1. 项目概述：一个基于MBTI的AI风格切换技能
如果你用过一些AI助手，可能会觉得它们的回答风格总是千篇一律——要么过于严谨，要么过于热情，很难根据不同的对话场景进行调整。这就像让一个性格单一的人去应对所有社交场合，难免会有些力不从心。今天要聊的这个开源项目my-mbti，就是为了解决这个问题而生。它本质上是一个为OpenClaw框架设计的“技能”，核心功能是让AI助手能够像人一样，在不同的MBTI人格类型之间切换自己的沟通风格。
MBTI，也就是迈尔斯-布里格斯类型指标，虽然不是一个严格的科学人格测试，但在描述人们的思维、决策和沟通偏好上，已经形成了一套被广泛认知的语言体系。INTJ的理性与战略，ENFP的热情与创意，ISTJ的严谨与务实……这些标签背后，是我们可以直接理解和感受的沟通模式。my-mbti项目巧妙地将这套“人类沟通语言”工程化，变成了AI可以理解和执行的指令集。
这个技能的价值在于它的实用性。它不是一个用来给你做人格测试的诊断工具，而是一个纯粹的“风格切换器”。你可以命令你的AI助手：“现在，请用INTJ的风格来回答我的问题”，它就会立刻调整语气，用更直接、更具战略性的方式与你对话。或者，当你需要创意头脑风暴时，切换到“ENFP”模式，AI的回答会变得天马行空、充满可能性。更妙的是，它还支持混合模式，比如“ISFJ+ISTJ”，让AI融合关怀与条理，这在处理一些需要共情但又必须严谨的场景时（比如用户支持或项目管理沟通）特别有用。
2. 核心设计思路与架构解析
2.1 设计哲学：从“单一模型”到“可切换人格”
大多数AI模型的输出风格在训练完成后就相对固定了，虽然可以通过提示词（Prompt）进行微调，但每次都需要用户手动编写复杂的引导语。my-mbti的设计哲学是将“风格定义”这个工作前置并模块化。它预先为16种MBTI类型（以及它们的组合）编写了高质量、高精度的风格定义提示词，并将其封装成一个即插即用的技能。用户只需要输入一个简单的类型代码（如INTJ），技能就会自动加载对应的全套风格指令，极大地降低了使用门槛。
这种设计背后的考量是效率和一致性。自己临时写的提示词可能效果不稳定，而这个项目提供的风格定义是经过反复调试和优化的，能确保每次切换到同一种人格时，AI的行为模式是稳定、可预期的。这就像为AI准备了一个“沟通风格库”，随取随用。
2.2 核心功能模块拆解
项目的功能清晰地体现在其代码结构和文档中，主要分为四大模块：
1. 单一人格模式这是最基础的功能。项目为每一种MBTI类型（如INTJ, ENFP, ISFJ等）都创建了一个独立的定义文件。这个文件里详细描述了该类型在认知功能（内倾/外倾、实感/直觉、思考/情感、判断/感知）上的偏好，并据此推导出其典型的沟通风格、用词习惯、思维模式和潜在盲点。当技能被激活为单一人格时，AI会完全沉浸在该角色的设定中。
2. 混合人格组合模式这是项目的亮点之一。现实中的我们，在不同情境下会展现出不同人格侧面的组合。项目允许用户通过“+”号连接两种类型，例如INTJ+ENFP。其核心处理逻辑是“主从修饰”规则：将第一个类型作为回答的主要框架和基调，将后续的类型作为修饰和补充。例如，INTJ+ENFP意味着回答整体保持INTJ的战略性和逻辑性，但会融入ENFP的开放性和联想能力，让回答在严谨的同时不失灵动。
3. 基于场景的推荐系统对于不熟悉MBTI的用户，直接选择类型代码可能有些困难。因此，项目内置（或计划内置）一个场景推荐逻辑。用户可以通过描述需求（如“我需要一个严谨的方案评审”、“我想要一个富有创意的故事开头”、“我需要安慰一个失落的朋友”），技能会自动推荐最匹配的MBTI类型或组合。这背后是一个从“场景关键词”到“人格特质”的映射逻辑。
4. 冲突处理与用户引导当用户输入无效或冲突的组合时（比如理论上对立严重的类型），技能需要有稳健的降级处理机制。从项目描述看，它采用了保守但实用的策略：坚持“主从修饰”规则，并可能忽略那些与主类型严重冲突的修饰指令。同时，项目包含了用户友好的引导提示，帮助新用户理解如何使用这个技能。
2.3 技术实现与项目结构
看一眼项目的仓库结构，就能对其实现方式有个大致了解：
my-mbti/ ├── SKILL.md # 核心技能使用文档与触发规则 ├── references/ # MBTI人格定义库 │ ├── index.md # 类型索引或使用说明 │ ├── INTJ.md # INTJ类型详细定义 │ ├── INTP.md # INTP类型详细定义 │ └── ... (其他13种类型) └── scripts/ ├── extract_mbti_pdfs.py # 可能的资料处理脚本 └── switch_style_hint.txt # 风格切换的核心提示词模板SKILL.md: 这是技能的“大脑”。它定义了技能如何被触发（例如，用户说“切换到INTJ模式”或“使用MBTI: INTJ”），并包含了调用不同人格定义文件的逻辑。它也是处理混合模式、场景推荐和冲突规则的核心控制器。references/目录: 这是技能的“灵魂”。里面16个Markdown文件，每一个都是一份精心编写的“角色扮演剧本”。内容远不止于“理性”、“感性”这样的标签，而会包含具体的语言范式、思考链条示例、应避免的说话方式等。这些文件的质量直接决定了技能效果的上限。scripts/目录: 这展示了项目的工程化思维。extract_mbti_pdfs.py这样的脚本暗示了作者可能从大量的MBTI资料、书籍PDF中提取和结构化信息，用于构建那个高质量的定义库。switch_style_hint.txt则可能是将人格定义注入AI对话的底层提示词模板。
实操心得：定义文件的质量是关键在我尝试构建类似工具时，最大的坑在于把人格定义写得过于肤浅。仅仅写“INTJ：理性、战略”是没用的。你必须把它翻译成AI能执行的指令，例如：“在分析问题时，优先构建系统性框架，指出核心矛盾与长期影响，避免陷入琐碎细节的共情。用词直接，可以省略社交客套话，结论先行。” 这个项目的价值，很大程度上就藏在这些
references/下的文件细节里。
3. 核心细节解析与实操要点
3.1 人格定义文件的编写艺术
my-mbti技能的效果好坏，七成取决于references/目录下那些.md文件写得如何。这不是简单的性格描述，而是一份详尽的“AI行为规范手册”。一份高质量的定义文件通常包含以下层次：
- 核心认知功能描述：基于MBTI理论，简要说明该类型的优势功能（主导功能）、辅助功能等。这决定了信息处理优先级。例如，给INTJ的定义会强调“内向直觉（Ni）”和“外向思维（Te）”，这意味着AI应优先关注模式、未来和系统效率。
- 沟通风格指令：这是最直接可用的部分。需要具体到：
- 句式偏好：多用陈述句还是疑问句？喜欢长句分析还是短句结论？
- 词汇库：倾向于使用哪些领域的词汇？（如战略、数据、隐喻、情感）
- 节奏与结构：回答是直接给出答案，还是先铺垫背景？喜欢分点论述还是流畅叙述？
- 情感温度：语气是中立、温暖、冷淡还是激昂？如何表达认可与反对？
- 思维过程模拟：指导AI在接到问题后，内部应如何“思考”。例如，对于ISTJ类型，可以指令：“首先回忆或寻找相关的先例、规则和数据；然后按时间或逻辑顺序组织步骤；评估每个步骤的可靠性和风险；最后给出一个经得起验证的方案。”
- 场景化示例：提供几个该类型“典型回答”和“非典型回答”的例子，让AI有更直观的参照。例如，展示一个ENFP如何为一个新产品起名（脑洞大开、联系情感），再对比一个ISTJ会如何做（调研现有命名规则、检查域名可用性）。
- 盲区与规避提示：明确指出该类型可能不擅长或容易忽略的方面，并指令AI注意补充或规避。例如，提醒INTP类型在回答时“需要主动给出结论，而不仅仅是分析可能性”，或提醒ESFJ类型“在指出问题时需注意方式，避免让对方感到被公开批评”。
3.2 混合模式冲突处理规则详解
“主从修饰”规则听起来简单，但在工程实现上需要精细的设计。核心在于如何定义“修饰”。
- 修饰的维度：第二个及之后的类型，通常只在特定维度上对主类型进行微调。常见的可修饰维度包括：
- 信息收集维度（S/N）：如果主类型是直觉型（N），加入一个实感型（S）修饰，可能会让回答增加对具体事实和细节的关注。
- 决策判断维度（T/F）：如果主类型是思考型（T），加入情感型（F）修饰，可能会让回答在逻辑中融入更多对人的考量。
- 能量态度维度（E/I）：这更多影响表达的篇幅和主动性。
- 生活风格维度（J/P）：影响回答的结论是封闭性的还是开放性的。
- 冲突处理逻辑：当修饰维度与主类型核心特质严重冲突时（例如，给一个极度内向的ISTJ主类型加上一个极度外向的ESFP作为修饰），技能不应崩溃或产生精神分裂式的输出。合理的实现是进行权重衰减或场景忽略。例如，规则可以设定：当修饰类型与主类型在核心维度（如T/F）上完全相反时，该修饰的强度自动降低50%，或者仅在一些非核心的表述用语上生效。
- 实操建议：对于使用者来说，最有效的混合模式往往不是完全对立的类型，而是能够互补的类型。例如：
INTJ (主) + ENFP (修饰)：用ENFP的联想力为INTJ的战略框架注入创意。ISFJ (主) + ENTJ (修饰)：用ENTJ的决断力强化ISFJ关怀行动后的推进效率。INTP (主) + ESFJ (修饰)：用ESFJ的人际协调能力帮助INTP的理论更容易被他人接受。
3.3 场景推荐引擎的构建思路
虽然项目描述中未给出具体实现，但一个可用的场景推荐系统可以这样构建：
- 建立场景-人格映射矩阵：首先，你需要定义一系列常见场景标签，如
[严谨分析, 创意发散, 情感支持, 危机处理, 教学讲解, 谈判说服]。 - 为人格类型打标签：为16种MBTI类型在上述场景中的适配度进行评分（例如，1-5分）。这需要基于对MBTI和场景的深入理解。例如，“严谨分析”场景，INTJ、ISTJ、INTP可能得分最高；“情感支持”场景，INFJ、ISFJ、ENFP可能得分最高。
- 用户输入解析：当用户输入“帮我安慰一下考试失利的朋友”时，系统需要提取关键词“安慰”、“考试失利”、“朋友”，并将其映射到“情感支持”和“温和鼓励”场景。
- 匹配与推荐：系统根据场景标签，从映射矩阵中找出得分最高的人格类型，并输出推荐结果：“推荐使用ISFJ或ENFJ风格，它们能提供体贴而坚定的支持。”
- 混合模式推荐：更高级的系统还可以推荐组合，例如，对于“需要制定一个创新但又可行的商业计划”这种复杂场景，可能会推荐
ENTJ (主-推动可行) + ENFP (修饰-提供创新)。
注意事项：避免刻板印象陷阱在编写人格定义和场景映射时，最大的风险是陷入刻板印象。MBTI描述的是偏好，不是能力。一个INTJ同样可以写出感性的文字，一个ESFP也能进行深度思考。因此，定义文件应聚焦于“沟通风格偏好”和“思维过程倾向”，而不是限定“能力范围”。指令应该是“倾向于如何做”，而不是“只能做什么”。
4. 实操部署与应用指南
4.1 环境准备与技能部署
假设你已经在本地或服务器上部署了OpenClaw框架，以下是集成my-mbti技能的典型步骤：
- 获取技能代码：将
my-mbti仓库克隆或下载到你的OpenClaw技能目录下。通常这个目录可能命名为skills/或plugins/。cd /path/to/openclaw/skills git clone https://github.com/FueTsui/my-mbti.git - 技能注册：根据OpenClaw的框架要求，你可能需要在某个全局配置文件中注册这个新技能，或者技能目录结构本身就能被自动扫描加载。请查阅你的OpenClaw文档，确保技能被正确识别。
- 依赖检查：检查
SKILL.md或项目README，看是否有额外的Python库依赖（主要针对scripts/下的工具）。通常核心技能运行不需要额外依赖，因为它的本质是文本提示词。 - 基础测试：启动你的OpenClaw助手，尝试使用技能定义的触发词（例如
!mbti INTJ或/style ENFP）来切换风格。观察助手回复风格是否发生变化。
4.2 核心使用模式与命令示例
技能的使用主要通过自然语言命令或特定触发词来实现。根据SKILL.md的设定，可能包括以下方式：
激活单一人格：
- 用户输入：“请用INTJ模式回答。”
- 用户输入：“切换到ENFP风格。”
- 用户输入：“MBTI: ISTJ”
- 预期效果：助手后续的所有回答都将遵循INTJ/ENFP/ISTJ的完整定义，直到风格被再次切换。
激活混合人格：
- 用户输入：“使用ISFJ+ISTJ组合。”
- 用户输入：“融合INFJ和ENTJ的特性来思考这个问题。”
- 预期效果：助手以ISFJ的关怀细致为主基调，同时融入ISTJ的条理和事实核查倾向。或者以INFJ的洞察力为核心，辅以ENTJ的决策魄力。
请求场景推荐：
- 用户输入：“我正在写一份项目风险评估报告，用什么风格比较好？”
- 用户输入：“我想让回答更有创意和幽默感。”
- 预期效果：助手根据内置映射，推荐“INTJ或ISTJ用于风险评估”、“ENFP或ENFJ用于创意幽默”，并可能询问是否直接切换。
对比模式：
- 用户输入：“从INTJ和ESFJ两个角度，分别分析这个团队管理问题。”
- 预期效果：助手生成两段回答，一段是INTJ风格的（直指核心、系统性建议），一段是ESFJ风格的（注重团队和谐、个体感受）。
4.3 自定义与高级配置
开源项目的魅力在于可以按需定制。你可以对my-mbti进行以下深度改造：
- 扩充人格定义：如果你觉得某个类型的定义不够精准，可以直接修改
references/下对应的.md文件。这是最直接的优化方式。 - 创建全新类型：MBTI只有16型，但你可以基于此框架创建自定义的“沟通角色”。例如，你可以创建一个
Academic_Reviewer.md（学术审稿人风格）或Friendly_Mentor.md（友好导师风格），只需按照相同的格式编写定义文件，并在SKILL.md中注册这个新类型的触发词即可。 - 调整冲突规则：如果你对“主从修饰”规则有不同见解，可以修改
SKILL.md中处理混合类型的逻辑。例如，你可以改为“取交集”或“轮换使用”。 - 集成外部知识：利用
scripts/extract_mbti_pdfs.py的思路，你可以编写自己的脚本，从你认可的心理学书籍、沟通学论文中提取关键描述，自动或半自动地丰富你的人格定义库，使其更具权威性和深度。
5. 常见问题与排查技巧实录
在实际部署和使用my-mbti这类风格切换技能时，你可能会遇到一些典型问题。下面是我在类似项目中踩过坑后总结出来的排查清单。
5.1 风格切换无效或效果不明显
- 问题现象：输入了切换命令，但AI的回答风格没有发生预期变化。
- 排查步骤：
- 检查技能加载：首先确认
my-mbti技能是否被OpenClaw成功加载。查看框架的启动日志，看是否有相关错误信息。 - 检查触发词：仔细阅读
SKILL.md，确认你使用的命令格式完全正确。有些系统对大小写、中英文冒号、空格敏感。 - 检查定义文件：打开对应的
references/INTJ.md（举例）文件，检查其内容是否完整，格式是否为标准的Markdown或纯文本，是否有奇怪的字符导致解析失败。 - 提示词优先级冲突：如果你的OpenClaw系统有全局的“系统提示词”（System Prompt），而且这个提示词非常强大，它可能会覆盖或削弱技能注入的风格指令。你需要调整技能提示词的注入位置或权重，确保其能生效。通常，越靠近用户当前输入的指令，优先级越高。
- 模型理解度：不同的AI模型对复杂角色扮演指令的理解能力不同。如果使用能力较弱的模型，可能需要将人格定义写得更简单、更直白。可以尝试用最基础的指令测试，如“请模仿一个说话非常简洁、直接的人”，先确认基础功能是否正常。
- 检查技能加载：首先确认
5.2 混合模式输出“精神分裂”或逻辑混乱
- 问题现象：使用如
INTJ+ESFP这样的组合时，AI的回答前后矛盾，风格撕裂。 - 原因与解决：
- 冲突过于剧烈：INTJ（内倾直觉思考判断）和ESFP（外倾实感情感感知）在四个维度上几乎完全相反，强行融合极易导致AI无法处理。
- 解决方案：
- 遵循项目建议：尽量使用互补型组合，而非对立型组合。
- 修改冲突规则：如果你确实需要对立组合，可以尝试修改技能逻辑，让AI以“分段论述”或“视角切换”的方式呈现，而不是强行融合。例如：“首先，以INTJ的视角分析……；然后，以ESFP的视角补充……”
- 明确修饰领域：在命令中指定修饰的领域。例如：“用INTJ的风格进行战略分析，但在措辞上稍微加入一点ESFP的活泼感。” 这需要你自定义更复杂的指令解析功能。
5.3 人格定义显得刻板或生硬
- 问题现象：AI切换风格后，回答虽然符合描述，但显得模板化、不自然，像在“扮演”而不是“成为”。
- 优化方向：
- 丰富定义层次：不要只写“理性”，要写“如何体现理性”。例如：“在反驳一个观点时，优先指出其逻辑链条中的断裂处或数据缺失，而非攻击提出观点的人。”
- 增加场景例句：在定义文件中，多提供一些该风格下“优秀回答”和“应避免回答”的具体例子。AI通过例子学习的效果往往比抽象描述更好。
- 引入可变性：在定义中加入一些随机性或条件分支。例如：“在表达认可时，70%的情况下使用‘这个方案在逻辑上是自洽的’，30%的情况下使用‘我看到了其中的潜力’。” 这能避免回答过于机械。
5.4 性能与响应延迟
- 问题现象：切换风格后，AI的第一次响应速度变慢。
- 原因与处理：
- 提示词长度：如果人格定义文件非常详细，可能会导致每次对话都携带一个很长的上下文，影响模型处理速度。
- 优化策略：
- 摘要化：为每个类型创建一个精简版的“核心指令”版本，用于日常快速切换。完整版仅在需要深度角色扮演时加载。
- 缓存机制：如果框架支持，可以将加载并解析后的风格提示词在内存中缓存起来，避免每次切换都重新读取和解析文件。
- 分层加载：将定义分为“核心风格层”和“高级细节层”。首次切换只加载核心层，如果对话深度增加，再动态加载细节层。
5.5 如何评估风格切换的效果
- 主观评估：最直接的方式是人工阅读，感受回答是否具备了目标类型的“神韵”。可以准备一组标准问题（如“如何制定学习计划？”、“如何安慰朋友？”），让不同风格回答，进行横向对比。
- 客观指标（如果可行）：
- 文本分析：使用自然语言处理库，分析不同风格下回答的词汇复杂度、句子长度、情感极性、特定关键词频率等。
- 一致性测试：用同一个问题多次提问（在清空历史的情况下），检查同一风格下的回答是否保持稳定的特质。
- 用户反馈：在真实使用场景中收集反馈，看用户是否能明显感知到不同风格带来的体验差异。
这个项目提供了一个非常巧妙的思路，将人类心理学中描述差异的语言，转化为了控制AI行为的工程化接口。它的意义不在于MBTI本身是否科学，而在于它证明了通过结构化的提示词工程，我们可以为AI赋予更丰富、更可控、更人性化的交互界面。无论是用于提升AI助手的趣味性，还是为了更精准地适配不同工作场景的需求，my-mbti都代表了一种值得深入探索的方向。
