Nate Jones Second Brain — 奈特·琼斯 的第二大脑

Nate Jones 第二大脑

当智能变得丰富时，背景成为稀缺的资源。这项技能是背景架构 —— 一个持久的、可搜索的知识层，它将你的代理转变为个人知识管理器。两个有见解的原语：Supabase —— 你的数据库，并且不止于此。PostgreSQL + pgvector。以结构化数据和向量嵌入的形式存储想法、人员、项目、想法和任务。内置 REST API。你的数据，你的基础设施。模型来来去去；你的背景始终存在。一旦你有了 Supabase 项目，你就解锁了构建其他一切的基础 —— 第二大脑只是开始。OpenRouter —— 你的 AI 网关。一个 API 密钥，每个模型。用于分类和路由的嵌入和 LLM 调用。通过更改字符串交换模型。设计为未来兼容的。其他一切 —— 你如何捕获想法、如何检索它们、你在上面构建什么 —— 都是应用层。这项技能涵盖了基础。

如果表格尚不存在，请参阅 {baseDir}/references/setup.md

构建块

这些是系统背后的操作概念。了解它们可以帮助你正确操作。

块名称 | 作用 | 实现 ---------|----------|--------- Drop Box | 无缝捕获点 | 所有内容都先进入 thoughts Sorter | AI 分类 + 路由 | LLM 分类类型，然后路由到结构化表格 Form | 一致的数据合同 | 每个表格都有定义好的模式 Filing Cabinet | 每个类别的真实来源 | 人员、项目、想法、管理表格 Bouncer | 信心阈值 | 信心 < 0.6 = 不路由，留在收件箱 Receipt | 审计跟踪 | thoughts 行日志记录了什么进入、哪里去了 Tap on the Shoulder | 主动表面 | 每日摘要查询（应用层） Fix Button | 代理介导的更正 | 在用户请求下在表格之间移动记录

完整的概念框架：{baseDir}/references/concepts.md

五个表格

表格名称 | 角色 | 关键字段 ---------|----------|--------- thoughts | 收件箱 | 内容、嵌入、元数据（类型、主题、人员、信心、路由到） people | 关系跟踪 | 名称（唯一）、背景、后续、标签、嵌入 projects | 工作跟踪 | 名称、状态、下一步、笔记、标签、嵌入 ideas | 思想捕获 | 标题、摘要、阐述、主题、嵌入 admin | 任务管理 | 名称、截止日期、状态、笔记、嵌入

每个表格都有自己的语义搜索功能，通过 match_* 函数实现。跨表格搜索通过 search_all 实现。

路由规则

当一个想法被分类：

类型 | 路由 | 动作 ---------|----------|--------- person_note | people | Upsert：创建人员或追加到现有背景 task | admin | 插入新任务（状态 = pending） idea | ideas | 插入新想法 observation | none | 留在 thoughts 中 reference | none | 留在 thoughts 中

如果信心 < 0.6，不路由。留在 thoughts 中，告诉用户。

快速开始

捕获一个想法（完整的管道）

• 嵌入

EMBEDDING=$(curl -s -X POST "https://openrouter.ai/api/v1/embeddings" \ -H "Authorization: Bearer $OPENROUTER_API_KEY" \ -H "Content-Type: application/json" \ -d '{"model": "openai/text-embedding-3-small", "input": "Sarah 提到她正在考虑离开她的工作去创业"}' \ | jq -c '.data[0].embedding')

• 分类（与步骤 1 并行运行）

METADATA=$(curl -s -X POST "https://openrouter.ai/api/v1/chat/completions" \ -H "Authorization: Bearer $OPENROUTER_API_KEY" \ -H "Content-Type: application/json" \ -d '{"model": "openai/gpt-4o-mini", "response_format": {"type": "json_object"}, "messages": [{"role": "system", "content": "从捕获的想法中提取元数据。返回 JSON，包含：类型（观察/任务/想法/参考/人员注释）、主题（1-3 个标签）、人员（数组）、操作项（数组）、提到的日期（数组）、信心（0-1）、建议路由（人员/项目/想法/管理/空），提取的字段（目的表格的结构化数据）"}，{"role": "user", "content": "Sarah 提到她正在考虑离开她的工作去创业"}]}' \ | jq -r '.choices[0].message.content')

• 存储在 thoughts 中（收据）

curl -s -X POST "$SUPABASE_URL/rest/v1/thoughts" \ -H "apikey: $SUPABASE_SERVICE_ROLE_KEY" \ -H "Authorization: Bearer $SUPABASE_SERVICE_ROLE_KEY" \ -H "Content-Type: application/json" \ -H "Prefer: return=representation" \ -d "[{\"content\": \"Sarah 提到她正在考虑离开她的工作去创业\", \"embedding\": $EMBEDDING, \"metadata\": $METADATA}]"

• 根据分类路由（如果信心 >= 0.6）

完整的管道，包含路由逻辑：{baseDir}/references/ingest.md

语义搜索（单表格） QUERY_EMBEDDING=$(curl -s -X POST "https://openrouter.ai/api/v1/embeddings" \ -H "Authorization: Bearer $OPENROUTER_API_KEY" \ -H "Content-Type: application/json" \ -d '{"model": "openai/text-embedding-3-small", "input": "职业变化"}' \ | jq -c '.data[0].embedding')

curl -s -X POST "$SUPABASE_URL/rest/v1/rpc/match_thoughts" \ -H "apikey: $SUPABASE_SERVICE_ROLE_KEY" \ -H "Authorization: Bearer $SUPABASE_SERVICE_ROLE_KEY" \ -H "Content-Type: application/json" \ -d "{\"embedding\": $QUERY_EMBEDDING}"