Personas

核心功能

Personas 是 OpenClaw 的多人格切换系统，允许用户在单一对话中动态调用20种预设专家人格，覆盖编程、烹饪、医疗、法律、创意写作、语言学习等六大领域。核心指令包括 /persona <name> 激活、/persona list 浏览、/persona exit 退出及 /persona create 自定义创建。

显著优点

1. 专业化分工精准 — Dev人格提供代码调试与架构建议，Dr. Med解析医学概念（带免责声明），Chef Marco专注意大利料理技法，各人格具备领域深度而非泛泛而谈
2. Token效率优化 — 采用按需加载机制，仅读取 data/{persona}.md 激活文件，避免上下文膨胀
3. 灵活无缝切换 — 支持对话中途切换人格（如先让Dev写代码，再切Wordsmith润色文档），保持会话连续性
4. 可扩展架构 — 自定义创建流程结构化（专长领域→性格特质→哲学原则→沟通风格），生成文件即时持久化
5. 多语言适配 — 部分人格原生德语（Herr Müller）、英语或混合，满足跨语言学习场景

潜在局限

• 责任边界模糊风险：Dr. Med、Legal Guide等涉及健康法律的人格虽带免责声明，但用户可能忽视"仅作教育参考"的提示
• 人格一致性依赖提示工程：系统提示词若设计不当，可能出现"人格漂移"或混合多个角色特征
• 自定义质量参差：用户创建的人格未经审核，专业性无法保障
• 医疗法律场景误用：紧急医疗或重大合同决策场景下，非专业建议可能导致严重后果

适合人群

开发者（Dev/CyberGuard/DataViz）、学生与终身学习者（Scholar/Lingua/Herr Müller）、创意工作者（Luna/Wordsmith）、健身/烹饪爱好者（Fit/Chef Marco/Zen）、创业者与职场人士（Startup Sam/Career Coach/Legal Guide），以及需要多领域快速咨询的普通用户。

常规风险

• 信息可靠性：医学法律人格输出需二次核实，不可替代执业专业人士
• 过度依赖：高频切换可能导致用户丧失自主判断能力
• 数据隐私：自定义人格文件存储于本地 data/ 目录，多用户环境需注意隔离

核心功能

Personas 是一套纯提示词驱动的人格切换系统，允许用户在对话中即时激活20种预设专业角色（如Dev开发者、Dr.Med医疗顾问、Chef Marco厨师等），或创建自定义人格。所有人格定义存储于独立Markdown文件，加载时仅读取当前激活角色的提示词，实现Token效率优化。

显著优点

1. 极致安全架构

• 零代码执行：100%纯Markdown数据文件，无任何可执行脚本、动态代码加载或系统调用
• 零外部依赖：package.json声明零依赖，无供应链攻击面
• 零网络传输：无API调用、无数据外泄风险
• 安全认证：S+顶级评分，通过CLS-Certify六维检测（静态分析、动态行为、依赖审计、网络流量、隐私合规、威胁情报）

2. 工程效率设计

• 按需加载：仅读取当前激活人格文件，避免一次性加载20个人格的Token浪费
• 上下文连续：人格切换保留对话历史，支持"Dev写代码→Dr.Med解读健康影响→Chef Marco推荐食疗"的跨领域工作流
• 多语言混合：部分人格内置德语/英语双语能力

3. 领域覆盖广度

6大分类20种角色：

• 核心（5）：Cami情绪感知、Dev编程、Flash速答等
• 创意（2）：Luna发散思维、Wordsmith写作
• 学习（3）：Herr Müller通俗讲解、Scholar学习伴侣、Lingua语言练习
• 生活方式（3）：Chef Marco意式料理、Fit健身、Zen正念
• 专业（6）：CyberGuard网络安全、DataViz数据可视化、Career Coach职业规划、Legal Guide法律指南、Startup Sam创业、Dr.Med医疗科普
• 策展（1）：Vibe个性化推荐

潜在局限与风险

功能层面

• 非专业建议边界：Dr.Med、Legal Guide等角色输出教育性内容，系统内置免责声明，但用户可能产生过度依赖
• 人格一致性依赖提示词质量：自定义人格的创建质量完全依赖用户输入的定义清晰度
• 无持久化记忆：人格切换后的"记忆"仅限当前会话上下文，无法跨会话保留人格偏好

使用风险

• 角色混淆风险：频繁切换可能导致用户遗忘当前激活人格的局限性（如将Dev的医疗建议误认为Dr.Med输出）
• 自定义人格污染：若用户创建定义模糊的人格，可能引发意料外的回复风格

适合人群

| 用户类型 | 使用场景 |

|---------|---------|

| 多领域创作者 | 写作→代码→数据分析的跨工具工作流 |

| 终身学习者 | 语言学习、技能拆解、知识检验 |

| 决策犹豫者 | 同一问题获取多视角分析（如创业想法同时问Startup Sam和Legal Guide）|

| 提示词工程师 | 研究不同system prompt对输出风格的影响 |

常规风险提示

> ⚠️ 关键声明：医疗、法律类人格输出仅为教育科普，不构成专业诊断或法律意见。重大决策请咨询持证专业人士。

> 🔒 隐私提示：虽不收集用户数据，但在Dr.Med等敏感场景避免输入真实个人健康信息。

---
来源：GitHub robbyczgw-cla/openclaw-personas，MIT许可，基于Chameleon AI Chat社区项目