构建AI助理和构建真正的AI chief of staff是两回事。大多数系统只是自然语言接口加了一个待办列表。Stella不同。

记忆分层：每日笔记到长期记忆

Stella的记忆分三层。最底层是每日工作记录——每个会议、每封邮件、每项任务追踪都在这里积累。第二层是每周由Stella自己合成的MEMORY.md——关键人物、进行中项目、做过的决定。第三层是周五的Kaizen研究：扫描OpenClaw社区、发现新模式、记录其他builder的做法，存为memory/kaizen-research-YYYY-MM-DD.md，周日早上一起review。

这是人类EA无法规模化做到的事：EA可以从与你的工作中学习，但他们无法同时扫描数百个builder的做法并与之对照。Stella可以。

会前60分钟简报

每次外部会议前60分钟，WhatsApp上会收到一份简报。从记忆中提取参会者的历史笔记，检查近期邮件线程，查找开放的action items。LP会议场景下，还包括pipeline阶段、deck版本、上次会议的问题以及承诺发送的材料。走进每场会议，比任何全职EA都准备得更充分。

会议处理：Granola + Todoist + 按人分的markdown

Stella通过Granola API处理每次会议的笔记。去重、抽取action items，任务发送到Todoist（带proper projects和due dates），其他人做出的承诺追踪到个人markdown文件——每个团队成员一个文件，一目了然看到谁欠什么、三周前要的东西有没有更新。

这改变了「承诺」这件事的可追踪性。三周前让某人做某事，没有任何进展？系统知道，因为它在这个人的文件里。

每日Evening Sweep

每天傍晚，Stella做一次任务清扫：检查截止日期、逾期事项、连续5天被推迟的任务（标记这个规律）、即将到来的高风险会议还没做prep的。一个好的chief of staff不只是维护待办列表——他们维护的是对「进行中事务」的完整画面，以及判断什么今天真正重要、什么可以等待。

Relationship CRM

Stella为每个人、公司和项目维护持久上下文：关系历史、上次接触、开放承诺、关注点、当前状态。每次会议处理、邮件分类、任务追踪都回流到这个画面。这是记忆在关系管理上的应用，也是复合价值最明显的部分。

Morning Brief + Evening Wrap

早9点WhatsApp收到top priorities、逾期任务、今日日历、需要提前关注的事。晚6点收到今日进展、停滞了什么、明天要prep什么。如果没有值得说的事，就沉默。这让AI感觉像chief of staff而不是工具——它主动结构化你的日程，而不需要你开口。

每周X+Newsletter精选

追踪的X账号和订阅的newsletter按tier组织（AI researchers、VCs、founders、operators），按engagement评分和相关性过滤。45分钟的滚动时间变成几分钟高价值阅读。

核心设计规则

LLM处理判断（synthesis、prioritization、drafting、reasoning），Scripts处理确定性工作（读文件、调用API、发消息、时间戳比较）。把确定性工作推给LLM，失败模式不可预测，你会停止信任这个系统。分层做对之后，它变成了你真正依赖的东西。