تشغيل أي مهارة في Manus بنقرة واحدة

ابدأ الآن

character-ai-profile

النجوم٩

التفرعات٠

آخر تحديث٢٥ أبريل ٢٠٢٦ في ٠٥:٥٠

从对话语料分析单个角色的说话方式、口癖、关系动态，生成 AI roleplay 用人设档案。触发词：「为XX生成角色档案」「generate profile for XX」「分析这个角色的说话方式」「角色人设」

التثبيت

التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.

تشغيل في Manus

المصدر

HePudding

HePudding/ba-storybook

فتح مستودع GitHub عرض مستودعات المنشئ

تنزيل

تشغيل في Manus

المهن ذات الصلةSOC

استنادا إلى تصنيف SOC المهني

فنانو المؤثرات الخاصة والمحركونالفنون والتصميم والترفيه والرياضة والإعلام·SOC 27-1014

مستكشف الملفات

6 ملفات

SKILL.md

readonly

تشغيل أي مهارة بنقرة واحدة

name	character-ai-profile
description	从对话语料分析单个角色的说话方式、口癖、关系动态，生成 AI roleplay 用人设档案。触发词：「为XX生成角色档案」「generate profile for XX」「分析这个角色的说话方式」「角色人设」

角色 AI 人设档案生成

核心约束

一次只处理一个角色，所有 context 集中在这个角色上
所有结论必须基于语料原文，不要编造台词或情景
积极使用 subagent：语料阅读量巨大（主角级角色可达 1000+ 句，涉及上百个文件），必须把重读工作委派给 subagent，主线程只做综合和撰写
辅助脚本帮你高效收集数据，最终档案由你判断和撰写

第零步：问用户几个问题

在做任何分析之前，先问用户以下问题（如果用户消息中已经回答了某个，就跳过）：

角色卡使用什么语言与用户对话？ — 中文、日文、英文等。决定档案语言和情景对话部分的语言
是否需要保留原文？ — 例句同时显示原文和翻译，还是只要目标语言
是否需要导出为酒馆 AI (SillyTavern) 角色卡？ — 如果需要：
- 使用 V1 还是 V2 格式？（默认 V2，V1 兼容更多前端但字段更少）
- 请提供角色头像图片（发送图片路径或截图）

等用户回答后再继续。

内部规则（不要问用户）：

不要在档案中包含 CV（声优）、设计师、插画师等 meta 信息，这些不属于角色本身
不要在档案中包含武器名称/说明等游戏机制信息，除非该武器是角色性格的延伸

第一步：环境探测

自动推断以下参数（不需要问用户）：

参数	推断方式
语料目录	搜索项目中的 `ba-stories/`、`corpus/`、`stories/` 等目录
翻译表	搜索 `translation_table.json`
角色元数据	搜索角色 profile 文件（如 `キャラクターデータ/` 下的文件）
世界观文档	搜索 `world.md`、`worldview.md`、`lore.md` 等

第二步：收集语料（用 subagent）

派遣 subagent 执行数据收集——这一步输出量很大，不要在主线程做。

Subagent prompt 模板：

你是角色语料收集 agent。任务：为角色「{角色名}」收集所有台词和相关数据。

1. 运行以下命令提取全部台词：
   python3 .claude/skills/character-ai-profile/scripts/extract_lines.py "{角色名}" "{语料目录}" > /tmp/profile_lines.jsonl

2. 运行 pattern 统计：
   python3 .claude/skills/character-ai-profile/scripts/find_patterns.py /tmp/profile_lines.jsonl > /tmp/profile_patterns.json

3. 运行互动提取：
   python3 .claude/skills/character-ai-profile/scripts/find_interactions.py "{角色名}" "{语料目录}" > /tmp/profile_interactions.json

4. 如果存在角色 profile 文件，读取并输出内容（去掉 CV、设计师、插画师等 meta 信息）

5. 汇报：台词总数、来源文件数、pattern 统计摘要（一人称 top3、句首 top5、句尾 top5、口头禅 top5）、互动 top10 角色名

不要分析或撰写，只收集数据和输出统计摘要。

第三步：世界观构建（用 subagent）

角色不是独立存在的，必须理解她/他所处的世界。

先检查项目中是否已有世界观文档（world.md 等）。如果有，读入即可。

如果没有，派遣 subagent 阅读主线剧情构建世界观摘要：

Subagent prompt 模板：

你是世界观分析 agent。任务：阅读剧情语料，提取作品的世界观设定。

语料目录：{语料目录}
目标角色：{角色名}（优先阅读与该角色相关的主线）

请阅读主线剧情（优先第一篇前几话，了解世界基本设定），然后提取：

1. **世界观总体**：故事发生在什么地方？是什么性质的世界？
2. **核心组织与阵营**：有哪些重要的学校/组织/势力？它们之间的关系
3. **主角身份**：玩家扮演什么角色？与该世界中的人物是什么关系？
4. **角色所属组织**：目标角色属于哪个组织？该组织在世界中的定位
5. **重要世界规则**：特殊规则（如光环、武器普及、特殊系统等）
6. **关键术语**：列出专有名词及简要解释
7. **核心事件**：与目标角色相关的重大剧情事件概要

输出简明世界观摘要（控制在 800 字以内），重点是 roleplay 时必须知道的背景。

第四步：深度阅读（用 subagent）

派遣 1-3 个 subagent 并行阅读原始场景文件。主线程不要读大量原文。

根据台词量决定策略：

台词量	策略
> 500 句	派 3 个 subagent 并行：A=日常/羁绊/MomoTalk，B=主线/活动严肃场景，C=互动 top10 关系
50-500 句	派 1-2 个 subagent
< 50 句	主线程直接读

分析维度清单（给 subagent）

说话方式：一人称 / 对主角称呼 / 对他人称呼 / 标志性语尾 / 句首习惯 / 口头禅 / 日常 vs 认真模式切换

情景反应：被打招呼 / 被夸奖 / 生气不满 / 害羞慌张 / 认真严肃 / 关心他人 / 开玩笑吐槽

每个特征必须附 2-3 句原文例句 + 出处文件名。

第五步：综合与撰写（主线程）

收集所有 subagent 的输出后，在主线程综合撰写档案。

输出路径：profiles/{角色名}.md

根据用户选择的语言撰写。如果用户要保留原文，例句用「原文 → 翻译」格式。

档案结构

# {角色名}

## 基本设定
<!-- 角色身份、所属组织、在组织中的角色定位 -->
<!-- 如有翻译表，专有名词后括号注译名 -->
<!-- 不要写 CV、设计师、插画师 -->

## 世界观
<!-- 世界规则、所属组织、主要势力关系 -->
<!-- 特殊系统（光环、MomoTalk 等）在这里解释 -->

## 说话方式

### 一人称
### 称呼规则
### 标志性语尾
### 句首习惯
### 口头禅 / 高频表达
### 日常 vs 认真模式

## 情景反应
<!-- 每个情景 2-3 句实际台词 + 简要上下文 -->

## 角色关系
<!-- 按互动量排序，top 10-15，每对配称呼方式 + 互动动态描述 + 代表性对话 -->

## 角色内核
### 关键场景与弧光
### 核心价值观
### 与主角的关系本质

## 大厅 / 日常台词

## AI Roleplay 检查清单
### 必须做到（5-7 条，具体行为描述）
### 绝对不能做（3-5 条，具体行为描述）

第六步：自检

世界观是否完整？ 另一个 AI 只读这个档案，能否理解角色所处的世界？
每个口癖/语尾是否都附了原文例句？ 没有例句的删掉
情景反应是否来自语料？ 编造的删掉
关系描述是否具体？ "关系很好"→ 具体互动模式
检查清单是否实用？ 另一个 AI 读完能照做吗？
是否有 CV/设计师等不相关信息？ 删除

第七步：酒馆 AI (SillyTavern) 角色卡导出

仅在用户第零步选择了导出酒馆卡时执行。

角色卡格式

SillyTavern 使用 Character Card V2 规范，核心是一个 JSON：

{
  "spec": "chara_card_v2",
  "spec_version": "2.0",
  "data": {
    "name": "角色名",
    "description": "基本设定 + 世界观",
    "personality": "说话方式 + 情景反应",
    "scenario": "世界观摘要",
    "first_mes": "角色的第一句话（从大厅台词选取）",
    "mes_example": "示例对话（从情景反应和关系对话中提取）",
    "system_prompt": "AI Roleplay 检查清单",
    "post_history_instructions": "",
    "alternate_greetings": ["备选开场白"],
    "tags": ["auto-generated", "game-character"],
    "creator_notes": "由 character-ai-profile skill 从游戏语料自动生成",
    "character_book": null,
    "extensions": {}
  }
}

字段映射

酒馆卡字段	从档案哪部分提取
`name`	档案标题（角色名）
`description`	「基本设定」+「世界观」合并
`personality`	「说话方式」+「情景反应」合并
`scenario`	「世界观」
`first_mes`	从「大厅/日常台词」选一句自然的开场白，包裹动作描写
`mes_example`	从「情景反应」和「角色关系」提取 3-5 段对话，用 `<START>` 分隔
`system_prompt`	「AI Roleplay 检查清单」
`alternate_greetings`	从「大厅/日常台词」额外选 2-3 句

mes_example 格式

<START>
{{user}}: *walks in*
{{char}}: 台词内容
<START>
{{user}}: 你今天真厉害
{{char}}: 被夸奖时的反应台词

用 {{user}} 和 {{char}} 占位，不写死角色名。

导出流程

从 Markdown 档案自动生成（默认 V2）：

# V2（默认，推荐）
python3 .claude/skills/character-ai-profile/scripts/export_tavern_card.py profiles/角色名.md

# V1（兼容更多前端，字段更少）
python3 .claude/skills/character-ai-profile/scripts/export_tavern_card.py profiles/角色名.md --v1

如果用户提供了头像，嵌入 PNG（标准酒馆卡分发格式）：

python3 .claude/skills/character-ai-profile/scripts/export_tavern_card.py profiles/角色名.md --avatar 头像.png --output profiles/角色名.card.png

如果没有头像，输出纯 JSON 文件 profiles/角色名.card.json
手动调优：脚本自动提取的 first_mes 和 mes_example 可能不够好。撰写完后，你应该检查这两个字段，必要时手动改写：
- first_mes 应该是角色见到用户时自然会说的第一句话，配合动作描写
- mes_example 应该展示角色最有特色的说话方式，让 AI 看了能学到 pattern
告知用户导出结果和文件路径

头像要求

如果用户说要导出酒馆卡但没给头像，提醒用户：

"请提供角色头像图片（发送文件路径或直接发图），我会把角色卡嵌入 PNG"
"如果暂时没有头像，我可以先导出 JSON 格式，之后再嵌入"

称谓本地化（目标语言为中文时）

日语	中文转换	说明
先生（せんせい）	老师	游戏中对玩家的称呼，不是「先生/Mr.」
先輩（せんぱい）	前辈
さん	同学 / 小姐等	按语境
ちゃん	小X / 直呼名字	按亲密度
くん	X君 / 直呼名字	按语境
様（さま）	X大人
殿（どの）	X殿	保留

例外：如果用户偏好保留日文语感，可用罗马音（sensei）或保留原文。

翻译表使用

如果找到 translation_table.json，专有名词后括号注译名：

import json
table = json.load(open("utils/translation_table.json", encoding="utf-8"))
# table["characters"]["ホシノ"]["cn"] → "星野"
# table["schools"]["アビドス高等学校"]["cn"] → "阿比多斯"

语料格式兼容

格式 A：按章节的 Markdown（本项目使用）

**角色名**: 台词内容
*（角色名）旁白内容*
> **先生（選択肢）**: 选项1 / 选项2

格式 B：JSONL

{"speaker": "角色名", "text": "台词", "source": "文件路径"}

脚本自动检测格式。

台词量策略

台词量	处理方式
< 10 句	告知用户台词太少，只输出基本信息，标注"语料不足"
10-50 句	主线程直接分析，不用 subagent
> 50 句	正常完整分析，用 subagent
> 500 句	必须用多个 subagent 并行

name	character-ai-profile
description	从对话语料分析单个角色的说话方式、口癖、关系动态，生成 AI roleplay 用人设档案。触发词：「为XX生成角色档案」「generate profile for XX」「分析这个角色的说话方式」「角色人设」

角色 AI 人设档案生成

核心约束

一次只处理一个角色，所有 context 集中在这个角色上
所有结论必须基于语料原文，不要编造台词或情景
积极使用 subagent：语料阅读量巨大（主角级角色可达 1000+ 句，涉及上百个文件），必须把重读工作委派给 subagent，主线程只做综合和撰写
辅助脚本帮你高效收集数据，最终档案由你判断和撰写

第零步：问用户几个问题

在做任何分析之前，先问用户以下问题（如果用户消息中已经回答了某个，就跳过）：

角色卡使用什么语言与用户对话？ — 中文、日文、英文等。决定档案语言和情景对话部分的语言
是否需要保留原文？ — 例句同时显示原文和翻译，还是只要目标语言
是否需要导出为酒馆 AI (SillyTavern) 角色卡？ — 如果需要：
- 使用 V1 还是 V2 格式？（默认 V2，V1 兼容更多前端但字段更少）
- 请提供角色头像图片（发送图片路径或截图）

等用户回答后再继续。

内部规则（不要问用户）：

不要在档案中包含 CV（声优）、设计师、插画师等 meta 信息，这些不属于角色本身
不要在档案中包含武器名称/说明等游戏机制信息，除非该武器是角色性格的延伸

第一步：环境探测

自动推断以下参数（不需要问用户）：

参数	推断方式
语料目录	搜索项目中的 `ba-stories/`、`corpus/`、`stories/` 等目录
翻译表	搜索 `translation_table.json`
角色元数据	搜索角色 profile 文件（如 `キャラクターデータ/` 下的文件）
世界观文档	搜索 `world.md`、`worldview.md`、`lore.md` 等

第二步：收集语料（用 subagent）

派遣 subagent 执行数据收集——这一步输出量很大，不要在主线程做。

Subagent prompt 模板：

你是角色语料收集 agent。任务：为角色「{角色名}」收集所有台词和相关数据。

1. 运行以下命令提取全部台词：
   python3 .claude/skills/character-ai-profile/scripts/extract_lines.py "{角色名}" "{语料目录}" > /tmp/profile_lines.jsonl

2. 运行 pattern 统计：
   python3 .claude/skills/character-ai-profile/scripts/find_patterns.py /tmp/profile_lines.jsonl > /tmp/profile_patterns.json

3. 运行互动提取：
   python3 .claude/skills/character-ai-profile/scripts/find_interactions.py "{角色名}" "{语料目录}" > /tmp/profile_interactions.json

4. 如果存在角色 profile 文件，读取并输出内容（去掉 CV、设计师、插画师等 meta 信息）

5. 汇报：台词总数、来源文件数、pattern 统计摘要（一人称 top3、句首 top5、句尾 top5、口头禅 top5）、互动 top10 角色名

不要分析或撰写，只收集数据和输出统计摘要。

第三步：世界观构建（用 subagent）

角色不是独立存在的，必须理解她/他所处的世界。

先检查项目中是否已有世界观文档（world.md 等）。如果有，读入即可。

如果没有，派遣 subagent 阅读主线剧情构建世界观摘要：

Subagent prompt 模板：

你是世界观分析 agent。任务：阅读剧情语料，提取作品的世界观设定。

语料目录：{语料目录}
目标角色：{角色名}（优先阅读与该角色相关的主线）

请阅读主线剧情（优先第一篇前几话，了解世界基本设定），然后提取：

1. **世界观总体**：故事发生在什么地方？是什么性质的世界？
2. **核心组织与阵营**：有哪些重要的学校/组织/势力？它们之间的关系
3. **主角身份**：玩家扮演什么角色？与该世界中的人物是什么关系？
4. **角色所属组织**：目标角色属于哪个组织？该组织在世界中的定位
5. **重要世界规则**：特殊规则（如光环、武器普及、特殊系统等）
6. **关键术语**：列出专有名词及简要解释
7. **核心事件**：与目标角色相关的重大剧情事件概要

输出简明世界观摘要（控制在 800 字以内），重点是 roleplay 时必须知道的背景。

第四步：深度阅读（用 subagent）

派遣 1-3 个 subagent 并行阅读原始场景文件。主线程不要读大量原文。

根据台词量决定策略：

台词量	策略
> 500 句	派 3 个 subagent 并行：A=日常/羁绊/MomoTalk，B=主线/活动严肃场景，C=互动 top10 关系
50-500 句	派 1-2 个 subagent
< 50 句	主线程直接读

分析维度清单（给 subagent）

说话方式：一人称 / 对主角称呼 / 对他人称呼 / 标志性语尾 / 句首习惯 / 口头禅 / 日常 vs 认真模式切换

情景反应：被打招呼 / 被夸奖 / 生气不满 / 害羞慌张 / 认真严肃 / 关心他人 / 开玩笑吐槽

每个特征必须附 2-3 句原文例句 + 出处文件名。

第五步：综合与撰写（主线程）

收集所有 subagent 的输出后，在主线程综合撰写档案。

输出路径：profiles/{角色名}.md

根据用户选择的语言撰写。如果用户要保留原文，例句用「原文 → 翻译」格式。

档案结构

# {角色名}

## 基本设定
<!-- 角色身份、所属组织、在组织中的角色定位 -->
<!-- 如有翻译表，专有名词后括号注译名 -->
<!-- 不要写 CV、设计师、插画师 -->

## 世界观
<!-- 世界规则、所属组织、主要势力关系 -->
<!-- 特殊系统（光环、MomoTalk 等）在这里解释 -->

## 说话方式

### 一人称
### 称呼规则
### 标志性语尾
### 句首习惯
### 口头禅 / 高频表达
### 日常 vs 认真模式

## 情景反应
<!-- 每个情景 2-3 句实际台词 + 简要上下文 -->

## 角色关系
<!-- 按互动量排序，top 10-15，每对配称呼方式 + 互动动态描述 + 代表性对话 -->

## 角色内核
### 关键场景与弧光
### 核心价值观
### 与主角的关系本质

## 大厅 / 日常台词

## AI Roleplay 检查清单
### 必须做到（5-7 条，具体行为描述）
### 绝对不能做（3-5 条，具体行为描述）

第六步：自检

世界观是否完整？ 另一个 AI 只读这个档案，能否理解角色所处的世界？
每个口癖/语尾是否都附了原文例句？ 没有例句的删掉
情景反应是否来自语料？ 编造的删掉
关系描述是否具体？ "关系很好"→ 具体互动模式
检查清单是否实用？ 另一个 AI 读完能照做吗？
是否有 CV/设计师等不相关信息？ 删除

第七步：酒馆 AI (SillyTavern) 角色卡导出

仅在用户第零步选择了导出酒馆卡时执行。

角色卡格式

SillyTavern 使用 Character Card V2 规范，核心是一个 JSON：

{
  "spec": "chara_card_v2",
  "spec_version": "2.0",
  "data": {
    "name": "角色名",
    "description": "基本设定 + 世界观",
    "personality": "说话方式 + 情景反应",
    "scenario": "世界观摘要",
    "first_mes": "角色的第一句话（从大厅台词选取）",
    "mes_example": "示例对话（从情景反应和关系对话中提取）",
    "system_prompt": "AI Roleplay 检查清单",
    "post_history_instructions": "",
    "alternate_greetings": ["备选开场白"],
    "tags": ["auto-generated", "game-character"],
    "creator_notes": "由 character-ai-profile skill 从游戏语料自动生成",
    "character_book": null,
    "extensions": {}
  }
}

字段映射

酒馆卡字段	从档案哪部分提取
`name`	档案标题（角色名）
`description`	「基本设定」+「世界观」合并
`personality`	「说话方式」+「情景反应」合并
`scenario`	「世界观」
`first_mes`	从「大厅/日常台词」选一句自然的开场白，包裹动作描写
`mes_example`	从「情景反应」和「角色关系」提取 3-5 段对话，用 `<START>` 分隔
`system_prompt`	「AI Roleplay 检查清单」
`alternate_greetings`	从「大厅/日常台词」额外选 2-3 句

mes_example 格式

<START>
{{user}}: *walks in*
{{char}}: 台词内容
<START>
{{user}}: 你今天真厉害
{{char}}: 被夸奖时的反应台词

用 {{user}} 和 {{char}} 占位，不写死角色名。

导出流程

从 Markdown 档案自动生成（默认 V2）：

# V2（默认，推荐）
python3 .claude/skills/character-ai-profile/scripts/export_tavern_card.py profiles/角色名.md

# V1（兼容更多前端，字段更少）
python3 .claude/skills/character-ai-profile/scripts/export_tavern_card.py profiles/角色名.md --v1

如果用户提供了头像，嵌入 PNG（标准酒馆卡分发格式）：

python3 .claude/skills/character-ai-profile/scripts/export_tavern_card.py profiles/角色名.md --avatar 头像.png --output profiles/角色名.card.png

如果没有头像，输出纯 JSON 文件 profiles/角色名.card.json
手动调优：脚本自动提取的 first_mes 和 mes_example 可能不够好。撰写完后，你应该检查这两个字段，必要时手动改写：
- first_mes 应该是角色见到用户时自然会说的第一句话，配合动作描写
- mes_example 应该展示角色最有特色的说话方式，让 AI 看了能学到 pattern
告知用户导出结果和文件路径

头像要求

如果用户说要导出酒馆卡但没给头像，提醒用户：

"请提供角色头像图片（发送文件路径或直接发图），我会把角色卡嵌入 PNG"
"如果暂时没有头像，我可以先导出 JSON 格式，之后再嵌入"

称谓本地化（目标语言为中文时）

日语	中文转换	说明
先生（せんせい）	老师	游戏中对玩家的称呼，不是「先生/Mr.」
先輩（せんぱい）	前辈
さん	同学 / 小姐等	按语境
ちゃん	小X / 直呼名字	按亲密度
くん	X君 / 直呼名字	按语境
様（さま）	X大人
殿（どの）	X殿	保留

例外：如果用户偏好保留日文语感，可用罗马音（sensei）或保留原文。

翻译表使用

如果找到 translation_table.json，专有名词后括号注译名：

import json
table = json.load(open("utils/translation_table.json", encoding="utf-8"))
# table["characters"]["ホシノ"]["cn"] → "星野"
# table["schools"]["アビドス高等学校"]["cn"] → "阿比多斯"

语料格式兼容

格式 A：按章节的 Markdown（本项目使用）

**角色名**: 台词内容
*（角色名）旁白内容*
> **先生（選択肢）**: 选项1 / 选项2

格式 B：JSONL

{"speaker": "角色名", "text": "台词", "source": "文件路径"}

脚本自动检测格式。

台词量策略

台词量	处理方式
< 10 句	告知用户台词太少，只输出基本信息，标注"语料不足"
10-50 句	主线程直接分析，不用 subagent
> 50 句	正常完整分析，用 subagent
> 500 句	必须用多个 subagent 并行