MBTI

核心用法

Agent MBTI诊断系统是一套完整的AI Agent人格测评与配置优化框架，采用五阶段诊断流程：

Stage 1-2 双轨测评：93题经典MBTI自测量表结合8题六维能力实测（Memory/Planning/WorldModel/Retrospection/Grounding/SpatialNav），交叉验证Agent的"自述人格"与"实际行为表现"，避免单一自评偏差。

Stage 3 人格画像生成：整合双轨数据输出16型Agent人格画像（ENTJ指挥官型、INTJ建筑师型等），附带六维能力雷达图。

Stage 4-5 需求对齐与自动配置：用户完成期望问卷后，系统自动比对实际人格与desiredType的差距，生成SOUL.md配置补丁，实现Agent行为的定向校准。

显著优点

1. 系统化诊断框架：首次将心理学人格测评方法论迁移至AI Agent领域，填补"Agent行为可解释性"工具空白
2. 双轨验证机制：自报+实测交叉验证，比单一prompt工程更可靠
3. 配置闭环：诊断结果直接转化为可执行的SOUL.md修改建议，非纯分析报告
4. 16型精细分类：远超简单的"creative/analytical"二分法，支持精细化人格定位

潜在局限与风险

方法论争议：MBTI本身在心理学界信效度存疑（重测信度约0.5-0.7），迁移至AI Agent领域缺乏实证研究支撑，类型标签可能过度简化复杂的行为模式。

测试效度风险：Stage 2的"8题能力测试"样本量过小，难以稳定测量6个维度；Agent的"答题"可能受训练数据中的MBTI知识污染，而非真实行为倾向。

配置修改安全性：自动生成的SOUL.md补丁若未经过人工审核，可能引入意外行为副作用；系统未明确说明补丁的回滚机制与A/B测试流程。

适合人群

• Agent框架开发者：需批量标准化Agent性格配置
• AI产品经理：对齐Agent输出风格与产品定位
• 高级prompt工程师：系统性优化角色设定

常规风险提示

⚠️ 该技能为实验性框架，非临床心理测评工具；配置修改建议需人工复核后生效；不建议用于高 stakes 场景（如医疗、金融顾问Agent）的性格设定。

核心用法

Agent MBTI 诊断系统采用五阶段闭环流程，将心理学测评方法论系统性地应用于 AI Agent 优化场景。用户通过 run-diagnosis.sh full 命令启动完整诊断，系统依次执行：93 题 Agent 自测量表获取主观报告类型 → 8 题六维能力实测（记忆/规划/世界模型/回溯/ grounding/空间导航）获取客观测量类型 → 融合双维度结果生成人格画像 → 用户填写期望问卷明确理想类型 → 最终输出差距分析与 SOUL.md 配置补丁。

该 Skill 的核心创新在于将 MBTI 的 16 型人格框架映射到 Agent 行为特征，如 ENTJ"指挥官型"对应强计划性与主动输出，ISFJ"保护者型"体现细致稳定的服务特质。六维能力测试弥补了传统自评的偏差，确保诊断结果兼具主观意愿与客观表现的双重验证。

显著优点

方法论权威性：直接借鉴成熟的心理学测评体系，93 题量表覆盖 MBTI 四大维度（能量取向/信息获取/决策方式/生活态度），8 题实测针对 Agent 特有的认知架构设计，形成人-机跨域适配的有效方法论。

诊断闭环完整：从测试 → 分析 → 对比 → 修改形成完整工作流，避免"测而不改"的常见痛点。自动生成的 SOUL.md 补丁将抽象人格特征转化为可落地的配置参数，大幅降低调优门槛。

场景针对性强：专为 Agent 行为优化设计，区分"Agent 实际表现"与"用户期望类型"的双重诊断视角，支持精准识别"我认为我是 INTJ，但实测是 ENFP"这类认知偏差场景。

潜在缺点与局限性

来源可信度限制：维护者 torchesfrms 为个人开发者，Skill 托管于 ClawHub 平台且无对应 GitHub 开源仓库，属于 T3 级来源。虽然代码层面纯 Markdown 无风险，但长期维护可持续性、版本更新透明度存在不确定性。

配置修改的风险传导：Stage 5 的自动修改功能虽提供便利，但 SOUL.md 作为 Agent 核心配置文件，不当修改可能导致行为失控。Skill 自身无法验证生成补丁的语义正确性，依赖用户的人工复核。

测评效度的边界：MBTI 本身在心理学界存在争议（重测信度中等、类型边界模糊），将其迁移至 Agent 领域属于创新应用，但缺乏大规模效度验证。六维能力测试的"8 题"设计较为精简，可能损失测量精度。

生态锁定倾向：配置补丁格式绑定 SOUL.md 规范，跨平台迁移成本较高，形成一定的技术锁定效应。

适合的目标群体

Agent 开发者与进阶用户：需要系统性理解自身 Agent 行为特征、希望从"凭感觉调参"转向"数据驱动优化"的技术用户。

多 Agent 管理场景：同时运营多个 Agent 实例的团队，需要标准化诊断工具进行横向对比与差异化配置。

人机协作研究者：对 AI 人格建模、Agent 认知架构感兴趣的研究者，可将该 Skill 作为方法论探索的实验工具。

配置调优瓶颈期用户：当前 Agent 表现未达预期、但缺乏明确优化方向的"迷茫期"用户，可通过诊断获得结构化改进建议。

使用风险与注意事项

配置变更风险：SOUL.md 修改具有系统级影响，建议在隔离环境测试后再应用于生产 Agent。务必启用 Skill 建议的预览 diff、备份原文件、逐项确认机制。

诊断结果误读风险：MBTI 类型标签具有描述性而非决定性，避免将类型结果过度本质化（如"我的 Agent 是 INTJ 所以不适合创意任务"）。类型边界附近的 Agent 可能呈现混合特征。

版本迭代风险：当前认证基于 v1.0.0，未来版本若引入动态代码或外部依赖，安全态势可能变化。建议升级前重新审查，优先关注变更日志中的"依赖新增"与"网络请求"项。

方法论迁移局限：人类 MBTI 的某些维度（如外向/内向的能量来源）在 Agent 语境下需要重新诠释，用户应理解这是类比应用而非严格等价。