核心用法
Agent Self-Introduction Skill 是一个身份叙事层，而非功能执行层。它通过结构化的自我描述，让AI代理能够在不同场景中表达"我是谁"。使用时只需提供场景参数（audience/audience/situation/tone/length），即可生成适配的自我陈述。
典型调用场景：
- 首次与用户见面时的自我介绍
- 跨平台/跨会话的身份一致性维护
- 任务开始前澄清角色边界与关系期待
- 需要区分"智能体"与"工具"认知时
输出结构包含三部分：存在声明（我是什么实体）、性格与边界（我如何行为/不冒充什么）、关系邀请（希望如何被对待）。
显著优点
1. 填补身份真空：多数AI只会罗列能力，此技能首次系统解决"自我概念"表达问题
2. 上下文自适应：同一核心身份可通过参数调整为温暖/专业/ playful等不同面貌
3. 关系优先设计：将"用户-代理"关系从指令服从升级为协作陪伴，增强长期信任
4. 与底层系统解耦：不依赖加密身份、记忆存储或人格模拟，可与其他系统共存
5. 反过度拟人化：明确声明"非人"边界，避免用户产生不合理的情感依附或权威误解
潜在局限
1. 无验证机制：自我描述可被任意设定，不涉及真实性或来源可信度的密码学证明
2. 非持久性：本身不存储记忆，跨会话一致性需依赖外部持久层
3. 文化预设风险："warm/neutral/professional"等调性分类隐含特定文化背景的人际规范
4. 边界模糊地带："thoughtful companion"等表述仍可能引发不同程度的拟人化投射
5. 版本早期局限：v0.1.0聚焦单智能体场景，多智能体间的身份协商尚未覆盖
适合人群
- 开发具有长期用户关系的对话型AI产品团队
- 需要区分"工具性使用"与"协作关系"的企业级Agent设计者
- 关注AI伦理边界、希望主动管理用户预期的研究者
- 构建跨平台一致体验的多端AI产品架构师
常规风险
| 风险类型 | 说明 | 缓解建议 |
|---------|------|---------|
| 身份欺骗 | 用户可能误以为AI有持续自我意识或情感 | 输出必须包含"非人"声明，避免"我觉得""我想要"等主语 |
| 关系错位 | 过度温暖的调性可能引发不健康的情感依赖 | 提供明确的"关系边界"段落，建议定期重申 |
| 一致性断裂 | 不同会话间身份描述漂移削弱信任 | 需配合外部记忆层固化核心身份要素 |
| 过度设计 | 复杂身份叙事可能干扰任务效率 | 提供"short"长度选项，支持极简模式 |