# 在智能體記憶中保存有來源依據的 X 個人檔案研究
將來源事實與智能體的推測分開儲存，這樣就能在個人檔案資料變動時更新判斷。Actor 是在託管環境運行的資料收集程式。Task 是已儲存的輸入預設設定。Actor 負責收集來源資料列，分析則由你負責。公開 Task 只提供起始輸入，並不代表分析會自動執行。
X Profile Actor 的公開建置版本 1.0.4 只接受由已知公開個人檔案網址或帳號名稱組成的 `profiles` 陣列。它沒有用於探索帳號、帖文、歷史記錄、語言或 `maxItems` 的參數。
公開的已儲存 Task 預設設定包含範例個人檔案（`OpenAI`、`NASA`、`elonmusk`）。執行檢查前，請將整份 `profiles` 範例清單替換成你要檢查的單一目標個人檔案，不要直接以 `OpenAI` 作為範例執行。
原始資料列的欄位包括：`input`、`profileId`、`profileUrl`、`handle`、`displayName`、`biography`、`website`、`location`、`followersCount`、`profileMetricStatus`、`status`、`failureCategory`、`statusReason` 及 `observedAt`。
在一次以 OpenAI 個人檔案 ID 為目標的單一個人檔案對照執行中，檢查成功，取得了個人簡介、網站及確切的追蹤者數目，但沒有地點資料。執行輸出摘要報告如下：
- `inputCount`：1
- `datasetRows`：1
- `usefulRows`：1
- `billableRows`：1
- `failedRows`：0
- `statusCounts`：`{"ok": 1}`
- `stopReason`：`inputs_exhausted`
原始 `profileMetricStatus` 欄位是一個物件，將各項指標對應至 `exact` 或 `unavailable` 精確度值。這次對照執行只證明能夠擷取來源資料。它沒有執行記憶持久化儲存、帳號身分歷史追蹤、主題專業知識核實，或大型帳號名單的處理量分析。
## 管理個人檔案記憶的步驟
1. 先明確說明你的具體研究問題及研究個人檔案的目的，再選擇一個已知的公開個人檔案網址或帳號名稱。不要使用探索、歷史記錄或項目數量上限設定，因為個人檔案建置工具只接受指定的帳號名稱或網址。
2. 執行 Task 時，請在輸入中將整份已儲存的範例清單替換成你作為讀者要研究的單一目標個人檔案。使用 `{"profiles": ["https://x.com/YOUR_TARGET_PROFILE"]}` 這類明確的佔位內容，不要執行虛設範例。
3. 將原始資料列儲存為附有日期的事實觀察記錄。加入本地觀察記錄 ID、Actor 建置版本參照及收集結果。保留 profileId 和 observedAt 的原始值。
4. 建立獨立的判斷記錄，當中包含本地判斷 ID、你的問題、規則版本及證據參照。每項參照都指向一個觀察記錄 ID，以及 biography 之類的欄位路徑。
5. 只根據來源原文作出範圍有限的解讀。不要將追蹤者數目當作專業知識的證明。
6. 在下一個工作階段新增一筆原始觀察記錄，不要覆寫舊資料。比較事實前，先確認帳號身分相符。
7. 檢查每項判斷所依賴的資料。如果必要欄位有變，將該判斷標記為需要覆核。如果更新失敗，標記為無法取得最新佐證，不要複製舊文字。
8. 向下一個智能體工作階段提供一份精簡資料包，內含目前的事實、有依據的判斷及尚欠的資料。讓每項決定都能追溯至其來源欄位。
## 個人檔案追蹤的逐步示例
以下所有範例記錄均為原創虛構內容。
profileId 為 P100 的觀察記錄 O1 包含個人簡介「我開發 Python 資料工具」、網站 https://cedar.example, 來源狀態為 ok。根據規則 R1，判斷 J1 指出，所述個人簡介符合 Python 資料工具這個主題。其證據參照指向 O1 的 biography 欄位。其未知事項註明，尚未檢查實際帖文及專業知識。
第 2 次檢查時，觀察記錄 O2 的 profileId 相同，個人簡介為「我製作園藝影片」，網站也相同。J1 所依賴的 biography 欄位有變，因此我們將 J1 標記為需要覆核。修訂後的判斷 J2 根據規則 R1 指出，目前所述的個人簡介不符合該主題，並連結至 O2 的 biography 欄位。我們將 J1 保留為 O1 時點的歷史判斷。網站沒有改變，並不能維持一項依賴另一段文字的主題判斷。
第 3 次檢查時，來源更新失敗，無法取得個人簡介。我們儲存 O3 的實際失敗結果及時間，並標記為無法取得最新佐證。我們不會將 O2 的個人簡介複製到 O3，假裝那是當下觀察到的內容。判斷 J2 仍是過去有依據的解讀，並非最新發現。
以下 3 筆不可變更的觀察記錄及 2 筆依賴這些觀察的判斷記錄，均為原創虛構內容。
### 事實觀察記錄（不可變更的來源日誌）
| 觀察記錄 ID | 目標參照 | 原始 `profileId` | `observedAt` | 原始個人簡介／欄位 | 原始結果／狀態 |
| --- | --- | --- | --- | --- | --- |
| `O1` | `https://x.com/user_p100` | `P100` | `2026-10-10T10:00:00Z` | `biography`: "I build Python data tools."
`website`: "https://cedar.example" | `status`: "ok"
`failureCategory`: null |
| `O2` | `https://x.com/user_p100` | `P100` | `2026-10-11T10:00:00Z` | `biography`: "I make garden videos."
`website`: "https://cedar.example" | `status`: "ok"
`failureCategory`: null |
| `O3` | 目標參照：`P100` | `unknown` | `2026-10-12T10:00:00Z` | `biography`: `unknown`
`website`: `unknown` | `status`: "failed"
`failureCategory`: "rate_limit" |
*注意：在 `O3` 中，絕不會將 `P100` 的舊原始身分或個人簡介值複製到失敗的觀察記錄內。目標帳號名稱的參照會分開保存，原始欄位則保持為 `unknown`。*
### 依賴觀察記錄的判斷（智能體記憶記錄）
#### 判斷 `J1`（初次工作階段）
- 判斷 ID：`J1`
- 問題：這個個人檔案是否聲稱專注於 Python 資料工具？
- 決定：`stated_bio_fit = yes`
- 規則版本：`R1`
- 證據參照：`O1.biography`
- 狀態：`historical_at_O1`（原為 `supported`）
- 未知事項：尚未檢查實際帖文，也未核實主題專業知識。
- 覆核時間：`2026-10-10T10:05:00Z`
- 原因：根據 `O1.biography` 進行初次評估。
#### 判斷 `J2`（後續工作階段及更新失敗）
- 判斷 ID：`J2`
- 問題：這個個人檔案是否聲稱專注於 Python 資料工具？
- 決定：`current_stated_bio_fit = no`
- 規則版本：`R1`
- 證據參照：`O2.biography`
- 狀態：`fresh_support_unavailable`（由 `O2` 時的 `supported`，在 `O3` 失敗後轉為 `fresh_support_unavailable`）
- 未知事項：由於 `O3` 更新失敗，目前的個人檔案狀態未知。帖文仍未檢查。
- 覆核時間：`2026-10-12T10:01:00Z`
- 原因：`O2.biography` 的文字改為園藝影片，使 `J1` 失效，並產生 `J2`。`O3` 失敗後，便無法取得最新佐證；先前的佐證則保留為 `historical_at_O2`。`website` 欄位沒有改變，並不能為已變更的 `biography` 依賴項重新提供佐證。
## 下一步
使用 [Chronometrica X Profile Metrics Actor](https://apify.com/chronometrica/x-profile-metrics) 及 [X Profile Data API Dataset Task](https://apify.com/chronometrica/x-profile-metrics/examples/x-profile-data-api-dataset) 收集目前的個人檔案事實。儲存附有日期的觀察記錄，連同依賴該記錄的判斷一併保存，並加入明確的欄位參照。然後將包含目前佐證、歷史判斷及資料缺口的結構化資料包，交給下一個智能體工作階段。
## 來源與延伸閱讀
- [X Profile Data API Dataset](https://apify.com/chronometrica/x-profile-metrics/examples/x-profile-data-api-dataset)