。

文件结构与职责划分

IDENTITY.md 用一张表格定义了模块内每个文件的职责，这是整个模块的骨架，原文完整保留如下：

File	Purpose
`voice.md`	Tone, style, writing patterns（语气、风格、写作模式）
`brand.md`	Positioning, topics, audience（定位、主题、受众）
`values.yaml`	Core beliefs and principles（核心信念与原则）
`bio-variants.md`	Different bio lengths for platforms（面向不同平台的简介变体）
`prompts/`	Reusable prompts for content generation（可复用的内容生成提示词）

对应到仓库中的真实路径为：

identity/voice.md——语气与风格的核心档案；
identity/brand.md——品牌策略与内容支柱；
identity/values.yaml——价值观与决策框架；
identity/bio-variants.md——各平台简介变体；
identity/prompts/content-generation.xml 与 identity/prompts/reply-generator.xml——两个可复用提示词模板。

这种"一个领域一个目录、目录内再分层"的组织方式，正是 Digital Brain 上下文工程原则的体现：模块隔离（Module Separation）保证内容创作任务永远不需要加载网络或运营数据，从而把注意力预算花在刀刃上。

何时使用：Agent 的触发规则

IDENTITY.md 明确了四个典型使用场景，构成 Agent 的"路由表"：

写任何内容：先读voice.md（这是唯一正确的顺序）；
新建平台主页：查bio-variants.md获取对应平台的字数限制与写法；
战略决策：参考values.yaml校准立场与取舍；
内容选题：咨询brand.md确认是否落在内容支柱内。

这套规则与 SKILL.md 中的触发词体系衔接：当用户说"write a post"、"my voice"、"content ideas"时，Agent 首先激活 Digital Brain skill，随后按 IDENTITY.md 的指引加载身份模块。换句话说，IDENTITY.md 是技能激活后的第一跳路由指令。

Agent 指令与强制加载顺序

IDENTITY.md 内嵌了一段<instructions>指令块，规定了 Agent 在为用户创作内容时必须遵守的流程，原文如下：

When creating content for the user: 1. ALWAYS read voice.md before drafting 2. Match the energy level, vocabulary, and structural patterns 3. Avoid words/phrases listed in "never use" section 4. Incorporate signature phrases naturally 5. Check brand.md for topic relevance

这五条指令翻译成工程约束就是：

顺序不可逆：voice.md必须在草稿前读取，杜绝"先写后校"；
三要素对齐：能量层级、词汇表、结构模式全部以 voice.md 为准；
负向约束：never use清单是硬性过滤条件，比正向指令优先级更高；
自然融入：签名短语必须"自然"出现，防止生硬堆砌；
主题校验：选题必须与 brand.md 的内容支柱对齐。

同样的规则在 AGENT.md 中被提升为项目级 Core Rules 的第一条，并在 SKILL.md 的 Guidelines 中再次出现（"Voice First: Always readidentity/voice.mdbefore any content generation"）。同一规则在三个层级重复出现，这不是冗余，而是上下文工程中的"关键指令冗余"策略——确保无论 Agent 从哪个入口进入，都不会错过这条约束。

Voice Quick Reference：理解 voice.md 的七个区块

IDENTITY.md 指出 voice.md 是核心资产，并提示 Agent 应内化四类关键元素：沟通风格（正式/随意的光谱）、签名短语与词汇、结构模式（帖子格式、钩子）、要强调与要避免的主题。

深入阅读 voice.md 可以看到一个完整的语气档案模板，共七个区块：

1. 核心声音画像（Core Voice Profile）

个性快照：用 2～3 句话描述沟通个性，例如示例占位符"Direct and energetic with a bias toward action..."；
声音属性评分表：用 1～10 分量化五个维度——正式↔随意、严肃↔俏皮、技术↔简单、内敛↔外放、谦逊↔自信。分数化的好处是 Agent 可将其作为明确的数值约束参与生成与自检。

2. 写作模式（Writing Patterns）

句式结构：短句还是复合句、一行一个观点、是否善用换行强调；
段落风格：每段最多几句、何时用列表；
钩子模式：开篇套路，如热评式"Unpopular opinion: X"、故事式"Last week I..."、提问式"Ever noticed how...?"。

3. 词汇表（Vocabulary）

以 YAML 结构分三类：

phrases: # 签名短语，例如 "Here's the thing"、"Let me break it down" use_often: # 高频词，例如 leverage、ship、iterate avoid: # 禁用词，例如 synergy、circle back、过度使用 emoji

avoid清单是负向约束的落地形式，也是生成质量自检的过滤器。

4. 平台适配（Platform Adaptations）

为 Twitter/X（更短）、LinkedIn（更专业）、长文/博客/Newsletter（可展开）分别标注差异化的平台规则。

5. 内容格式（Content Formats）

定义线程结构模板（钩子→背景→主体→takeaway→CTA）以及热评、故事、教学三类帖子模板，供 Agent 直接套用。

6. 实例（Examples）

存放 2～3 篇"最能代表你声音"的真实写作样例，作为 Agent 少样本参考（few-shot examples）。

7. 反模式（Anti-Patterns）

明确列出"听起来不像你"的写法，例如过度正式的商务腔、过度 hedging（"I think maybe perhaps..."）、无实质的标题党。

从上下文工程角度看，voice.md 的设计遵循 SKILLS-MAPPING.md 中引用的高信号原则："Find the smallest possible set of high-signal tokens that maximize the likelihood of some desired outcome."——只记录区分性模式（签名短语、反模式），而不是泛泛的写作建议；同时通过文件体积上限（模块指令文件控制在 100 行以内）防止上下文退化（context rot）。

品牌层：brand.md 与 values.yaml

如果说 voice.md 管"怎么说"，那么 brand.md 和 values.yaml 管"说什么、为什么说"。

brand.md：定位、受众与内容支柱

结构上包含九大节：品牌一句话定位（One-Liner）、30 秒电梯演讲、起源故事、目标受众（主受众以 YAML 描述画像/痛点/愿景/聚集地，副受众分段描述）、内容支柱、独特价值主张、品牌声音对齐、竞争定位与增长策略。

其中最关键的工程化设计是内容支柱（Content Pillars）：

主支柱（80% 内容）：用户有权威的主题，用表格给出 Pillar / Description / Example Angles；
副支柱（20% 内容）：补充性邻接主题；
禁区主题（Off-Limits）：刻意回避的话题。

Agent 在选题时必须对照支柱表做匹配校验（如 content-workflow 示例中的building_in_public ✓ MATCH），不匹配则不应创作或需要用户确认。

values.yaml：决策框架

以结构化 YAML 表达：core_values（名称/含义/实践）、beliefs（强观点）、contrarian_views（反主流观点+理由）、non_negotiables（绝不逾越的底线）、principles（按内容创作/商业/人际关系分组的行事原则）、decision_framework（不确定时怎么办、优先级排序、取舍准则）。

这些字段对 Agent 的意义在于：当生成内容遇到立场判断或利益冲突时，可以直接查询 values.yaml 作出与用户价值观一致的选择，而不是凭空猜测。例如non_negotiables中的"不推广没用过的产品""不对个人进行公开负面评论"，会直接影响回复生成器的输出边界。

可复用提示词：prompts/ 下的两个 XML 模板

content-generation.xml：主内容生成器

content-generation.xml 是一个带版本号的 XML 主提示词，在description中明确要求"Load voice.md and brand.md before using"。其结构包含：

<context>：以{{USER_NAME}}、{{USER_DESCRIPTION}}等变量注入身份，并要求生成前先读 voice.md、brand.md，以及最近的成功帖文；
<voice_guidelines>：由 voice.md 填充的{{VOICE_LEVEL}}（正式/随意级别）、签名短语与禁用词；
<output_requirements>：{{CONTENT_FORMAT}}、{{TARGET_PLATFORM}}、{{TARGET_LENGTH}}、{{INCLUDE_CTA}}四个输出参数；
<quality_checks>：四道自检问题——听起来像本人吗？与内容支柱一致吗？对目标受众有价值吗？语气适配平台吗？

这套变量占位符的设计让同一个模板可以在不改动骨架的情况下，通过替换变量适配任意内容任务。

reply-generator.xml：互动回复生成器

reply-generator.xml 专门处理评论、私信、提及等互动场景，核心设计是语境分类的语调校准：

<tone_calibration> <public_reply>Slightly more polished, brand-aware</public_reply> <dm_reply>More casual, direct, personal</dm_reply> <comment_reply>Concise, appreciative, engaging</comment_reply> </tone_calibration>

同时内置五条回复原则（匹配对方能量、提供增量价值、社交平台简短/私信更详细、异议时尊重且建设性、适当引用共同上下文），并要求输出 2～3 个候选回复（标准版、更随性版、可延续对话版）。

两个 XML 模板对应 README.md 中"XML 用于复杂提示词"的格式约定：XML 的命名节结构（instructions/context/output）天然适合 Agent 解析，且易于做合法性校验。

上下文工程原理如何支撑身份模块

Identity Module 并非孤立的模板集合，其设计深度嵌入了仓库的核心技能。根据 SKILLS-MAPPING.md 的映射，可归纳为四点：

上下文工程技能	在身份模块中的体现
`context-fundamentals`	渐进式披露 + 注意力预算：任务只加载所需文件——写内容加载 identity 模块（约 400 tokens），从不加载整个 Digital Brain（约 5000 tokens）
`memory-systems`	voice.md 作为语义记忆保存风格模式；posts.jsonl 作为发布历史供回顾分析
`context-optimization`	模块隔离保证身份数据独立；just-in-time loading让 IDENTITY.md 仅在该模块相关时加载；引用深度最多两跳
`context-degradation`	单一事实源：声音只存在于 voice.md，目标只存在于 goals.yaml，杜绝重复导致的指令冲突；文件大小上限防止上下文腐败

在 examples/content-workflow.md 的完整创作流程示例中，这条链路被量化为：SKILL.md（约 50 tokens，路由）→identity/IDENTITY.md（约 80 tokens，模块指令）→identity/voice.md（约 200 tokens，声音模式）→identity/brand.md（扫描支柱，约 150 tokens，主题校验），总计约 650 tokens，对比加载整个大脑约 5000 tokens，省去了 87% 的上下文开销。这就是身份模块存在的工程意义：用最小的 token 成本，换取最大的一致性收益。

实战：一次完整的"以本人声音写帖子"流程

结合 IDENTITY.md 的指令与 content-workflow.md，一次标准创作流程如下：

激活：用户输入 "Help me write a thread about lessons from building in public"，Agent 识别为内容创作任务；
读 voice.md（强制）：提取formal_casual: 7/10、签名短语"Here's the thing"、avoid: ["synergy", "circle back"]等约束；
读 brand.md（校验）：确认building_in_public是内容支柱，target_audience: Early-stage technical founders；
参考历史：扫描content/posts.jsonl，发现该支柱下故事式线程表现最好（如 likes 234、reposts 45）；
套用模板：用content/templates/thread.md作为骨架，按钩子→背景→要点→takeaway→CTA 成稿；
声音对齐自检：逐条核对签名短语是否自然出现、是否使用禁用词、语气是否匹配 7/10 的随意度；
发布后记录：将成品与指标 append-only 写入content/posts.jsonl，形成下一轮创作的历史参考。

值得注意的是，这套流程在发布环节还体现了 Identity Module 与 Content Module 的联动：身份决定"怎么表达"，内容模块决定"发什么、效果如何"，历史表现又会反过来优化未来内容的表达侧重。

上手清单：用这套骨架搭建你的身份模块

仓库中的身份模块是一个待填充的模板骨架（所有关键字段均为[PLACEHOLDER: ...]占位符），这正是其刻意设计——据 SKILLS-MAPPING.md 所述，用占位符而非示例，是为了避免"AI 味"（AI slop），强制用户个性化。搭建步骤：

填充 voice.md：先写 2～3 句个性快照，再对五个声音属性打分，随后列出签名短语、常用词、禁用词、钩子模式，最后贴上 2～3 篇代表作作为少样本；
填写 brand.md：确定一句话定位、主受众画像、80/20 内容支柱与禁区主题；
校准 values.yaml：明确非协商底线与决策框架，这将决定 Agent 的立场边界；
准备 bio-variants.md：按各平台字数限制写好 160 字 Twitter 简介、120 字 LinkedIn 标题、50/150 字演讲者简介等，并拆分可复用的凭证块/个人化块/CTA 块用于混搭；
按需定制 prompts/：把两个 XML 模板中的{{USER_NAME}}、{{VOICE_LEVEL}}等变量替换为实际值，即可投入使用。

需要特别说明的适用前提：该模板面向使用 Claude Code 等支持 skill 机制、且具备文件系统读写能力的 Agent 环境；JSONL 数据文件为追加式写入（append-only），修改状态时应标记"status": "archived"而非删除，以保留模式分析所需的完整历史。

结语

Identity Module 是 Digital Brain 中将"人格"工程化的范本：voice.md 解决"怎么说"，brand.md 解决"说什么"，values.yaml 解决"为什么"，bio-variants.md 解决"在哪说"，prompts/ 解决"如何稳定地自动说"。它把上下文工程中的渐进式披露、注意力预算与模块隔离从抽象原则落地为可直接套用的文件结构与 Agent 指令。对于任何希望在 AI 辅助下维持真实、一致、可规模化的个人品牌输出的人来说，这套身份模块骨架都值得直接移植。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析