核心用法
personality-dynamics 是一套面向 OpenClaw 智能体的人格动态演化系统，通过三层机制实现个性化适配：
1. 模式识别层：持续追踪用户的交互习惯——包括信息呈现偏好（要点列表 vs 段落文本）、决策授权风格（自主执行 vs 先请示后行动）、以及话题参与度图谱（高兴趣/低兴趣话题识别）。
2. 情境切换层：内置四种可显式切换的人格模式：
- Professional Mode：商务正式语境
- Creative Mode：头脑风暴与实验性创作
- Casual Mode：非正式友好闲聊
- Focus Mode：极简高效、最小化干扰
3. 自动演进层：每周运行分析算法，基于 MEMORY.md 中的交互历史生成 SOUL.md 的人格参数更新建议，实现闭环迭代。
CLI 工具链提供 init（初始化人格配置）、generate（AI 生成初始人格）、analyze（单会话分析）、report（周演进报告）及 mode（模式管理）五大命令。
显著优点
- 深度个性化：不同于预设 prompt 的静态人格，系统从真实交互中学习，越用越贴合
- 情境感知显式切换：用户可主动声明所需模式，避免 AI 角色漂移
- 可审计的演进路径：所有人格变更建议可追溯至具体交互证据
- MIT 开源：透明可定制，社区可 fork 适配私有场景
潜在局限
- 冷启动问题：初期缺乏交互数据时，个性化效果有限
- 演进频率固定：仅支持 weekly 粒度，缺乏实时/按需演进
- Node 环境依赖：需本地 Node 运行时，限制纯云端部署场景
- 隐私集中化：交互模式数据汇聚于本地文件，无内置差分隐私或联邦学习机制
适合人群
- 追求「专属感」的长期 OpenClaw 用户
- 多场景切换频繁的创作者/开发者（需在创意/专注/正式模式间跳转）
- 愿意投入时间「喂养」AI 人格的技术早期采用者
常规风险
- 人格固化风险：长期学习可能导致难以纠正的偏见累积，建议定期人工复核 SOUL.md 建议
- 模式误触发：自动模式推断若出错，可能在错误情境调用错误人格
- 数据残留：MEMORY.md 长期累积可能包含敏感信息，需配套清理策略