核心用法
use-persona 是 forge-skill 人格蒸馏引擎的核心对话模块，允许用户与已创建的"人格档案"进行沉浸式对话。使用流程简洁直观：通过 /use-persona [名字]] 触发后，系统读取本地 personas/others/{name}/persona.json 文件，加载包含语言特征（口头禅、句式、标点习惯）、思维风格、互动模式和边界禁区等维度的完整人格画像。
进入角色后，AI 会严格遵循档案中的行为规则：匹配目标人物的消息长度节奏、复现其标志性表达方式、基于已知立场回应、对盲区话题如实回避。系统还设计了优雅的边界机制——当用户试图询问角色不可能知晓的信息时，以该人物的方式自然回应"不知道"或转移话题；当对话触及禁区时自动回避；当用户显式想与AI本身对话时，短暂出戏确认后再询问是否继续。
显著优点
极致隐私安全：纯本地运行设计是最大亮点。所有人格档案存储在用户设备的 personas// 目录，原始聊天记录和敏感素材永不离开本机，不上传云端服务器，彻底杜绝数据泄露风险。
深度人格还原：区别于简单的"扮演提示词"，该 skill 基于结构化的多层人格档案（L1-L4 分层体系），从表层语言习惯到深层价值观进行系统性还原，对话质感更接近真实人物。
灵活的场景适配：支持朋友、长辈、恋人、偶像等多种关系类型的差异化开场；支持角色无缝切换与退出机制；替身决策会议模式（use-self/use-persona 联动）可模拟多人头脑风暴。
低依赖高可用：核心功能零第三方依赖，仅使用 Python 标准库即可运行，无需担心依赖冲突或供应链攻击。
潜在缺点与局限性
素材依赖性强：人格还原质量完全取决于用户提供素材的丰富度和代表性。素材不足时，AI 容易滑向"过度完美"的幻觉，而非真实人物的粗糙质感。
情感伦理风险：尽管设计上强调"AI 终究是近似，不是真人"，但高度沉浸的对话体验可能使用户产生情感依赖，尤其用于模拟已故亲友时需谨慎评估心理影响。
功能边界模糊：与真实人物的互动包含大量非语言信息（表情、语气、肢体），纯文本对话难以完整传递，长时间对话后"扮演感"可能衰减。
跨语言限制：当前设计主要针对中文语境优化，处理多语言混合或特定方言习惯时还原度可能下降。
适合的目标群体
- 自我反思者：通过 forge-self 创建"过去的自己"档案，实现跨时间自我对话与决策复盘
- 创作者与角色设计师：快速验证虚构角色的语言一致性，或基于原型人物打磨剧本对话
- 情感疗愈需求者：在明确边界的前提下，与重要他人（如远行友人、已故亲人）的"数字分身"进行告别或和解对话
- 社交焦虑练习者：安全地预演特定社交场景（如表白、谈判、道歉），熟悉目标人物的回应模式
- 多 Agent 研究者：探索人格化 AI 的交互范式，测试不同角色间的协作与冲突
使用风险
性能风险：复杂人格档案加载和多层规则匹配可能增加首次响应延迟；若 personas 目录积累大量档案，Glob 扫描可能影响启动速度。
依赖项风险：虽核心功能零依赖，但可选的 jieba、beautifulsoup4 等增强组件若被篡改可能引入隐患，建议生产环境使用纯净标准库版本。
数据持久化风险：本地 JSON 存储缺乏版本控制和冲突解决机制，多设备同步时可能产生覆盖丢失；建议用户自建备份策略。
心理依赖风险：设计文档已明确警示"严禁用于骚扰、跟踪或侵犯他人隐私"，用户需自律；系统本身缺乏使用时长监控或健康提醒机制。