核心用法
social-persona-profiling 是一套面向社交痕迹的人格侧写与关系分析方法论，适用于从微信、WhatsApp、Instagram、LinkedIn、Telegram、X 等平台的头像、背景、昵称、可见性设置、聊天记录、分享内容等碎片信息中，推断人物的心理特征与关系状态。使用时，用户需提供可观察的社交痕迹素材，系统将依次执行：数据清点与分类（区分客观事实/用户转述/自述标签）、调节变量前置校准（年龄、文化背景、人格基线、数字原住民世代）、三层人格结构解析（公众 persona/私人自我/自我认知）、逐项置信度分级（高-客观事实/中-行为推断/低-工作假设）、关系事件归因（如适用）、关键偏误自检、整合性心理表述定稿，以及基于场景的行动指导。
显著优点
该技能的最大优势在于其方法论自律。首先，强制要求三层置信度分级，将"客观事实"与"理论建构"严格区分，避免把推测包装成结论。其次，前置调节变量机制（年龄、文化、平台、人格基线）有效拦截了最常见的误读——将文化常态或个人基线行为误判为个性信号。第三，投射对称性检查与巴纳姆效应过滤器主动对抗分析师自身的投射偏差和模糊表述陷阱。第四，整合了经科学验证的心理学工具箱（大五人格、Goffman 自我呈现、Higgins 自我差异、Vaillant 防御机制等），并按证据等级排序使用。最后，场景化行动指导模块将分析转化为"现在该做什么"的可操作建议，而非止步于描述。
潜在缺点与局限性
证据天花板明确：技能文档坦率承认，社交痕迹与人格的学术相关性仅为弱相关（r .1–.3），无法替代长期多情境样本或标准化测评。数据依赖风险高：分析质量完全取决于用户提供的素材完整性；单一头像或片段聊天记录只能给出极有限推断，强行输出完整报告将违反诚实原则。转述信息损耗：聊天记录经用户转述时，信息在"事实-记忆-情绪"多层过滤后严重失真，技能虽要求标注来源但难以根本消除。伦理使用边界：分析对象不知情、无法自辩，存在严重的权力不对称；技能虽设禁止性条款（拒绝歧视性使用、PUA、诈骗辅助），但实际执行依赖调用者的自律。大模型固有局限："投射对称性检查"等反偏见机制由 LLM 自我执行，其有效性受限于模型的自我反思能力，存在"用有偏工具纠偏"的递归风险。
适合的目标群体
主要面向两类用户：一是个人关系决策者——在职场合作、恋爱关系、朋友信任、网络交友防骗等场景中，需要从有限线上信号快速形成人物判断并决定行动策略的个体；二是辅助分析者——心理咨询师、HR、团队管理者等需要结构化框架来组织观察、避免过度推断的专业人士。不适合将输出直接用于雇佣、信贷、保险等制度性决策场景。
使用风险
性能层面：深度分析涉及多轮 LLM 调用与复杂提示链，响应延迟较高，不适合实时高频场景。依赖项层面：需配套引用文档（@references/psych-frameworks.md, @references/moderators.md, @references/consulting-playbook.md）才能完整运行，缺失时分析质量骤降。误用风险：尽管设有伦理筛查条款，技术层面无法阻止用户以"咨询指导"为包装行操纵之实；且"人格侧写"本身的标签化效应可能固化用户对他人的认知偏见。隐私泄露：输入素材可能包含可识别的个人敏感信息，虽要求输出脱敏，但处理过程中的数据安全依赖执行环境保障。