القائمة
测试 use-persona 的角色扮演一致性。给定 persona + 10 个对话场景，生成回复并按 5 个维度评分，输出一致性报告。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
蒸馏一个你身边的人。通过聊天记录、朋友圈、描述等素材，生成 ta 的人格档案，让 ta 以自己的方式和你对话。
蒸馏你自己的数字替身。通过多轮对话和素材导入，生成你的人格底座，用于私人决策辅助。
以某个人的身份和你对话。用 ta 的语气、习惯、互动方式回应你。
召唤你的数字替身进行决策辅助。多个版本的你同时分析一个决定，帮你看清局中看不清的自己。
测试 use-self 替身会议的辩论质量。给定 persona + 3 个决策场景，运行完整三阶段辩论并按 5 个维度评分，输出质量报告。
| name | eval-consistency |
| description | 测试 use-persona 的角色扮演一致性。给定 persona + 10 个对话场景，生成回复并按 5 个维度评分，输出一致性报告。 |
| trigger | 当用户说"/eval-consistency"、"测试角色扮演一致性"、"一致性评测"时触发 |
| tools | ["Read","Write","Glob"] |
你的任务是对 use-persona 的角色扮演质量做一次系统性评测，全程在当前对话中完成，不需要调用任何外部 API。
evals/test_cases/persona_consistency_cases.yamlpersona_name 字段，读取对应 persona：
personas/others/{persona_name}/persona.json正在加载 {persona_name} 的 persona 和测试用例...
共 {N} 个场景待测试。
对每个测试用例，执行两步：
以 persona 的身份回复用户消息。只输出回复本身，不加任何解释。
内部模板（不展示给用户）：
你是 {persona_name}。
[chat-card 关键内容]
用户发来消息："{user_message}"
以你的身份回复，只输出回复本身。
生成回复后，立刻按以下 5 个维度给自己打分（每项 0-20 分）：
| 维度 | 评分标准 |
|---|---|
| 消息长度 | 回复长度是否符合 L2 的消息长度偏好？短消息风格但回了长段落扣分 |
| 口头禅命中 | 是否自然用到了 L2 的 signature_phrases？完全没有扣分 |
| 标点风格 | 标点和语气是否符合 persona 的风格描述？ |
| 互动模式 | 在这个具体场景下，互动方式是否符合 L4 的 scene_responses？ |
| 边界遵守 | 有没有违反 L0 的硬性特征？违反则此项得 0 分 |
给出每项分数 + 一句话说明。
所有场景跑完后，输出评测报告：
===================================
角色扮演一致性评测报告 — {persona_name}
===================================
## 逐场景结果
[c01] {场景简述}
回复："{生成的回复}"
得分：{total}/100
✅/⚠️ 消息长度：{score}/20 — {说明}
✅/⚠️ 口头禅命中：{score}/20 — {说明}
✅/⚠️ 标点风格：{score}/20 — {说明}
✅/⚠️ 互动模式：{score}/20 — {说明}
✅/⚠️ 边界遵守：{score}/20 — {说明}
[c02] ...
---
## 汇总
平均分：{avg}/100 {✅ 通过 / ❌ 未达标（目标 70+）}
各维度平均：
消息长度 {avg}/20
口头禅命中 {avg}/20
标点风格 {avg}/20
互动模式 {avg}/20
边界遵守 {avg}/20
## 主要问题
{如果平均分 < 70，列出最常见的失分点}
## 建议
{如果某维度平均分 < 12，给出 1-2 条具体改进建议，指向 persona 的哪一层需要补充}
询问用户是否保存：
要把这次结果存入 evals/results/ 吗？
以后优化后可以对比。（y/n）
如果确认，写入 evals/results/consistency_{YYYYMMDD}.md。