三个CSV文件，一个AI私人助理：我的数字生活操作系统
从"普通话"到"母语"
上一篇《AI 时代新 Office 三件套》发出去之后，有读者留言：「道理都懂，但 Markdown、CSV、HTML 到底能拿来干什么？总不能真用 CSV 管客户吧？」
说实话，这个问题我没法用理论回答。因为我已经用这套方案跑了快一个月了。
而且跑出来的东西，比我预期的要好玩得多。
一个反直觉的发现
先说结论：
我用三个 CSV 文件，搭建了一个能管通讯录、记备忘录、发生日提醒的 AI 私人助理。
没有数据库。没有后端服务。没有 API 接口。
三个 CSV 文件，一个 AI Agent，跑在一台 VPS 上。
它叫「艾迪」（Aide）。
你给它发一条微信：「记一下，5月6日交季度报告，5号晚上提醒我。」
它会在备忘录 CSV 里新增一行，然后在提醒 CSV 里自动创建一条定时任务。到时间了，微信推送提醒你。
你再说一句：「张传乐电话多少？」
它从通讯录 CSV 里查到：18961366292，关系是 family，标签是「游泳、阅读」，QQ 号 32373296，现居连云港。
全部响应时间不到 3 秒。
听起来像个小型 CRM？没错。但它的底层架构，简单到任何一个懂 CSV 的人都能复现。
为什么是 CSV？
上一篇我们聊过，CSV 是 AI 时代的表格普通话。但「普通话」这个词还不够准确。
在我的实践中，CSV 更像是 AI 私人助理的母语。
原因有三层。
第一层：AI 不需要「解析」CSV，它天生就「懂」
你让 LLM 读一个 Excel 文件，它需要调用代码解释器、加载 pandas、处理各种格式噪声。但如果是 CSV？它直接就能「看」。
因为 CSV 的本质就是纯文本。第一行是列名，下面每行是一条记录。AI 读 CSV 的方式，跟读一段自然语言描述几乎没有区别：
id,name,phones,relationship,birthday
9a36391f,张传乐,18961366292,family,1985-05-01这段文字，人一眼就能看懂。AI 也一样。不需要任何额外的解析层。
这就是为什么 GPT、Claude 处理 CSV 的准确率远高于 Excel——不是因为 AI 更聪明，而是因为 CSV 的语义边界太清晰了。每一行是一条记录，每一列是一个字段。没有合并单元格，没有跨表引用，没有隐藏行。
AI 不需要猜你的意图。
第二层：CSV 能表达复杂关系，但保持简单
你可能会说：CSV 不就是个二维表吗？能有多复杂？
确实只是二维表。但二维表加上两个技巧，就能表达相当复杂的关系网络。
技巧一：JSON 嵌套。
CSV 的每个单元格可以存 JSON。比如我的通讯录里，一个人的电话不是简单的一个字符串，而是一个 JSON 数组：
[{"type":"mobile","number":"18961366292","country":"+86"},
{"type":"home","number":"18061384334","country":"+86"}]一个单元格里，类型、号码、国家码全有了。AI 用 json.loads() 一行代码就能解析。
技巧二：ID 关联。
我的系统有三个 CSV 文件：通讯录、备忘录、提醒。它们之间通过 ID 互相引用。
比如备忘录里有一条：
id: 234fa8ee
title: 张蒙心情不好
related_contacts: ["333dddc3"]这个 333dddc3 就是通讯录里「张蒙」那条记录的 ID。AI 看到这条备忘录，就能顺着 ID 去通讯录里找到张蒙的完整信息——电话、关系、标签、备注。
三个 CSV 文件，通过 ID 联在一起，就是一个关系型数据库。
不需要 PostgreSQL，不需要 MongoDB。CSV + AI，就够了。
第三层：数据主权，真正在你手里
这一点可能最重要。
你用微信通讯录，数据在腾讯手里。用 iCloud 备忘录，数据在苹果手里。用任何 SaaS 服务，数据都在别人手里。
但 CSV 文件在你自己的服务器上。
你可以用任何表格软件打开它——Excel、Google Sheets、甚至记事本。你可以随时导出、备份、迁移。没有任何厂商锁定。
每次修改数据之前，系统会自动生成 .bak 备份文件。随时可以回滚。
你不是在「使用」一个服务。你在「拥有」一份数据。
艾迪的架构：三个文件，一个系统
让我完整展示一下这套系统的样子。
文件一：通讯录 my_contacts.csv（15 列）
| 列名 | 说明 |
|---|---|
| id | 8位唯一标识 |
| name | 姓名 |
| nickname | 常用称呼 |
| phones | JSON 数组，存多个电话 |
| emails | JSON 数组，存多个邮箱 |
| organization | 公司/单位 |
| title | 职位 |
| relationship | family / friend / colleague / acquaintance |
| tags | 自定义标签，逗号分隔 |
| notes | 备注（相识背景、爱好等） |
| birthday | 公历生日 |
| lunar_birthday | 农历生日 |
| last_contact | 最近联系日期 |
| created_at / updated_at | 时间戳 |
目前存了 100 多个联系人。家人、同事、朋友、饭局认识的，全部在里面。关系标签标注了亲疏远近，notes 里记录了「4月17日一起喝酒」「游泳认识，自由泳高手」这样的碎片信息。
这些信息，微信通讯录里是没有的。但它们恰恰是维护人际关系时最有价值的上下文。
文件二：备忘录 my_memos.csv（13 列）
| 列名 | 说明 |
|---|---|
| id | 唯一标识 |
| title | 标题 |
| content | 内容 |
| category | note / todo / idea / draft |
| tags | 标签 |
| priority | 1（高）/ 2（中）/ 3（低） |
| status | active / completed / archived |
| due_date | 截止日期 |
| remind_at | 提醒时间 |
| location | 地点 |
| related_contacts | JSON 数组，关联联系人 ID |
| created_at / updated_at | 时间戳 |
备忘录不只是「记东西」。它有分类、有优先级、有状态流转。更重要的是，它可以关联联系人——你记了一条「张蒙心情不好，有空问候一下」，AI 知道张蒙是谁、电话多少、上次什么时候联系的。
文件三：提醒 reminders.csv（11 列）
| 列名 | 说明 |
|---|---|
| id | 唯一标识 |
| title | 提醒标题 |
| source | contact / memo / manual |
| source_id | 关联的源 ID |
| remind_at | 提醒时间（UTC） |
| repeat | once / yearly |
| message | 提醒内容 |
| channel | weixin |
| enabled | 1 / 0 |
| created_at / updated_at | 时间戳 |
这是整个系统的调度引擎。不存具体信息，只存「什么时候提醒谁」。
三种来源：
- contact → 生日提醒（年度重复，支持农历转换）
- memo → 待办提醒（到期前一天自动提醒）
- manual → 手动添加的提醒
当你说「5月6日交季度报告，5号晚上提醒我」，AI 会在备忘录里创建一条 todo，然后在提醒表里创建一条 source=memo 的定时任务。到 5 月 5 日晚上 8 点，微信推送到达。
联动关系
通讯录 ──→ 生日数据 ──→ 提醒（年度重复）
备忘录 ──→ 待办截止 ──→ 提醒（单次）
通讯录 ←── related_contacts ──→ 备忘录
提醒 ←── source/source_id 回溯 ──→ 通讯录 & 备忘录三个 CSV 文件，通过 ID 和字段约定，形成了一个完整的关系网络。
AI Agent 做了什么？
你可能会问：那 AI Agent 在这个系统里到底扮演什么角色？
答案是：自然语言编译器。
没有 AI Agent，这三个 CSV 文件就是一堆静态数据。你需要打开 Excel 手动增删改查。
有了 AI Agent，你只需要说人话：
| 你说 | AI 做的事 |
|---|---|
| 「记一下今天在南站咖啡店见了张蒙」 | 新增备忘录，自动关联张蒙的 ID |
| 「孩子舅舅生日是哪天」 | 查通讯录，返回农历生日并换算公历 |
| 「帮我看看最近有什么要做的」 | 查备忘录（status=active）+ 即将到期的提醒 |
| 「查一下跟张蒙有关的事」 | 按 related_contacts 交叉查询所有关联备忘录 |
| 「加上姜厚茂的电话」 | 在通讯录新增一行，JSON 序列化电话号码 |
AI Agent 把自然语言编译成了对 CSV 文件的精确操作。
它不是简单的「关键词匹配」。它需要理解：
- 「孩子舅舅」→ 去通讯录找 relationship=family 且备注含「小孩舅舅」的人 → 李佳玉
- 「最近要做的」→ 查 category=todo 且 status=active 的记录，按 due_date 排序
- 「跟张蒙有关的事」→ 先找张蒙的 ID，再查 related_contacts 包含该 ID 的所有备忘录
这是一个完整的语义理解 → 数据查询 → 结果组织的 pipeline。而 CSV 恰好是这个 pipeline 最理想的数据层。
一个具体的例子
4月26日早上，我在去常州的高铁上，给艾迪发了一条：
「天目湖状元阁，为儿子中考祈福。2026年4月26日，爸爸专程游览天目湖湖山丽景区状元阁，愿张晋涵今年中考金榜题名！」
艾迪做了什么：
- 理解意图：这是一条 note 类型的备忘录，优先级高（family 相关），地点是天目湖湖山丽景区·状元阁
- 关联联系人：从通讯录中找到「张晋涵」（relationship=family，儿子），提取其 ID
7be829c2写入related_contacts - 写入 CSV：在
my_memos.csv新增一行 - 确认回复：「已记录。已关联张晋涵（儿子）。」
整个过程不到 5 秒。
如果不用 AI 助理，我需要：
- 打开手机备忘录 App
- 手动输入文字
- 打开通讯录找到儿子
- 心里记住这件事
但有了 AI 助理，这条记录被永久保存了，而且可查询、可关联、可扩展。以后我随时可以问「关于晋涵的事」，这条记录就会出现。
这就是「数据主权」的意义——不是把数据存下来，而是让数据为你所用。
成本是多少？
零。
- CSV 文件：免费
- AI Agent（Hermes）：开源框架，跑在自己的 VPS 上
- 微信推送：微信公众号 API（已有）
- 农历转换：Python
lunardate库（开源）
唯一的成本是你愿意花 30 分钟理解这套系统的架构。
但理解了之后，你可以：
- 任意扩展字段（加个「微信昵称」列？一行的事）
- 任意迁移数据（拷走 CSV 文件就行）
- 任意编写脚本分析数据（Python 三行代码就能统计你的社交网络）
- 任意对接新渠道（邮件提醒？短信提醒？加个 channel 字段就行）
没有厂商锁定，没有订阅费用，没有数据导出限制。
回到「普通话」
上一篇我说，CSV 是 AI 时代的表格普通话。
现在我更精确地说：CSV 是 AI 私人助理的母语。
普通话的意思是——你用它说话，别人能听懂。但母语的意思是——它本身就是思考的方式。
AI 不是「能处理」CSV。AI 是用 CSV 思考。
当你把通讯录、备忘录、提醒表都写成 CSV 的时候，你实际上是在用 AI 最擅长的方式组织你的世界。AI 读 CSV 的开销，远低于读任何其他格式。它不需要解析器，不需要 ORM，不需要任何中间层。
这就是为什么三个 CSV 文件就能跑起来一个完整的私人助理系统。
不是因为系统太简单。是因为 CSV + AI 这个组合，恰好踩在了效率的拐点上。
你能做什么？
如果你被这篇文章打动了，不需要装任何软件，不需要学任何框架。
你只需要：
- 在电脑上建三个 CSV 文件——通讯录、备忘录、提醒
- 定义好列名——参照我上面的 Schema
- 把你的数据填进去——哪怕只有 10 个联系人、5 条备忘录
- 接一个 AI Agent——Hermes、Claude、GPT，都行
然后你就可以开始说人话了。
「老婆生日快到了吗？」 「上周见的客户叫什么来着？」 「明天有什么事？」
三个 CSV 文件，一个 AI，你的数字生活操作系统，就这么跑起来了。
不是未来。是现在。
本文系统基于 Hermes Agent 框架 + CSV 数据层构建，所有代码开源，数据完全本地化。如需复现，可参考文中提供的 Schema 设计。