核心用法
Bloom Discovery 通过分析用户最近的约120条对话消息，结合可选的 USER.md 配置文件，快速生成个性化的「构建者身份卡」。用户只需输入 /bloom 命令，系统即可在2-5秒内完成四维度心理光谱分析（Learning/Decision/Novelty/Risk），输出五种支持者类型之一（Visionary/Explorer/Cultivator/Optimizer/Innovator），并提供定制化的AI工具推荐。
显著优点
1. 零门槛体验：无需钱包签名、无需复杂认证流程，纯对话驱动；新用户仅需回答4个快速问题即可获得身份卡
2. 本地隐私优先：原始对话文本仅在本地分析，不上传云端；仅分析结果（人格类型、光谱分数、兴趣类别）发送至Bloom API
3. 自我进化推荐：基于USER.md声明的角色与技术栈作为首要信号，结合7天TTL刷新机制与反馈循环（点击/保存/忽略行为），持续优化推荐质量
4. 安全设计原则：仅推荐不自动安装技能，避免供应链安全风险；所有代码开源可查
5. 社交可分享性：生成 bloomprotocol.ai 专属仪表盘链接，便于构建者展示身份、寻找同类支持者
潜在缺点与局限性
- 冷启动依赖：需要至少3条历史消息，全新对话场景下体验受限
- API依赖风险：工具推荐功能依赖外部API可用性，离线或API故障时仅返回身份卡
- 文化语境局限：MentalOS四维光谱模型基于特定行为假设，可能对非西方语境或特殊沟通风格的用户归类偏差
- 推荐同质化风险：7天刷新周期可能错过新兴小众技能；反馈循环存在「信息茧房」强化可能
- 数据持久化：身份卡数据存储于Bloom Protocol服务器，虽声称未来支持创作者打赏等功能，但长期数据治理透明度待验证
适合人群
| 用户类型 | 价值场景 |
|---------|---------|
| 独立开发者/Indie Hackers | 寻找前100位种子支持者，匹配同频工具与社区 |
| Vibe Coder | 停止在无尽列表中滚动，获取基于实际工作流而非热度的个性化推荐 |
| AI产品早期采用者 | 通过身份标签（Visionary/Explorer等）筛选工具，连接同类构建者 |
| 技术内容创作者 | 建立可验证的支持者身份，增强社区信任与影响力 |
常规风险
- 权限范围：需授予「读取对话历史」与「外部网络连接」权限，虽原始文本本地处理，但分析结果的外传存在潜在画像构建风险
- JWT安全：仪表盘认证令牌依赖环境变量
JWT_SECRET，若配置不当可能导致链接被伪造或预测 - 供应链信任：技能本身开源可审计，但推荐的第三方技能来自ClawHub生态，需用户自行判断安装
- 身份卡公开性：用户主动选择是否分享仪表盘链接，但一旦分享即成为公开可访问的个人画像