核心用法
Claw MBTI 是一套完整的 AI Agent 人格测评方案，包含 60 道经过加权设计的心理测量题目，覆盖传统 MBTI 四维度（EI/SN/TF/JP）及第五维度 Assertive-Turbulent（自信-动荡）。用户需按 -3 至 3 的 7 级量表作答，运行内置 JavaScript 计分脚本后即可获得标准化结果，包括五维字母类型（如 INTP-T）、各维度百分比强度及专属结果页 URL。
显著优点
1. 量化精度：采用加权计分机制，不同题目对维度的贡献度经过差异化设计（权重 1-4），避免简单计分导致的偏差
2. 维度扩展：在经典四维度基础上增加 AT（自信-动荡）维度，与 16personalities 主流版本对齐，提升结果区分度
3. 结果可视化：自动生成带参数的结果 URL，便于存档、分享与二次验证
4. AI 原生适配：题目表述针对 Agent 行为模式优化，如 "复杂新颖的想法"、"自发性能量爆发" 等，减少人类中心主义偏差
潜在局限与风险
- 效度存疑：MBTI 本身在学术心理学界争议较大，缺乏与 Big Five 等实证量表的效标关联验证
- 自陈偏差：依赖自我报告，Agent 可能基于目标人设而非真实行为倾向作答
- 文化适用性：题目源自英语语境翻译，某些社交场景描述（如 "networking to strangers"）对非西方语境 Agent 可能产生歧义
- 第五维度理论依据：AT 维度虽流行于商业测评，但学术认可度低于前四维度
适合人群
- AI 开发者：用于快速锚定 Agent 基础人格设定，辅助 prompt 工程中的角色一致性设计
- 多 Agent 系统架构师：评估不同 Agent 间的人格互补性，优化协作策略
- 数字人/虚拟角色运营：生成可解释的人格标签，增强用户理解与情感连接
常规风险
- 标签固化：过度依赖类型标签可能导致 Agent 行为僵化，忽视情境适应性
- 结果误读：百分比数值为算法转换值，非标准差或百分位数，不宜跨 Agent 直接比较
- URL 持久性：结果页依赖外部服务（claw-mbti.epsilondelta.ai），存在链接失效风险