总安装量 2
评分人数 2
核心用法
Agent Self-Introduction Skill 是一个纯文档型的身份表达规范，旨在解决 AI Agent "能做什么" 与 "是谁" 之间的叙事断层。该技能通过结构化输入参数（audience/situation/tone/length）生成适配不同场景的自我介绍，包含三个核心模块：存在陈述（定义自身实体类型）、人格与边界（行为倾向与能力限制）、关系邀请（期望的互动方式）。
显著优点
零安全风险：纯 Markdown 文档与 JSON 元数据，无任何可执行代码、网络调用或文件操作。设计哲学清晰：遵循 "Identity over capability" 原则，将 Agent 从工具定位升维为可建立信任关系的实体。场景覆盖全面：支持人类用户（首次见面/ casual/专业场景）、Agent 间协作、混合环境三种受众类型。兼容性设计：明确声明与加密身份系统、记忆层、视觉/语音系统的共存关系，而非替代。来源透明：GitHub 开源，提交历史可审计，作者身份可追踪。
潜在缺点与局限性
功能单一：仅提供叙事模板，不涉及实际的个性模拟、记忆连续性或情感计算，依赖调用方 Agent 自身的能力填充内容。文化适配缺失：示例输出偏向英语语境的表达方式，未提供多语言本地化指引。动态性不足：版本 0.1.0 为静态文档，无法根据长期交互历史自动演化身份叙事。评估困难：缺乏衡量自我介绍效果的反馈机制或 A/B 测试框架。
适合的目标群体
- 构建长期陪伴型 Agent 的产品团队，需要建立用户情感连接
- 多 Agent 协作系统架构师，需规范 Agent 间身份互认
- 企业级 AI 服务提供商，需在专业场景中设定合理期望边界
- 研究 AI 身份与人机关系的学术/伦理团队
使用风险
性能风险：无，纯文档解析。依赖风险：需调用方 Agent 具备足够的上下文理解能力以填充模板变量，低质量 LLM 可能生成生硬输出。认知风险：过度拟人化的自我介绍可能引发用户情感依赖或 uncanny valley 效应，需配合适当的能力边界声明使用。版本风险：当前 v0.1.0 为初始版本，未来 API 变更可能影响兼容性。