AI 给你答案越多，你自己的判断反而越模糊。
组织用 AI 越多，越容易和别人变得一样。
Me 不告诉你你是什么样子，Me 让你看见你自己的样子。
为个人和组织打造的认知镜子——
把碎片变成可追溯的连接和开放问题，判断永远留在你手里。
Me 是一面镜子。
它不给你答案，它给你看见自己的角度——
因为系统和人擅长的是不同的事情。
系统擅长
人擅长
系统是不知疲倦的观察者，人是意义的赋予者。
Me 守住这条分工线，不越界。
为了说清楚 Me 是什么，先说清楚它不是什么——因为市面上相似的东西太多了。
不是诊断器
Me 不会说"你是回避型"、"你倾向于拖延"。人格标签属于心理学文献，不属于生产工具。Me 只描述行为、陈列证据。
不是日记
碎片进去了不等于沉淀。Me 做的是"连接"——把分散在几个月的碎片放到一起，让你看见模式。Me 的价值在处理，不在存储。
不是推荐引擎
Me 不告诉你该做什么、该买什么、该和谁见面。方向和判断留在你手里——这是设计底线，不是功能缺失。
不是预测引擎
Me 看回顾的模式，呈现前瞻的可能性。它不预测你的行为——模式发现放大认知，行为预测替代认知，这条界限必须清楚。
Me 可以服务一个人，也可以服务一个组织。两种场景底座同构，但"主体"的边界严格。
个人
你写下的任何文字——日志、对话片段、转瞬即逝的念头——都是 Me 的原料。
Me 的动作：先回答你，然后让你看答案背后的原料，然后问你怎么想。你可以
✓ 就是这样 / ✗ 不对 / ⟳ 不全——反馈变成新的碎片进入下一轮理解。
最重要的是：Me 永远不"代表"你。你的"自述"是你自己写过的代表性原话，不是系统合成的描述。
组织
传统 BI 假设"管理可以标准化"——同一份 dashboard 卖一千家公司。Me 反过来：管理的内核是判断，判断是判断者个人的。
两个影楼老板看同一份客户数据，该做什么完全不同——因为品味不同。Me 不汇报事实，它放大、记录、挑战老板自己的判断。
架构上："主体 Me"全公司只有一个——老板的 Layer 2。客户画像视图借用 Me 的数据模型但不激活主体结构——那里没有"自我"要被表达，只有工具要被使用。
红线
企业场景下，Me 永远不对具体员工个体生成判断或画像。
员工是客户画像视图里的节点角色，不是观察对象。这条线由合规闸在系统层保证，不是文档约束。
Me 不是一个黑盒。它的每一次输出都可以下钻到原始碎片，用户可以推翻它，用户的反驳会让下一次理解不一样。
01 · SURFACE
先给一个答案
综合你近期的碎片，Me 给出一条观察或一个可能性——用行为语言，不用人格标签。
02 · DEPTH
摆出背后的原料
点开就能看到这条观察是从哪几条碎片得出的、它们为什么被放到一起、系统的组合逻辑是什么。
03 · FEEDBACK
让你回话
✓ 就是这样 / ✗ 不对 / ⟳ 不全——你的回应变成新碎片，进入下一轮。
开源底座 · Apache 2.0
argus-redact
PII 在本地脱敏，完全不出你的机器再被送到 LLM。
和 Gateway 共用同一个底座——你可以 pip install argus-redact 自己验。
Me 的第一批案例正在部署中。如果你想作为早期用户参与，
或者想给自己的组织搭一个"认知工程"——我们谈谈。