当前大模型已经具备极强的对话、推理、工具调用能力，但绝大多数通用大模型都存在一个致命短板：没有关于 “你” 的长期记忆。
通用 LLM 的知识库是全网公开数据，它不知道你的微信聊天历史、项目卡点、日记、照片里记录的生活片段，看不懂你长期的情绪起伏，不了解你的性格、做事习惯、过往决策与目标。给出的建议永远是普适化的标准答案，无法贴合你真实的个人情况。
而我们要开发的个人专属 Agent（私人数字分身），核心思路就是：把你的微信记录、工作文档、日志、照片 OCR、性格偏好、长期习惯全部构建成私有知识库。
这个 Agent 可以读懂你的过往，既能陪你日常聊天，也可以复盘你的工作状态、分析情绪走势、做情绪引导、辅助制定工作计划。
注意区分：本项目不是可视化视频数字人（2D/3D 虚拟形象），是认知层面的数字分身，核心能力是长期私有记忆、时序分析、个性化决策辅助。后续可以再对接数字人渲染层做形象扩展。
本篇作为系列第一篇，先梳理 Agent 技术演进脉络，对比当下热门 Agent 框架（JEV、Claw、Harness、WorkBuddy），完成底座大模型选型，同时给出整套项目的四层总架构预览。中篇会落地知识库、双数据库、记忆分层体系；下篇提供可运行最小 Demo 与落地实操。
