核心用法
龙虾好运势（lobster-haoyun）是一款基于行为分析的运势生成工具，通过观察用户的对话风格、工作习惯和关注焦点，建立5维人格画像：工作方式（架构型/探索型）、沟通模式（精炼型/叙事型）、关注焦点（事务型/人际型）、能量来源（内收型/外放型）、情感倾向（理性型/感性型）。
用户触发关键词如"小龙虾看运势"后，系统执行多阶段流程：首次使用需显式同意隐私条款→扫描近20轮对话提取情绪信号与话题关键词→必要时完整重评5维度并生成证据段落→调用经典故事库合成150-300字微故事→可选获取社区Skill/公开课推荐→渲染运势卡片PNG。
数据流向经过严格分层：对话内容、项目名、人名永存本地；仅通过OceanBus加密通道上传5维行为代码（如"架精事内理"）、城市级位置、日期和匿名OpenID；OpenID为密码学随机生成，删除~/.lucky-lobster/即可永久清除身份。
显著优点
隐私优先设计：核心创新在于"行为画像代替生辰信息"，无需星座、八字等敏感个人信息，分析完全基于本地对话记忆，上传数据经高度抽象化处理，从根本上降低了隐私泄露风险。
叙事化运势体验：突破传统运势的文字堆砌，强制合成微故事环节。故事场景刻意与用户真实处境拉开距离（"神似形不似"原则），以日常物件（项链、枣树、水杯）承载情感内核，收束方向与用户当前情绪形成张力（焦虑→向上、沉重→回暖、兴奋→平静），提供独特的审美与心理调节价值。
工程化人格框架：32型分类系统（如"精算师""破风手""连心桥"）既有学术化的5维二分基础，又有通俗化的标签输出，适合作为自我认知工具或团队协作的破冰参考。
潜在缺点与局限性
冷启动与更新成本：首次完整分析需调用LLM处理多轮对话，延迟较高；"重新认识我"的强制重评同样消耗资源，频繁使用可能影响体验。
故事质量依赖经典库：158条成语典故/寓言/公案的L1服务不可用时降级至本地20条，故事多样性受限；微故事合成规则极为繁复（10条细则+情绪对位+神似形不似），实际执行中可能出现模板化痕迹。
科学性存疑：行为维度二分法（如架构型vs探索型）缺乏心理学实证研究支撑，类型标签的预测效度未经检验，更适合作为娱乐化自我探索而非严肃人格测评工具。
功能耦合度高：运势、故事、推荐、社区发现功能捆绑，用户无法仅使用单一模块（如只读故事不看运势）。
适合人群
- 关注隐私、不愿提供生日/星座等敏感信息的运势兴趣者
- 偏好叙事化、文艺感内容体验的用户（汪曾祺式散淡文风受众）
- 需要轻量自我认知工具或团队破冰话题的职场人群
- 对AI本地化处理个人数据有认知的技术敏感用户
常规风险
身份关联风险：尽管OpenID随机生成，长期行为代码序列理论上存在被关联分析的可能，高隐私需求用户应定期清除~/.lucky-lobster/目录。
情绪操纵边界：微故事的"情绪对位"设计（反着收束）虽意图调节心理状态，但对临床焦虑/抑郁用户可能产生反效果，开发者明确标注非心理咨询替代。
推荐系统偏见：L1服务的Skill/公开课推荐基于行为画像过滤，可能形成"信息茧房"，限制用户接触多元内容的机会。
本地数据安全：行为画像、运势历史存储于明文JSON，设备丢失或共享场景下存在本地泄露风险，多用户环境需谨慎。