核心用法
Bloom Discovery 是一款用户主动触发的 AI 人格分析技能。用户输入 /bloom 或类似激活指令后，系统读取本地约 120 条历史对话及 USER.md 文件，在本地完成全部分析运算，生成包含人格类型（Visionary/Explorer/Cultivator/Optimizer/Innovator）、MentalOS 四维光谱（学习/决策/新奇/风险偏好）、隐藏模式洞察及工具推荐的个性化身份卡片。
显著优点
隐私优先架构：采用三层防护——本地差分隐私（LDP ε=1.0 Laplace 噪声）、SHA-256 不可逆指纹去重、明文永不外发。仅向服务端传输人格类型、近似分数、兴趣标签等衍生结果，原始对话内容留存设备。
零摩擦体验：无需钱包签名、无需复杂授权流程、无需预填问卷，3 条以上对话即可触发分析，新用户仅需回答 4 个快速问题。
动态进化机制：每 7 天自动刷新推荐，结合用户反馈（点击/保存/忽略）持续优化；读取 USER.md 声明的角色与技术栈作为高优先级信号。
潜在局限
- 冷启动依赖：需足够对话积累或主动填写快速问卷，极新用户可能体验打折。
- API 依赖：工具推荐功能依赖 Bloom API 可用性，离线或 API 故障时仅返回身份卡片。
- 差分隐私噪声：ε=1.0 的噪声注入虽保护隐私，但可能导致光谱分数小幅漂移，影响极端精准度。
- 外部网络传输：尽管经过严格脱敏，部分极度敏感用户仍可能介意任何数据外传。
适合人群
独立开发者、AI 工具早期尝鲜者、希望系统化理解自身技术决策偏好的 builder、追求隐私友好型个性化推荐的用户。
常规风险
- 环境依赖：需 Node.js 运行时及 npx 权限，依赖 OpenClaw 生态特定环境变量配置。
- 误人格化风险：基于有限对话片段的推断可能存在偏差，建议作为探索性参考而非定论。
- 供应链安全：首次运行从 GitLab 拉取源码，需信任 Bloom Protocol 代码仓库完整性。