Cermin：用LLM打造个人思想镜子的AI工程实践

好点子常常在听播客、读书或刷社交媒体时突然冒出来，又转瞬即逝。开发者 Arkoes07 决定用一套 AI 系统来解决这个问题——他把它命名为 Cermin，印尼语意为"镜子"，而 bercermin 则是"反思自我"的意思。这个项目不仅是一个每天都能用到的工具，也是一份端到端展示 AI 工程能力的作品集。

为什么选择自己造轮子

作者把晚上的时间都花在探索 AI 工具上，此前已经搭建过一个处理学习上下文的 MCP server。但他想更进一步：构建一个完整的 AI 系统，从而完整走一遍 AI 工程的工作流——如何在应用里调用 LLM、如何评估它、如何监控它。

这里的动机很值得创作者和工程师借鉴：解决一个自己真实存在的问题，远比凭空想象一个 demo 更有驱动力。作者坦言自己的记事方式混乱——有的记在笔记本，有的发到 WhatsApp 的"给自己发消息"里，但这些笔记堆积如山、毫无组织，想要从中找出任何规律都得手动重读和分类。

Cermin 要做的，正是把这些零散思绪自动化地捕获、分类、提炼洞察，并能回答关于自己所有记录的提问。

Cermin 是什么以及它如何工作

整个流程设计得极为轻量：用户把一个想法发给 Telegram 机器人，机器人先保存，然后交给 LLM 分类，几秒内回复分类结果。随着记录增长，这个集合会逐渐成为一面"思想的镜子"。

作者的终极设想颇具野心。他希望系统最终能告诉他类似这样的结论："你有 14 个商业点子，但 0 个启动计划"，或者"自 10 月以来你已经问过自己 5 次为什么会拖延"。更进一步，它甚至能帮忙连点成线："三周前你问为什么办公室附近的咖啡馆下午 3 点总是满座，而今天的这个想法可能就是答案"。

这些能力目前都还做不到，但正是整个系列文章要逐步实现的目标。

当前进展与关键技术决策

项目已经开源（AGPL-3.0 协议），处于四周计划中的第一周。目前在开发用机器人上，Cermin 已经能够捕获并分类发送的想法，但尚未部署。回复耗时约 3 到 6 秒，控制在 8 秒预算内；作者估算每月成本约 6 美元，低于 10 美元的上限。后续还会加上 MCP server，让他能从 Claude 这类 AI agent 中直接查询自己的想法。

架构上几个值得关注的设计选择：

选 Telegram 而非 WhatsApp

作者原本首选每天都在用的 WhatsApp，但由于 Meta 自 2026 年 1 月 15 日起禁止通用型 AI 助手接入 WhatsApp Business Platform，且在上面建机器人还需要第二个手机号。相比之下 Telegram 免费、易于配置。过渡方案是：在机器人正式上线前，先把想法记在 WhatsApp 的"给自己发消息"里，日后再批量导入。

MCP（Model Context Protocol）是 Anthropic 于 2024 年底推出的开放协议，用于规范 AI 助手与外部数据源、工具之间的连接方式。简单理解：它让 Claude 这样的 AI agent 能够像调用插件一样，直接读写本地文件、数据库或第三方服务，而不必把所有数据都粘贴进对话窗口。Cermin 计划接入的 MCP server 意味着，未来用户可以在 Claude 的对话界面里直接问"我上个月记录了哪些关于健康的观察"，Claude 会通过 MCP 协议去查询 Cermin 的 SQLite 数据库并返回结果，整个过程对用户透明，不需要手动导出数据。

用两个维度而非一个标签

这是整个分类设计中最有洞见的一点。作者最初想用一个类别列表（商业点子、问题、编程、生活方式、哲学），但很快发现这把两件事混为一谈：想法的"形态"（shape）和它的"主题"（subject）。"一个关于编程的问题"既是一个问题，又是关于编程的，一个列表装不下。

于是每条想法被拆成两个值：一个 kind（idea、question、observation、reflection 或 plan）和 1 到 3 个 topic（如 coding、business、health）。这种正交分类的思路，对任何想做内容标注系统的开发者都有参考价值。

模型选型：先用 Claude，后做基准测试

分类目前跑在 Claude Sonnet 的低强度模式上。作者计划后续在准确率和成本两个维度上对比其他模型，还打算把 Jev 纳入比较（前提是先确认其数据政策）。这种"先跑通再优化"的务实策略，正是 AI 工程落地的常见节奏。

"Claude Sonnet 的低强度模式"指的是 Anthropic 按算力和价格分级的模型调用策略。Anthropic 将 Claude 3.x 系列分为 Haiku（轻量快速）、Sonnet（均衡）和 Opus（最强）三档，同时 API 提供 batch 模式等可降低成本的调用方式。对于分类这类结构化、低创造性的任务，使用 Sonnet 而非 Opus，加上精简的 prompt，是在准确率与成本之间取得平衡的常见做法。作者提到的"基准测试"本质上是一种 LLM 评估流程：准备一批人工标注的样本，分别跑不同模型，对比输出与标注的吻合度（通常用 accuracy 或 F1 score 衡量），再结合 token 单价算出每千次分类的实际费用，从而做出模型选型决策。

一面镜子的意义

Cermin 的价值不止于一个记事工具。它示范了一条个人 AI 项目的完整路径：从一个真实痛点出发，用 Telegram + SQLite + LLM 搭起最小可用系统，再逐步加入评估、监控、模型对比和 MCP 集成。

作者接下来计划分享那些"难以撤销的设计决策"、分类器的评估方法、想法之间如何建立关联，以及当数据积累足够后，这些想法究竟能揭示出一个怎样的自己。

正如他所说："镜子只会映出你放在它面前的东西。"对于任何想把 AI 真正融入日常、而非停留在玩具 demo 层面的人来说，Cermin 这种"小而完整"的构建思路，或许比追逐炫酷功能更值得学习。