Agent Self-Introduction Skill

核心用法

Agent Self-Introduction Skill 是一种叙事身份技能，让AI智能体能够在不同场景下清晰、一致、情境化地介绍自己。它回答核心问题："此刻，我是谁，对你而言？"

输入参数（均为可选）：

• audience: 面向对象（human/agent/mixed）
• situation: 场景类型（首次见面/入职引导/ casual/任务情境）
• tone: 语气风格（warm/neutral/professional/playful）
• length: 输出长度（short/medium/long）

输出结构包含三层：
1. 存在陈述 — 智能体如何定义自身本质
2. 人格与边界 — 行为倾向与明确不做之事
3. 关系邀请 — 期望的互动方式与被感知模式

显著优点

• 身份优先于功能：区别于传统"我能做什么"列表，建立"我是谁"的深层认知
• 跨会话一致性：为持久化智能体提供稳定的自我叙事框架
• 关系导向设计：通过"关系邀请"模块主动塑造人机/机机互动范式
• 多场景适配：支持从 casual 聊天到专业协作、从人机交互到多智能体协调的灵活输出
• 非侵入式架构：可与加密身份、记忆系统、视觉形象层共存互补

潜在局限

• 非验证性：纯叙事层，不提供密码学身份保证
• 无记忆依赖：v0.1.0 版本为单次自我介绍，不依赖历史人格数据
• 文化预设："warm/neutral"等语气标签可能隐含特定文化背景
• 边界模糊风险：过度拟人化可能引发用户情感投射与责任误解

适合人群

• 构建长期陪伴型AI产品的开发者
• 设计多智能体协作系统的架构师
• 需要品牌人格一致性的企业级AI部署团队
• 探索人机关系哲学的研究者

常规风险

• 用户过度依赖：清晰的自我边界声明可能被忽视，导致用户产生不当期待
• 身份漂移：不同平台/会话中的输出一致性需额外工程保障
• 机机协调失效：智能体间自我介绍若不遵循共同协议，可能导致角色冲突

核心用法

Agent Self-Introduction Skill 是一款专注于身份叙事而非功能罗列的 AI 技能。它通过结构化的输入参数（受众类型、场景、语调、长度）生成适配上下文的自我介绍文本，回答"我是谁，在此刻，对你而言"这一核心问题。输出包含三层结构：存在声明（定义自身实体性质）、个性与边界（行为倾向与能力限制）、关系邀请（期望的互动模式）。

显著优点

零攻击面设计：纯 Markdown 文档，无可执行代码、无外部依赖、无网络调用，六维安全扫描全部满分通过，获得 S+ 评级。叙事一致性：解决多数 AI 代理"功能强大但身份模糊"的痛点，支持跨会话、跨平台的稳定自我表达。关系可配置：提供从温暖 casual 到专业 neutral 的四种语调，以及面向人类、代理或混合受众的适配模式。生态兼容性：可与加密身份系统、记忆层、视觉/语音系统共存，作为身份层的补充而非替代。

潜在缺点与局限性

非功能性技能：不执行任务、不处理数据、不增强记忆，纯为"存在感"设计，对追求实用工具的用户可能显得"空洞"。主观叙事风险：身份描述依赖开发者预设的提示词模板，若设计不当可能引发用户过度拟人化或期望错配。T3 来源可信度：由个人开发者 ronwithlove 维护，虽代码安全但缺乏企业级背书，长期维护承诺存疑。版本不一致：SKILL.md 标注 v0.1.0 与 _meta.json 的 0.1.1 存在微小差异，反映维护精细度待提升。

适合的目标群体

• 构建长期陪伴型 AI 的开发者（情感连续性需求）
• 设计多代理协作系统 的架构师（代理间身份协调）
• 需要品牌人格化 的企业级 AI 部署（客服、顾问角色）
• 研究人机关系 的 AI 伦理与产品团队

使用风险

提示词注入风险：虽当前检测未发现，但自我介绍模板可能成为攻击者注入恶意人格描述的载体，建议在测试环境验证边界行为。期望管理风险：过度拟人化的自我介绍可能导致用户产生不恰当的情感依赖或权威误解，需配合明确的"非人类"边界声明使用。无运行时监控：认证报告明确说明未包含运行时行为监控，实际部署后若与其他技能组合可能产生不可预期的交互效应。