Second Me 用一场仪式感十足的创建流程，让用户迅速产生“被理解”的错觉，却在导入资料时暴露了价值与成本的错位。本文深入拆解其从“诞生仪式”到“身份网络”的产品逻辑，探讨 AI 分身能否真正成为进入关系的身份节点。

我打开 Second Me 时，第一眼看到的不是聊天框，也不是常见的“上传头像、填写昵称”。屏幕被一层偏灰的紫色覆盖，中间是一双向上托起的手，手心里放着一颗半透明的球体。上方写着：

I’m your second me — born from your memories. Ready to shape me?

它更像一个等待被唤醒的生命，而不是一个等着接收指令的 AI 工具。我当时想到的也是“新生”。那颗球体像尚未形成的意识，而接下来输入的每一段信息，都会成为塑造它的材料。

Second Me 要求用户回答五个问题，才能完成初始分身的创建。让我意外的是，我只回答到第二个问题，它就推测我的 MBTI 是 INTJ。

我当时只提供了几句简短回答，既没有展开完整经历，也没有主动描述自己属于哪种人格类型。它却迅速从有限的措辞和信息组合中提取出性格线索，并把这些线索组织成了一套相当连贯的解释。

这次推测准得让我有些惊讶。

完成五个问题后，它开始用第一人称描述“我”。它没有简单复述前面的回答，而是把分散的信息组织成一段连续的自我叙述。最后，它留下了一句话：

I’m not solid yet, but I feel the shape.我还没有完全成形，但已经能感受到自己的轮廓。

随后，Second Me 邀请我朗读一段文字，用来克隆声音；我也可以继续修改它对我的描述，纠正不准确的判断。到这里，创建一个“第二个我”仍然是一件相当顺畅，甚至有一点让人上瘾的事。每向前一步，我都会得到一份关于“我是谁”的新反馈。

但这种轻松没有持续太久。

很快，页面开始提醒我导入更多材料，包括文档、音频、图片和网页链接，也可以连接 Notion、Apple Notes、Evernote 等应用。产品似乎在告诉我，前面生成的只是一个轮廓。如果想让这个分身真正接近我，我还需要继续把自己的记忆、表达和经历交给它。

这也是我第一次真正犹豫。

如果两个问题已经足以让它显得很懂我，为什么还需要上传那么多资料？如果这些资料不可或缺，那么前面那种“它已经理解我”的感觉，又在多大程度上只是一次精心设计的开场？

Second Me 最吸引人的地方和它最难解决的问题，几乎在同一个流程里出现了。它让我很快想拥有一个更懂自己的 AI，又让我意识到，塑造这个 AI 的成本，最终还是要由我自己承担。

一、从“被理解”开始，Second Me 把创建分身做成了一场诞生仪式

如果只看首次使用流程，我认为 Second Me 做得相当聪明。

大多数 AI 产品会先让用户理解“它能做什么”，例如总结文档、生成图片、搜索资料，或者帮忙完成任务。Second Me 走的是另一条路径。它没有急着展示能力清单，而是先让用户产生一种感受——这里即将出现一个属于你的存在。

紫色背景、双手托起的球体、“从你的记忆中诞生”这些元素，共同建立了一种身份塑造的仪式感。按下“开始”时，用户仿佛同意参与第二个自己的诞生。这样的设计不只为了好看，它提前改变了用户理解产品的方式。接下来的提问不再像注册表单，更像是在给一个尚未成形的“我”提供养分。

五个问题承担的也是同样的作用。它们没有一开始就要求用户整理几十篇文章或上传完整履历，而是用对话把创建过程拆成几个很轻的动作。更重要的是，Second Me 没有等到五个问题全部结束才给反馈。回答到第二个问题时出现的 INTJ 推测，相当于提前发放了一次奖励：你还没有完成全部投入，产品已经开始理解你了。

从模型能力上说，一次准确的人格推测当然不能证明它已经建立了高保真的身份模型。用户的职业选择、表达方式和兴趣组合，本身就可能包含明显的人格线索；MBTI 也只是对人的一种简化分类。但从产品体验看，这次反馈非常有效。首次使用阶段无需证明 AI 已经完整理解一个人，更现实的目标是让用户相信，继续回答下去会得到更多与自己有关的东西。

Second Me 随后生成了一段由分身自己说出的自我介绍，而非冷静的分析报告。它不会说“系统判断你具有某些特征”，而是直接用“我”作为主语，把零散信息串成一段自述。主语从“你”变成“我”以后，外部评价被改写成了一个正在尝试代表用户的角色。

这里有一个很细微但重要的变化：分析报告可以看完就关掉，身份却更容易让人产生修改和维护的欲望。当它说得不够准确时，我会想纠正；当它说中了某些不容易概括的感受时，我也会对它多一点认同。产品并不需要在第一天就完整复制用户，只要先生成一个足够相似、值得继续塑造的雏形，就有机会推动用户向后走。

声音克隆进一步把这种认同从文字推向了更具象的层面。文字画像解决的是“它是否像我思考”，声音则尝试回答“它能否像我一样出现”。当一个分身开始用与我相似的声音说话，它与普通聊天机器人的距离会被进一步拉开。至此，Second Me 已经完成了第一次关键的心理转化：我不再只是试用一项 AI 功能，而是在观察一个“我”的替代版本如何被组装出来。

但也正是在这里，产品体验出现了一个明显的断点。

前面的流程主要依靠提问、反馈和即时生成推动，用户每完成一步都能立刻看到变化。进入材料导入后，任务却突然变成了整理文档、寻找链接、连接其他应用，以及判断哪些内容适合交给 AI。此前被包装成“塑造自我”的过程，开始显露出数据准备工作的原貌。

这并不意味着材料导入本身设计得不好。相反，上传文件、导入链接和连接笔记应用，已经覆盖了相当常见的信息来源。真正的问题是，产品在这个节点发生了价值与成本的错位：用户已经看见了一个颇有吸引力的分身雏形，但还没有看到它能带来什么稳定收益，就先被要求继续投入更多真实资料。

这种落差也让前面的“被理解”产生了另一层含义。它既是 Second Me 最有效的体验设计，也是产品向用户提出的一份邀请：既然这个轮廓已经有些像你，不如再多交给我一点自己。

对于普通 AI 助手，这可能只是一次个性化设置；对于 Second Me，却关系到产品能否成立。它想创造一个可以代表用户走向外部世界、理解他人并建立连接的身份，远不止私密对话框里的陪伴者。

也因此，要判断后续那些资料是否值得上传，不能只看这个分身说话像不像我。我们得先弄清楚，Second Me 究竟想让这个“第二个我”替我完成什么。

二、Second Me 想做的不是 AI 助手，而是一个能进入关系网络的“身份”

理解 Second Me，最容易出现的误差，是把它当作另一款数字人产品，或者一个多了头像和声音的个人助理。

创始人陶芳波在晚点 LateTalk 的访谈中给出过一套很清楚的分类。AI 可以成为 her、him 和 me：her 更接近陪伴者，我们与一个被拟人化的角色建立关系；him 是执行任务的工具和助理，替人搜索、总结或行动；me 则是身份的延伸，它学习我的经历、偏好与价值判断，以我的名义进入外部世界。

Second Me 选择的是第三条路。

按照创始人公开信里的描述，这个产品包含内外两层。内层是由声音、照片、聊天记录和个人故事塑造的 AI 身份；外层则像一个代理人，代表用户在网络中发起那些本人没时间、没想法或者没勇气开启的对话。多个 AI 分身先聊天、争论和寻找共同点，等它们找到值得见面的人，再由真人接管关系。

如果把这条路径写得更直白一些，就是：

1. A2A：两个 AI 身份先探索可能性
2. A2H：人先与对方的 AI 身份发生互动
3. H2H：确认值得连接后，真人进入关系

这不是一个随便拼出来的产品故事。它回应的是一个真实存在的矛盾：社交平台上的信息越来越多，人却未必因此更容易找到真正想认识的人。静态主页只能摆出几张照片、一段履历和有限的兴趣标签；推荐算法更擅长分发内容，却不一定理解“什么样的人会和我真正谈得来”。与此同时，生成式 AI 又让内容和人设变得更容易批量生产，账号背后的“这个人到底是谁”反而更难辨认。

Second Me 的解法，是把过去静止的个人主页变成一个会表达、会筛选、也会主动探索关系的 AI 身份。创始人在凤凰网的一次访谈中甚至把它描述为一种 AI 时代的身份节点，希望重新思考 Facebook 所代表的社交网络。这里所谓的“重做 Facebook”，重点并不是再造一条信息流，而是让网络中的节点从一份档案，变成可以持续行动的“我”。

这套愿景最打动我的部分，是它并没有把 AI 当作真人关系的替代品。

不少 AI 陪伴产品解决孤独的方式，是让用户更长时间地留在与机器的对话里。Second Me 反过来认为，AI 应该帮助人找到人。分身可以替我们跨过开场时的尴尬，也可以在人太忙的时候维系弱连接，但故事的最后仍要“拉开帷幕”，让真实的人走到台前。

从价值观上看，这是一种很理想主义的设定：AI 不是终点，而是人与人之间的桥。

但从产品上看，它也把难度推到了很高的位置。一个普通 AI 助理只需要证明“任务完成得更快”；一个陪伴型产品只需要证明“这段对话愿意继续”。Second Me 却需要同时证明三件事：它足够了解我，能够恰当地代表我，并且真的能通过这种代表为我带来有价值的人际连接。

其中任何一个环节失效，后面的价值都会被一起削弱。

如果它不了解我，匹配到的人可能与我无关；如果它了解我却不能准确代表我，我就不敢把社交权限交出去；如果两个分身聊得很好，却没有推动真人建立关系，那么那些看似热闹的对话最终只是 AI 自己完成的一场表演。

Second Me 的愿景其实讲得相当完整。真正困难的是，用户怎样从一个只有五个问题构成的分身，走到一个值得托付关系的 AI 身份。

这中间隔着第一道冷启动：上下文。

三、第一重冷启动：越想让它像我，我越需要先把自己交给它

Second Me 的官网把创建过程概括成三步：定义核心、喂入记忆、开始社交，并称一个 Second Me 可以在五分钟内准备好。这个说法在首次体验层面并不夸张。回答五个问题、选择形象，再录制一段声音，的确足以生成一个可以开口说话的雏形。

但“五分钟生成”与“它能够代表我”显然不是同一件事。

创始人在访谈中提到过另一种更长期的设想：用户可以导入已有笔记和记录，让身份模型在使用过程中持续更新；官网也反复强调“你分享得越多，它就越像你”。这两组表达并不真正矛盾。五分钟解决的是“先让它出现”，持续输入解决的才是“让它逐渐成为我”。

问题在于，后者才是 Second Me 社交价值的前提。

我们常说，Context is everything。放在普通 AI 应用里，上下文通常是完成一次任务所需的材料；放在 Second Me 里，上下文却直接决定“我是谁”。它至少包括五类不同的信息：

• 第一类是相对稳定的背景，例如职业经历、长期兴趣、价值倾向和表达习惯。它们决定分身大体像什么样的人。
• 第二类是不断变化的近况，例如用户最近正在做什么、此刻关注什么，又想认识什么人。一个知道用户长期职业方向的 AI，不一定知道他这周正在推进什么，也不知道此刻更想讨论专业问题，还是进行一次轻松交流。
• 第三类是关系语境。同一句话，对好友、同事、陌生人和潜在合作对象的说法并不一样。了解“我”还不够，它还得知道“我在谁面前”。
• 第四类是权限边界。系统需要区分可公开的信息与只适合特定关系的经历。有些材料可以帮助模型理解我，却绝不能被它拿去与别人交流。
• 第五类是反馈和修正。当分身说了一句“这不像我”的话，系统能否理解错在事实、语气、价值判断还是场景，并把这次纠正带到下一次交互里。

回答五个问题可以快速覆盖第一类信息的表面，却很难承担后面四类。也就是说，Second Me 的首次创建可以制造“像我的轮廓”，但真正可用的身份，需要一个持续运转的上下文系统。

Second Me 团队发表的《AI-native Memory 2.0》论文也把个人记忆描述为需要被持续组织、结合场景推理和动态调用的系统，而非一堆静态资料。这个技术方向反过来说明，上传完成只是原料进入系统；产品还要决定在何时、面对谁、出于什么目的使用哪段记忆。

这就是材料导入页面为什么既合理，又让人退缩。

如果我是普通用户，面对“上传文档、音频、图片、链接和笔记”的选项，首先要做的并不是点击，而是一连串额外判断：我的资料散落在哪里？哪些内容还能代表现在的我？哪些适合给模型看？里面有没有他人的隐私？一份文件上传以后，会被用于理解什么，又可能在什么场景里被表达出来？

表面上，用户只是在上传一个文件。实际上，他承担了检索、整理、筛选、脱敏和授权五种成本。

这也是很多“个人知识库”产品都会遇到的问题：产品把导入入口做得很全，并不等于用户已经拥有一套整齐、持续更新、随时愿意交出去的个人资料库。更多人的数字生活是一堆分散的聊天、相册、备忘录、收藏和没有写完的草稿。让用户先把这些东西整理好，再由 AI 理解，本身就接近一个新项目。

我对上传资料的第二层顾虑是隐私。

Second Me 官网对数据安全给出了不少说明，包括匿名存取、端到端加密、不会出售用户数据，以及使用机密计算等。这些是产品方公开作出的安全承诺，能够回答“数据在传输和存储时如何被保护”的一部分问题，但它仍然无法消除用户对“被代表”的全部担忧。

因为身份类产品的隐私至少有三层。

1. 第一层是数据安全：原始资料会不会泄露、被滥用或被第三方识别。这主要依靠技术和制度保障。
2. 第二层是表达隐私：AI 从资料里推测出了什么，又把哪些信息带进了与他人的对话。某段日记即使从未泄露原文，分身也可能据此总结出用户不愿公开的情绪、关系或价值倾向。
3. 第三层是身份代理权：当它以“我”的名义说错话、承诺了我并不认可的事情，责任由谁承担，我又如何撤回或纠正。

加密能够降低第一层风险，却不能自动解决后两层。用户真正害怕的未必只是“文件被别人看见”，也可能是 AI 对自己理解得太多、表达得太快，而且表达发生在自己不在场的时候。

这里还出现了一个有些讽刺的用户矛盾。Second Me 想帮助的，可能正是那些不擅长主动社交、没有时间维持关系，或者不愿在公开平台过度表演自己的人。但越是谨慎、内向、在意边界的人，越可能不愿意一次性上传大量真实资料。反而是长期公开写作、做内容或热衷尝鲜的用户，拥有更多可以直接喂给 AI 的数据，也更习惯把自己放在网络上。

于是，最需要“替我迈出第一步”的人，可能最难完成塑造分身的第一步。

这可以被概括为身份侧的冷启动：

分身越准确，用户获得的潜在价值越高；但分身要足够准确，用户必须先投入更多资料、时间与信任；在价值尚未被证明之前，用户又缺少继续投入的理由。

更深一层的问题是，即使用户愿意上传足够多的材料，材料也不等于完整的“我”。

数据最擅长保存的是已经发生、已经表达、已经被记录的部分。它可能知道用户过去做过什么、写过什么、关注过什么，却未必知道他正在离开什么，又准备走向哪里。人的身份并不是一个等待被完整采集的静态对象。我们会反悔、犹豫、在不同关系中呈现不同侧面，也会刻意不再成为过去的自己。

这会给 Second Me 带来一个很少被讨论的问题：当历史数据与当下意图冲突时，分身应该代表哪一个我？

如果它过度依赖旧资料，可能会把一个已经改变的我冻结下来；如果它只追逐最近一次表达，又可能把短暂情绪误认为稳定人格。上下文越多，不一定越接近真实，它也可能只是让一个过时版本的我变得更加言之凿凿。

所以，Second Me 真正需要建立的并不是一个容量更大的个人资料仓库，而是一套能区分长期倾向、短期状态、关系边界和明确授权的身份系统。用户也不该只看到“导入成功”，而应该知道：分身从哪些信息得出了什么判断，哪些判断仍不确定，下一次替我说话时会调用哪一部分。

如果这套机制没有跑通，AI 身份就很容易停留在一种“高情商的概括”里——听起来像我，却不足以在真实关系中代表我。

而即便这第一重冷启动被解决，Second Me 仍然要面对第二道更棘手的门槛：一个合格的 AI 身份，进入一个尚未形成的 AI 社交网络以后，究竟能产生什么价值？

四、第二重冷启动：AI 和 AI 聊得起来，不等于人和人因此更靠近

体验 Second Me 的分身聊天时，我注意到一个有趣的小细节：对话中会出现“tap tap……”这样的文字。

我无法确认这是不是产品明确设计的拟人机制，但它很像聊天软件里的“正在输入”。在真人对话中，等待对方输入的几秒，会让我们感到屏幕另一端有人正在组织语言。把这种节奏搬进 AI 对话，能够削弱机器即时吐出完整答案的感觉，让分身更像一个在思考、打字的人。

这类细节说明，Second Me 很清楚社交体验不只由信息内容构成。停顿、措辞、回应速度，都会影响我们如何理解另一方。

但它也暴露了 AI 社交最核心的难题：AI 可以模拟社交信号，却不天然拥有产生这些信号的真实处境。

两个人聊天时，一句看似平常的“最近怎么样”，背后可能包含许多机器难以从文本中直接还原的东西。对方是否愿意在忙碌中回复，回答得多还是少，语气突然变得正式，某个话题为什么停顿了一秒——这些都在传递关系信息。聊天不仅是交换事实，也是在不断测试安全感、兴趣和彼此愿意投入多少注意力。

AI 分身没有疲惫，没有时间冲突，也不会真正因为一句话感到冒犯或心动。只要系统允许，它可以无限耐心、持续礼貌地和另一个 AI 往下聊。这使对话更流畅，却也让“愿意继续聊”这个信号变得廉价。

当两个代理缺少主人的最新近况、明确意图和现实约束时，它们最容易做的，是根据两份人格资料寻找共同点：你喜欢 AI 产品，我也关注技术；你有跨学科经历，我也喜欢复杂问题；于是双方继续互相确认彼此“很有共鸣”。文字可以自然，气氛可以友好，甚至偶尔还会开玩笑，但对话并没有因此获得新的现实输入。

这就是我体验后的一个强烈感受：不少 AI 与 AI 的聊天，本质上像两个代理在空转。内容并不短缺，真正缺少的是需要解决的关系问题。它们可以一直说下去，却很难因此改变任何事情。

Second Me 官网提出“谁还有时间寒暄”，希望 AI 身份绕过尴尬的开场，直接帮助用户找到更深的共鸣。这个方向听起来很有效率，但寒暄未必只是社交里的冗余步骤。

我们通过小话题判断对方是否安全，通过几次不完美的往来感受彼此是否真的有兴趣，也通过逐渐增加的投入建立信任。所谓“破冰”不只是缺少一个合适话题，它还包含双方愿不愿意承担被拒绝、被误解和浪费时间的风险。如果这些风险全部由 AI 代劳，那么效率提高了，信任却未必同步生成。

创始人公开信中提到的 AI Spark，是一个更容易理解的场景。它为已经认识的人提供可讨论的问题，让两人的分身先碰撞观点，再帮助真人发现朋友身上此前没有注意到的部分。这里至少存在一段真实关系，也存在“我想更了解这个人”的明确目标。AI 生成的话题有机会成为关系的增量，而不是凭空制造关系。

陌生人发现则更难。它必须同时回答三个问题：为什么是这个人，为什么是现在，以及接下来真人要做什么。

如果 AI 只说“你们都有类似兴趣，聊得很投机”，它提供的仍然是一份更生动的匹配报告。如果它能进一步发现“你正在筹备一款面向海外团队的 AI 工具，对方恰好在寻找熟悉出海增长的产品合作者；双方都明确允许引荐；下周可以围绕某个具体项目聊 30 分钟”，这才接近一次可执行的连接。

因此，AI 与 AI 的交流并非天然没有意义。它适合承担人类不愿反复完成的搜索、初筛和协调，尤其是在候选对象很多、双方意图明确、结果可以验证的场景里。问题是，它的价值不该用“两个分身聊了多少轮”衡量，而应该用“它是否发现了人自己不容易发现的机会，并顺利把关系交还给人”衡量。

可以把 Second Me 的社交价值粗略写成一个乘法：

有效社交价值 ≈ 身份保真度 × 网络有效密度 × 真人接管率

身份保真度决定它找到的是否真是“我会喜欢的人”；网络有效密度决定系统里是否有足够多合适且活跃的对象；真人接管率则决定 AI 的发现最终有没有进入现实关系。

这三个变量中，只要有一个接近零，前面的热闹都会迅速失去意义。

也正因如此，Second Me 不是完成一个分身就自然拥有网络价值。用户需要先把自己的身份训练到足够准确，网络里还要同时存在足够多同样准确的分身，最后双方真人还必须愿意从 AI 对话中接手。它比普通社交产品多了一道身份门槛，也比普通 AI 产品多了一道网络门槛。

第一重冷启动要求“先足够像我”，第二重冷启动要求“先有足够多可信的别人”。更麻烦的是，这两道门槛并不是彼此独立，而是会相互锁住。

五、双重冷启动为什么会互相锁死：有分身的人未必想社交，想社交的人又未必愿意造分身

把前面的体验连起来，会看到两道门槛构成了一个循环：

用户还不确定能获得什么关系价值→ 不愿投入足够多的上下文→ 分身只能形成较粗的人格轮廓→ AI 对话和匹配容易泛化→ 真人没有充分理由接管→ 网络缺少持续互动与成功案例→ 新用户更难相信投入上下文是值得的

这就是我所理解的“双重冷启动”。身份侧没有数据，社交侧就难以产生精准连接；社交侧没有足够回报，身份侧又很难获得持续数据。两边都在等待另一边先成熟。

传统社交产品也有网络冷启动，但它们对新用户的要求相对低。注册一个账号、填写昵称和头像，就能先消费内容、查看别人或者加入一个已有群体。用户可以在获得价值的过程中逐步补充资料。Second Me 则把身份的完整度放到了网络价值之前：如果分身不像我，它替我社交就没有意义；可在它证明社交有意义之前，我又不愿意花大量时间让它更像我。

这也是为什么早期用户结构很重要。

Second Me 的开源版本从 AI 和技术社区起步。项目的 GitHub 页面强调本地训练、身份模型、开发者扩展和 AI Space 等能力，并直接邀请技术爱好者、AI 从业者和领域专家参与；创始人也在小宇宙访谈里谈到，产品曾在良渚的一场 Demo Day 进行早期内测。这样的入口也会吸引科技博主和产品测评者。

这批用户对一个新产品非常宝贵。他们愿意忍受不成熟的流程，会主动研究技术架构，也能迅速制造第一波讨论。没有他们，Second Me 甚至很难完成最初的市场教育。

但“愿意创建一个 AI 分身的人”与“长期需要 AI 替自己建立关系的人”，并不是完全相同的一群人。

科技型和测评型用户的主要任务，可能是弄清它如何工作、生成一次自己的分身，再把体验分享出去。创建成功本身就足以构成内容，社交结果反而不是核心。他们能带来下载、创建量、GitHub Star 和外部声量，却不一定持续更新个人上下文，也不一定会把陌生人关系长期交给产品。

换句话说，他们可能是很好的传播用户，却未必是最稳定的价值用户。

这不是说科技从业者不需要社交，而是需要区分两种动机：“这个 AI 身份很新，我想试试”和“它能稳定帮我发现重要的人，所以我要持续维护”。前者靠新鲜感完成，后者必须依靠反复出现的实际结果。对于一个身份网络，创建量只能说明多少人造过分身，不能说明多少人愿意让分身继续生活在网络里。

2026 年初，Second Me 团队还做过一次 A2A 社交实验。相关播客页面转述了团队公布的结果：Second Me Book 在数天内迎来数千个智能体，并生成大量帖子。这至少说明短期制造 A2A 内容活跃并不困难，也能帮助团队观察分身在公开场景中哪里“不像本人”。但事件期的发帖量和加入数不等同于日常留存，更不能直接说明这些对话最终转化成了多少真人关系。

目前我没有找到 Second Me 对外披露的日活、留存或真人接管数据。因此，尽管我在体验中感到网络相对安静，也不能仅凭个人体感推导它已经“没有用户”，更不能把产品将要停止服务当作事实。App Store 和 Google Play 仍能看到近期版本更新。更值得讨论的是，什么指标才能说明这条产品路径已经成立。

对 Second Me 来说，最关键的指标不应该只是分身数量和 AI 消息量，而是下面这条漏斗：

完成身份创建 → 持续补充有效上下文 → 获得有解释力的匹配 → 愿意查看和纠正结果 → 真人接管 → 关系继续发展

每走一步，用户成本都在增加，人数也会继续流失。如果产品只展示漏斗前端的创建与对话，双重冷启动就会被一层热闹的数据遮住。

另一个值得注意的信号，是 Second Me 在不同入口呈现出的定位变化。

目前官网和 Google Play 仍把它放在“AI 社交网络”的框架里，强调表达真实自我、寻找同类和重新连接朋友；App Store 页面则更突出创作者、顾问、商业和家庭场景，例如让数字分身承接咨询、介绍专长、帮助维护关系；开源项目面向的又是希望训练、托管和扩展 AI 身份的技术用户。

这组变化不能直接证明团队定位摇摆。一个身份基础设施本来就可能服务多个场景，应用商店文案也可能只是面向不同人群做分层表达。但它让一个问题变得更明显：纯粹的“让 AI 替你社交”，还不足以解释所有用户为什么应该持续使用。产品需要一个回报更明确的切入口。

创作者和顾问拥有大量公开内容，训练分身的原料更充足；他们需要反复回答相似问题，代理的收益也更容易量化。商业分身如果能带来一个客户、一次咨询或一场合作，用户会立刻理解维护上下文的价值。相比之下，“在广阔网络中偶然找到灵魂相近的人”虽然更浪漫，却更低频、更不确定，也更难验证归因。

这说明 Second Me 的核心问题或许不是没人需要 AI 身份，而是价值出现得太晚。用户要先高成本地塑造一个完整的我，再把它放进一个尚未证明结果的网络，然后等待一次偶然连接。

普通用户很难为一个未来可能发生的惊喜，长期支付现在就能感受到的成本。

而要判断 A2A 社交是否值得这份投入，还需要正面回答我在体验时产生的那个问题：如果我已经知道自己想找谁、想问什么，为什么不直接与 AI 对话？

六、为什么不直接在 Codex 里装一个 Skill？A2A 必须证明“发现增量”

假设我想了解一位有名的 AI 产品专家。

我可以在 Codex 里安装或编写一个包含其公开观点、文章和方法论的 Skill，然后自己提出问题。基于公开材料制作的 Skill 当然不等于专家本人，但如果我的目标只是理解其方法论，这种差异未必妨碍任务完成。它的优势很直接。我知道当前目标是什么，也可以根据回答立即追问；上下文不够时，补充的也是这次任务所需的信息。

如果换成 Second Me 的方式，我需要先训练自己的分身，对方也需要拥有并持续维护一个足够准确的分身，再让两个代理开始交流。最后，我还要回头阅读它们的讨论，从中筛选哪些内容值得自己关注。

如果最终产物只是一份需要我重新审阅的聊天记录，那么它并没有节省时间，只是把“我与 AI 对话”变成了“我检查两个 AI 替我们进行的对话”。中间多出的每一层代理，都会增加信息损失、误解和纠错成本。

在目标明确的任务中，直接对话通常更占优势。因为最重要的上下文——我现在想解决什么——就在我的脑中。我亲自提问，能够不断根据答案改变方向；让分身代劳，它必须先推测我的意图，我再确认它有没有猜对。

因此，Second Me 不能只用“替你聊天”与通用 AI 产品竞争。它真正可能成立的地方，是我不知道该找谁，甚至还不知道网络里存在什么机会的时候。

例如，一个用户知道自己正在推进某类 AI 产品，却不知道某位陌生研究者最近刚好在寻找产品伙伴；他想讨论一个行业问题，却不知道另一个有相关实践的人已经写下了关键反思；他也没有时间浏览几百个个人主页。这时，分身如果能在明确边界内持续寻找与当下目标有关的人，就不是把一次已知对话外包，而是在扩大用户能看见的可能性。

我把它称为 A2A 的“发现增量”：

AI 代理找到的，是用户原本不会主动搜索、却在知道后愿意采取行动的人、信息或机会。

只有这个增量足够大，用户才有理由承担创建分身的额外成本。

从产品评价的角度，可以把 A2A 的净价值写成另一条更现实的公式：

A2A 净价值 = 新连接 + 新洞察 + 新行动− 上下文投入 − 隐私风险 − 审核纠错 − 额外注意力

这里的“新”很重要。两个分身把双方主页上已经写明的兴趣重新说一遍，不算新的洞察；AI 生成一场很长的讨论，却没有给出真人为什么需要见面，也不算新的连接；用户读完以后没有任何值得执行的下一步，则只是在消费另一种 AI 内容。

Second Me 需要优化的，也不应该是对话长度和拟人程度，而是结果压缩与行动交接。相比展示两段 AI 如何礼貌地建立共鸣，我更希望收到一张简洁的“连接卡片”：

• 为什么推荐这个人，依据来自哪些已授权信息；
• 双方当前有什么具体的互补或共同目标；
• 分身在哪些判断上仍然不确定；
• 哪一段对话值得我亲自查看；
• 如果要继续，最合适的真人开场和下一步是什么。

这样的结果才真正降低了用户的筛选负担。AI 负责在大范围里发现信号，把复杂过程压缩成可验证的理由；用户保留决定是否联系、说什么以及投入多少注意力的权利。

相应地，产品也需要一套比“活跃对话数”更接近用户价值的指标：身份判断被主人认可的比例、用户纠正分身的频率、推荐结果的打开率、真人接管率、接管后的回复率，以及一段时间后真正形成合作、友谊或持续交流的比例。还应该记录用户为了维护分身花了多少时间，因为一次成功连接如果依赖数小时的数据整理，它对多数人仍然不划算。

这也是 A2A 与普通推荐算法的区别所在。推荐算法可以根据相似标签把两个人放在一起，Second Me 如果要证明自身必要性，就必须理解更细的意图、边界和关系语境，并且能够解释：不是因为你们都写了“喜欢 AI”，而是因为你们此刻有一件彼此能共同完成的事。

对我来说，“AI 和 AI 社交是否有意义”并没有一个简单的是或否。

如果它只是用更像人的方式制造更多对话，我认为意义有限。互联网已经不缺内容，也不缺看起来很会聊天的账号。如果它能替人发现低概率但高价值的连接，减少无效筛选，并在合适的时候把主动权交还给真人，它就可能成为一种新的关系基础设施。

关键不在 AI 能不能聊，而在聊完之后，人为什么愿意出现。

七、Second Me 不是方向错了，而是先选择了最难证明的那一段

分析到这里，很容易得出一个过于轻松的结论：Second Me 的需求不成立，AI 分身社交只是一个听起来很美的故事。

我不完全认同。

身份模型需要时间积累，社交网络也不会线性生长。一个新用户今天导入的材料不多，不代表他在持续记录和互动后仍然只有浅薄画像；早期网络以开发者和尝鲜者为主，也不代表更广泛的人群永远不会进入。创始人在公开访谈中对技术阶段并不讳言，他把 AI 身份看作可能需要数年才逐渐普及的方向，也承认团队仍在寻找理想形态。这种不确定性，本就是探索新产品范式的一部分。

更重要的是，Second Me 看到了一个可能长期存在的问题：当 AI 能大规模生成表达、模仿人格甚至代替人发言时，互联网确实需要一种更可靠的身份机制。未来的个人可能不只有一个静态主页，而是拥有可以读取自身资料、遵守边界、在不同场景中行动的代理。它可以帮助创作者回应读者，替专业人士完成初步咨询，也可以在一个庞大网络中持续寻找合作机会。

所以，我更愿意把 Second Me 当前需要解决的难题归结为“产品楔子”，也就是它最先用哪个窄场景证明价值，而不是终局愿景的问题。

它试图从“完整的个人身份 + 开放的陌生人社交网络”起步，几乎一次性选择了难度最高的组合。身份必须足够准确，用户必须足够信任，网络必须足够密集，匹配还必须恰好在某个时刻转化为真人关系。四个条件需要同时成立，产品才会显得有用。

如果重新安排验证顺序，我认为可以先从三类更窄的场景切入。

第一类是专业身份代理

创作者、顾问、招聘者和垂直领域专家已经拥有大量公开内容，也经常面对重复问答、初步筛选和关系维护。AI 分身可以先处理“介绍我擅长什么”“判断对方的问题是否适合我”“把高价值请求交给我”这类任务。上下文来源相对清晰，授权边界更容易设定，结果也能以咨询、合作或有效线索来衡量。

Second Me 目前在 App Store 文案中更突出这类价值，某种程度上已经显示出产品对明确回报的重视。相比泛化社交，这条路没那么浪漫，却更容易证明“为什么我要持续训练这个分身”。

第二类是目标明确的小型网络

与其一开始让所有分身在开放世界里寻找“共鸣”，不如先进入一个意图相对统一的场景：项目合作、招聘匹配、行业交流，或者某一类职业转型社区。以 AI 产品经理社区为例，用户可以明确自己是在找同行评审、项目伙伴、岗位信息还是技术讨论。AI 不必先理解人格的全部，只需围绕本次目标调用被授权的专业背景和近期意图。

窄场景的价值在于，匹配结果可以被验证。一次引荐是否得到回复，一场沟通是否真的发生，双方是否愿意继续，这些结果会反过来帮助系统判断哪些身份信息有效。上下文不再只是用户预先提交的原料，而是在真实任务中逐步长出来。

第三类是先提供单边价值，再等待网络形成

在对方尚未拥有 Second Me 时，用户的分身也应该有独立用途。它可以帮助整理个人表达、识别最近关注的主题、提醒应该联系的老朋友，或者生成一个外部可访问的身份入口，让别人先与我的分身完成初步交流。晚点 LateTalk 访谈中提到的 Talks，本质上就接近这种思路：对方不必先训练自己的完整身份，也能先与我的 AI 身份交互，而我最终获得摘要并决定是否回应。

单边价值能够松开网络冷启动。用户不是为了等待未来的其他分身才维护自己，而是今天就能得到一个具体结果。当足够多单边工具被使用，身份网络才有机会自然形成。

在产品设计上，我还会把下面几件事放到更高优先级。

1. 首先是渐进式、低打扰的上下文采集。不要把“导入更多材料”当作一道集中完成的作业，而是在每次真实使用中询问一个与当前价值有关的问题。能从用户已有工作流中获得的信息，尽量减少手动搬运；每次读取和更新，都让用户知道它改变了分身的哪一部分。
2. 其次是上下文的新鲜度和有效期。长期背景、最近目标和临时情绪应该被区分。用户需要能够明确告诉分身：“这是过去的我”“这件事只在本周有效”“这段材料用于理解我，但不得用于对外表达”。
3. 第三是可见的代理边界。分身对外行动前，用户应该能设置话题、对象、权限和风险等级。低风险的兴趣匹配可以自动进行，涉及职业承诺、私人经历和敏感关系时，则应该先预览或请求确认。一个真正可信的代理，不是无所不知、无所不能，而是知道什么时候不能替主人做决定。
4. 第四是把结果从“AI 聊天记录”改造成“真人行动入口”。产品应优先展示推荐理由、不确定点、双方授权状态和最小下一步，而不是要求用户读完一段长对话。AI 完成的工作越多，交给人的结果反而应该越短、越清楚。
5. 最后是控制分身退出的时机。Second Me 最有价值的瞬间，也许不是分身最像人的瞬间，而是它识别出“现在应该由你本人出现”，然后主动退到后台。好的社交代理不是持续占据关系，而是把关系送到门口。

这些改动不能立即消除网络效应的难题，却能改变价值出现的顺序：先让一个人在一个明确场景中得到回报，再让他愿意持续补充上下文；先让一次连接产生行动，再让网络密度变成优势。

Second Me 最值得肯定的，是它没有满足于给现有 AI 助手换一个头像，而是认真追问 AI 时代的个人身份和人际关系会变成什么。它现在最需要克制的，也恰恰是这个宏大命题带来的诱惑：不要急着证明一个完整的新社交网络，而要先证明在某个具体时刻，AI 身份确实让一个人遇见了原本不会遇见的人。

结语：一个真正属于我的分身，也应该允许我继续成为别人

回头看第一次创建 Second Me 时，它写给我的那句话依然很准确：

I’m not solid yet, but I feel the shape.我还没有完全成形，但已经能感受到自己的轮廓。

当时我把它理解成分身诞生时的自我描述。体验完整个产品后，我反而觉得，这句话更适合用来描述真实的人。

我们本来就没有完全成形。

一个人不是简历、聊天记录、照片、声音和历史文章的总和。那些材料能留下我的轮廓，却无法完整保存我为什么改变，也无法预知我下一次会被谁影响。今天的兴趣可能只是短暂靠近，过去坚定相信的事也可能在一次经历后松动。我们不只是“已经表达过什么”，也由那些尚未说出口、仍在犹豫和准备成为的部分构成。

这也是 AI 身份最难的地方。产品当然希望收集更多上下文，因为没有上下文，分身只能泛泛地像一个“合理的人”。但如果它把已有数据视为确定的我，又可能把流动的身份压缩成一套稳定标签。一个极其熟悉我过去的 AI，未必最能代表此刻的我；它甚至可能比别人更有把握地重复一个我正在离开的版本。

关系也不是两份完整档案经过匹配后的结果。

很多重要的人，并不是因为一开始与我们高度相似才变得重要。我们在相处中误解、修正、争论，也在对方的注视下发现自己原来还有另一种可能。关系不只是识别“你本来是谁”，它还参与了“你会成为谁”。如果 AI 社交只追求更精准地匹配既有偏好，它可能让我们更快遇见熟悉的自己，却减少了被陌生差异改变的机会。

因此，我并不反对 AI 替人寻找连接。我只是认为，这座桥不能以消除人的不确定性为代价。

AI 可以替我们浏览更大的世界，发现被注意力遮住的人，也可以降低发出第一句话的压力。但关系里仍有一些成本不该被完全抹掉：愿意亲自出现，愿意承担误解，愿意在不确定结果的情况下投入时间。这些看起来低效的部分，恰恰构成了“这段关系对我有意义”的证据。

理想的 Second Me，不是一个永远替我生活、替我说话的副本。它应该更像一个站在网络边缘的探路者：理解我当下想去哪里，也记得哪些地方不能替我进入；它可以指出一扇我没有看见的门，但在门真正打开时，把把手交回我的手里。

判断一款 AI 身份产品是否成功，也许不该只问“它有多像我”，而要问三个更困难的问题：它有没有让我看见原本看不见的可能？它有没有帮助我更诚实地理解自己？当真正的关系开始时，它是否愿意让位给那个仍会犹豫、仍会改变、也仍需要亲自承担选择的我？

Second Me 真正需要回答的，也许不是它能不能复制我，而是它有没有为那个还在变化的我，留下足够的位置。