Twin Me Up

教一次即可。你使用的每个 Agent 都会按你的方式工作，并在行动前征求你的同意。

快速开始 · 一条提示词安装 · 工作原理 · 兼容工具 · 研究 · 安全机制

为什么需要

你可能会使用不止一个 AI Agent。每个 Agent 都从零开始，不知道你在意什么、哪些原则你绝不会妥协，或哪些决定你总想亲自做出。于是你不得不一遍遍重复说明、纠正同样的错误，并祈祷在你查看之前不会发生什么严重后果。

Twin Me Up 是一款轻量、本地运行的开源服务，能让每个 Agent 对以下三个问题给出相同的答案：

1. 这个人希望如何完成这类工作？ 你的已确认指导原则、标准、例外和红线，会在工作开始时告知 Agent。
2. 我可以这样做吗？ 明确授权限定于某个工作流和一组操作，并可选择设置有效期。未获授权的操作一律返回 ask。可选的钩子会在模型之外强制执行这些规则。
3. 我刚刚学到了什么？ 你的决定和纠正会成为候选经验，只有你能确认。

它不是你的聊天机器人、人格克隆，也不是自主替代你的工具。现有证据并不支持这些说法，研究对此作了解释。

它的独特之处

与你目前可能使用的方案相比

快速开始

你需要 Python 3.11 或更高版本，以及 uv（或 pipx）。已在 macOS 和 Linux 上测试。Windows 应该可以运行，但尚未测试。

uv tool install twin-me-up        # or: pipx install twin-me-up
twinmeup init                     # your name and a passphrase, in your own terminal
twinmeup connect --list           # every supported agent system
twinmeup connect claude-code      # the exact steps for one of them, with your paths
twinmeup doctor                   # check everything, including a live MCP handshake

twinmeup init 会询问你的姓名和密码短语。密码短语用于保护只有你应当执行的所有操作：确认经验、授予权限、导出和删除。Agent 永远不会获得该密码短语；没有它，这些命令也会拒绝运行。

只需要 MCP 服务？运行 twinmeup init 后，任何 MCP 客户端都可以通过 uvx twin-me-up 启动它。想使用最新代码？运行 uv tool install git+https://github.com/GitDakky/twin-me-up。

要升级？运行 uv tool upgrade twin-me-up（或 pipx upgrade twin-me-up），然后运行 twinmeup doctor。常见问题说明了升级会如何影响你的孪生体。

使用 Claude Desktop？运行 twinmeup init 后，从最新版本下载 .mcpb 桌面扩展并打开。一个安装包适用于 macOS、Windows 和 Linux。

使用一条提示词安装

已经在 Agent 中工作？将以下内容粘贴到其中。

Install Twin Me Up for me and connect it to yourself. Twin Me Up is a local, open-source
work twin: it learns how I make decisions, briefs you at the start of work and tells you when
you need my approval. Repository: https://github.com/GitDakky/twin-me-up

Work step by step and show me each command you run.

1. Install it. Prefer uv:
     uv tool install twin-me-up
   If uv is not available, use pipx:
     pipx install twin-me-up
   If PyPI cannot be reached, install from GitHub instead:
     uv tool install git+https://github.com/GitDakky/twin-me-up
   Then check with: twinmeup version

2. Ask me to run `twinmeup init` myself, in my own terminal, and wait until I say it is done.
   It sets my name and a passphrase that only I know. Do not run it for me, do not ask me for
   the passphrase, and never type a passphrase anywhere.

3. Run `twinmeup connect --list`, pick the entry that matches you (or `generic`), then run
   `twinmeup connect <entry>` and carry out the steps it prints to register the MCP server and
   install the skill. If it offers optional enforcement hooks, show me the action map and the
   hook configuration first, and install them only if I agree.

4. Run `twinmeup doctor` and report the result.

5. If your system needs a new session to load MCP tools, tell me. Otherwise call twin_brief
   for workflow "general" and summarise what it says.

While you work with my twin:
- Call twin_brief at the start of a piece of work.
- Call twin_authorise before anything consequential: sending, paying, publishing, deleting or
  committing on my behalf. If the answer is "ask", prepare a draft, request my approval with
  twin_request_approval, and act only once twin_approval_status says it is approved.
- Give every write a request_id, so a retry never records anything twice.
- When I correct you, record it with twin_record_correction.
- Never try to confirm lessons, approve requests, grant authority, export or erase. Those are
  mine, and the twin will refuse you anyway.

Agent 会安装软件包、连接自身并检查结果。两个关键步骤仍由你完成：选择密码短语，以及批准任何强制执行钩子。你也可以在 docs/install-prompt.md 中找到这条提示词。

工作原理

flowchart LR
    you([You])
    twin[("Your twin<br/>local store")]
    agent["Any agent"]
    hook{{"Pre-action hook"}}
    you -- "confirm lessons<br/>grant and approve" --> twin
    twin -- "candidate lessons<br/>to review" --> you
    agent -- "twin_brief<br/>twin_authorise<br/>request approval" --> twin
    agent -- "record decisions<br/>and corrections" --> twin
    agent -. "every governed tool call" .-> hook
    hook -- "ungranted: block or ask" --> agent
    hook -- "checks grants" --> twin

工作循环

1. 了解情况。 开始工作时，Agent 会调用 twin_brief。它会获取你已确认的工作流指南，其中始终包含边界和升级规则，以及它获准执行的操作列表。
2. 检查。 执行任何重要操作前，Agent 都会调用 twin_authorise。只有当前有效授权涵盖该操作时，答复才会是 allow。否则会返回 ask：Agent 会准备草稿、请求你批准，并等待你的决定。
3. 学习。 当你做出决定或纠正 Agent 时，它会记录该决定或纠正，并据此提出经验教训。
4. 确认。 你会审核队列，并确认、修改或拒绝每条经验教训。只有已确认的经验教训才会进入后续简报。
5. 验证。 你会冻结留出的决策，并用两个基线测试数字孪生，再决定是否信任它执行更多工作。

Agent 可使用的工具

只有你能执行的操作

这些命令需要你的密码，因此 Agent 无法运行。

审批

Agent 需要执行尚未获批的操作时，会先提出请求，然后等待：

1. twin_authorise 返回 ask。Agent 会准备草稿，并调用 twin_request_approval，用一句话概述操作内容和原因。
2. 你可以用 twinmeup approvals list 查看请求，并在自己的终端中决定：执行 twinmeup approvals approve <id>，或执行 twinmeup approvals decline <id> --note "why"。
3. Agent 会检查 twin_approval_status，只有状态显示 approved 时才会执行操作。

除非你另行指定（--uses 3、--for 1d），审批只授予所请求的操作一次，且有效期为一小时。如果有钩子强制执行审批，那么执行操作的工具调用会消耗该审批，因此再次尝试需要重新请求。每次批准或拒绝也都会被记录为一项决策，这样数字孪生就能了解你的底线。请求在重启后仍然有效；如果 Agent 重复提出请求，会收到最初的请求。

写入工具也接受可选的 request_id。如果连接中断或程序崩溃后使用相同 ID 重试，将返回首次操作的结果，而不会重复记录。

适用对象

twinmeup connect <system> 会使用你机器上的路径，打印每个系统的准确操作步骤。所有指南也收录在 docs/integrations.md。

于 2026 年 10 月根据当前版本检查。宿主检查运行于 0.1.0；0.2.0 在同一 MCP 服务中新增了两个工具，Pi Durable 检查运行于 0.2.0。框架检查可通过 scripts/interop/frameworks.py 重现。在标注为“尚未运行”的系统中成功运行了？告诉我们如何做到。

没有 MCP？导出函数调用 schema，并通过 CLI 分发调用：

twinmeup tools schema --format openai > twin-tools.json
twinmeup --actor agent:my-bot tools call twin_authorise '{"workflow": "general", "action": "email.send"}'

教会你的分身

从小处着手：选择一项你经常重复的工作流，例如审核报价或处理请求。

1. 写下不可逾越的底线。 这些内容会纳入每份简报，绝不会被排序机制排除。

twinmeup probes onboarding      # questions worth answering for a new workflow
twinmeup lesson propose --workflow quote-review --kind boundary \
  --statement "Never instruct a contractor without my written approval." \
  --origin written_rule --confirm

2. 记录真实决策。 Agent 会在你工作时通过 twin_record_decision 记录决策。你也可以从 JSON 手动添加决策（参见 examples/）；手动添加的记录会要求你输入密码短语，因为这些记录会以你的名义保存。

twinmeup episode add examples/episode.quote-review.json
twinmeup episode gaps <episode-id>      # what the record does not yet explain

3. 审核它提出的方案。 在你明确同意之前，Agent 提出的任何方案都不具备效力。

twinmeup lesson list --status candidate
twinmeup lesson confirm <lesson-id> --note "Yes, always"
twinmeup lesson revise <lesson-id> --statement "Only for quotes over budget"

4. 严格限定授权范围，并让授权自动过期。

twinmeup grant add --workflow quote-review --action draft.prepare --expires 2026-12-31
twinmeup grant list

经验分为七种：fact、criterion、exception、escalation、procedure、boundary 和 preference。每条经验都会记录它是书面规则、从你那里 elicited、由模型推断，还是通过纠正学到的。

衡量效果

不要因为分身听起来像你就相信它。用它没见过的决策来测试。

twinmeup eval create --name holdout --workflow quote-review
twinmeup eval from-episode <set-id> <episode-id>     # or: eval add-case <set-id> case.json
twinmeup eval freeze <set-id>

export OPENROUTER_API_KEY=...                         # or use endpoint: with a local model
for arm in generic rules twin; do
  twinmeup --actor agent:eval eval run <set-id> --arm $arm --responder openrouter:<model>
done
twinmeup eval report <run-id>

每个案例都会使用同一个模型，以三种方式作答：

只有当分身的表现超过 rules 组时，它才算发挥了价值。报告会展示它与你选择的一致程度，以及它正确升级处理的频率；如果样本太小、难以得出有意义的结论，也会发出警告。随着证据累积，twin_track_record 会将工作流从 observe 推进到 draft，再到 supervised。阶段只是建议，不代表授权：要获得更高的自主权，仍需你明确授权。

docs/pilot-guide.md 介绍了一项为期六周、针对单个工作流的试点计划。

安全模型

• 仅限人类执行的操作需要你的口令。 口令以加盐的 scrypt 哈希形式存储，并从你的终端读取，不会从 Agent 的参数中读取。
• Agent 不能将自己设置成你的身份。 设置一个未受保护的副本必须在真实终端中完成。
• 保留操作。 twin. 下的任何操作都永远不能被授权，因此任何授权都不能让 Agent 控制双胞胎本身。
• 批准仅涵盖一次操作，且只能使用一次。 只有你能使用口令批准或拒绝。批准授予的权限严格限于所请求的操作，只能使用一次，有效期为一小时，除非你另有说明。在钩子进行强制执行的情况下，每次工具调用都是一次新的尝试，因此主机重复使用的 ID 不能继续沿用已用过的批准。
• 强制执行失败时默认拒绝。 如果钩子无法作出判断，工具调用就会被阻止。示例操作映射还会阻止 Agent 运行仅限人类执行的命令、写入双胞胎的存储，或编辑用于注册钩子的主机配置。
• 防篡改审计。 每次写入都会追加到哈希链中。twinmeup audit verify 会对其进行验证。
• 经过签名、可重复构建的发行版。 软件包通过 GitHub Actions 构建，并使用受信任发布和证明发布到 PyPI。不存在长期有效的令牌。
• 坦诚说明限制。 Twin Me Up 以你的身份运行。任何以你的用户身份运行的程序都能读取你的文件。口令可阻止 Agent 使用双胞胎自身的命令冒充你行事；钩子则会阻止受管控的工具调用，但二者都不是沙箱。如需严格隔离，请以不同用户身份运行 Agent，或在容器中运行。

请参阅 SECURITY.md，了解威胁模型以及如何报告漏洞。

仍可能失效的情况

Twin Me Up 会缩小 Agent 可执行操作的范围，但它本身并不能确保 Agent 安全。

• 没有钩子时，双胞胎只会提供建议。 仅通过 MCP，它会告知 Agent 可以执行哪些操作，但无法阻止忽略这些建议的 Agent。强制执行需要操作前钩子：Hermes、Claude Code、Cursor、pi 或 Pi Durable。
• 钩子只管控映射到的调用。 操作映射无法匹配的工具或命令，仍由主机自身的权限控制。
• 没有钩子时，批准仅有时限，而非只能使用一次。 由钩子负责消耗批准，因此仅通过 MCP 时，已批准的操作在过期前仍会保持允许状态。
• 授权不等于沙箱。 获准的操作会以 Agent 的全部权限运行。
• 只有使用 request_id 时，重试才安全。 不带该参数重试写入，可能导致重复记录。
• 你的口令就是安全边界。 任何拥有口令并能使用你终端的人，都可以确认经验并批准请求。Agent 永远不会收到口令；已遭入侵的机器不在保护范围内。
• 文件是私有的，但未经加密。 只有你的用户帐户能读取存储和设置。目前尚未内置静态数据加密。
• 预测不等于同意。 双胞胎会学习你的决策方式，但绝不会把对你回答的预测当作你的批准。

你的数据

• 所有内容都存放在 ~/.twinmeup 中（设置 TWINMEUP_HOME 可更改存储位置）。文件只有你能读取。
• twinmeup export twin.bundle.json 会写出一个可移植的数据包。留作评估用的答案会保持封存，除非你主动要求提供。
• twinmeup erase episode <id> --reason "..." 会删除一项决策，以及由此衍生的所有经验、交接内容和评估案例，并从审计日志中删去相关内容，同时保持哈希链有效。
• 双胞胎本身从不调用模型，也不会向任何地方发送数据。唯一的网络调用来自你选择配置的评估响应器。

研究

在编写代码之前，我们回顾了有关人的数字孪生、专业知识传递和 AI 辅助的主要研究。主要结果如下：

因此，数字孪生绝不会推断权限；学习需要你的确认；它会针对遗漏的理由提出后续问题；并且会通过基线进行测试，而不是凭感觉信任。完整的评述包含所有来源及其划定的监管边界（包括《欧盟 AI 法案》禁止在工作场所推断情绪），详见 docs/research.md。

命令参考

路线图

• 随着更多宿主支持钩子接口，为其添加执行钩子
• 为存储添加静态加密
• 支持签名包，以便在不同机器之间迁移数字孪生
• 为经验和审批提供一个小型本地审核应用
• 为 VS Code、Goose 和 Windows 提供经过验证的指南
• 让 Pi Durable 扩展脱离实验阶段，并为 pi 的编码工具提供经过验证的映射

欢迎关注进展，或在 issues 和 discussions 中认领任务。

贡献

非常欢迎各种贡献，从修正错别字到集成新的 Agent，皆可。 适合新手的议题 是个不错的起点；CONTRIBUTING.md 说明了如何设置、如何运行一条命令完成检查，以及评审流程。请按照 SECURITY.md 中的说明，私下报告安全问题。

致谢与许可

Twin Me Up 由 GitDakky 创建，并根据 Apache License 2.0 发布。如果你重新分发或基于它进行开发，许可证 要求你保留 NOTICE 文件，其中注明了原作者。用于 研究？GitHub 的“引用此存储库”按钮可为你生成现成的引用。

如果 Twin Me Up 对你有用，点个星标可以帮助其他人发现它。

基于 Model Context Protocol 构建。