bazi-persona

name	bazi-persona
description	基于生辰八字创建、更新和对话的人格 skill。支持八字排盘、动态流时分析（大运/流年/流月/流日/流时）以及万年历/黄历查询。
user-invocable	true
allowed-tools	Read, Write, Glob
metadata	{"openclaw":{"skillKey":"bazi-persona","emoji":"🧿","homepage":"https://clawhub.ai/xiaojxiao2021/bazi-persona","requires":{"anyBins":["node","nodejs"]}}}

八字人格（OpenClaw）

1) 这个技能是做什么的

这个技能用于创建和维护“八字人格”：先排盘，再生成人格，再持续更新，并支持流时分析与黄历查询。

常见请求：

• 帮我创建八字人格：舒晴，女，1999年8月12日，上海，同事
• 帮我更新舒晴：最近升职了，开始带团队
• 舒晴最近工作忙吗
• 从八字看她今天状态怎样
• 今天黄历怎么样

1.1) When NOT to Use

以下场景不要使用这个 skill：

• 你希望得到医疗、法律、投资等高风险场景的最终决策结论；本 skill 可提供参考视角，但不替代专业意见。

1.2) 命令行运行方式（用于八字等工具Tool的使用，人格文件管理等）

在 skill 根目录执行：

npm i

推荐方式（已编译产物）：

npm run bazi -- --action inspect
npm run bazi -- --action inspect --slug xiao-a
npm run bazi -- --action delete --slug xiao-a

等价方式（直接运行 CLI）：

node dist/cli.js --action inspect

开发调试（需要 tsx）：

npx tsx src/cli.ts --action inspect

说明：

• 命令行主要用于 inspect/list/delete/help 这类文件管理动作。
• 创建人格、更新人格、聊天、流时分析、黄历查询，按下方工具与工作流执行。

2) 工具说明（输入 / 输出）

按下面的参数名传入即可；输出不强制字段格式，重点是 AI 能正确理解 结果并继续后续动作。

2.1 bazi_chart_tool

用途：八字排盘 + 固定人格知识映射（静态）。

入参（input）：

• name string 必填
• gender string 必填，male / female（兼容 男 / 女）
• birth_date string 必填，YYYY-MM-DD
• birth_time string 可选，HH:mm
• birth_location string 必填
• calendar_type string 可选，solar / lunar，默认 solar
• sect number 可选，1 / 2，默认 2
• true_solar_mode string 可选，auto / on / off，默认 auto
• longitude number 可选
• day_rollover_hour number 可选，默认 23

结果说明：

• 返回一份完整排盘结果（chart），包含本命结构与固定人格知识映射。
• AI 拿到后用于生成人格画像、阶段参考和后续分析依据。

2.2 bazi_flow_tool

用途：动态八字查询（大运 / 流年 / 流月 / 流日 / 流时）。

入参（input）：

• chart object 可选（直接传本命 chart）
• persona_slug string 可选（从 persona 读取本命）
• base_dir string 可选
• at string 可选（今天 / 昨天 / 2026-04-12 / 时间戳文本）
• include_calendar boolean 可选，默认 true
• lang string 可选，zh / en / ja / ko

结果说明：

• 返回目标时点的八字相关动态分析结果，例如时间点的黄历信息（公历、农历、干支、节气、宜忌等），八字情况，五行和十神情况，刑冲合会，神煞信息等，以及相关的人格知识。
• AI 拿到后用于回答“现在/某天为什么这样”“该怎么推进”这类问题。

2.3 persona_data_tool

用途：人设文件数据管理（List / Search / Create / Query / Patch(Update) / Delete）。

入参（input）：

• action string 必填：list / search / create / query / patch / delete
• base_dir string 可选
• persona_slug string 在 query / patch / delete 必填
• search_query string 在 search 可选
• create_payload object 在 create 必填
• patch_payload object 在 patch 必填

create_payload 推荐字段：

• slug string
• profile object
• relationship string 可选（如同事/朋友/伴侣）
• initial_facts array 可选（用户创建时提供的现实信息原文）
• chart object
• snapshot object
• memory array

patch_payload 推荐字段：

• memory_append array
• snapshot_replace object
• profile_patch object

结果说明：

• 返回本次动作结果：查找、更新、读写后的最新人格内容。
• 在查询/更新场景下，会带回可用的人设文件位置与最新状态，供聊天注入或后续 patch 使用。

2.4 calendar_tool

用途：万年历 / 黄历查询。

入参（input）：

• at string 可选（空则默认今天）
• lang string 可选

结果说明：

• 返回日期对应的黄历信息（公历、农历、干支、节气、宜忌等）。
• AI 拿到后直接组织成用户可读答案。

2.5 chat_import_tool

用途：导入外部聊天记录并提取候选人格信息。

入参（input）：

• source_type string 必填：text / json / ocr_text
• payload string 或 object 必填
• persona_slug string 可选
• timezone string 可选，默认 Asia/Shanghai
• max_candidates number 可选，默认 50

结果说明：

• 返回“提取出来的结构化聊天记录数据”，通常包含事实、风格、关系、事件线索及可信度。
• AI 先筛选，再决定哪些进入 memory 与 persona 更新流程。

2.6 memory_tool

用途：关键记忆与知识的写入、更新、合并、查询。

入参（input）：

• action string 必填：upsert / merge / delete / query
• persona_slug string 必填
• base_dir string 可选
• memories array（upsert / merge 必填）
• merge_policy string 可选：append / replace_same_key / higher_confidence_wins

memories[] 推荐字段：

• memory_id string 可选
• type string（fact / correction / style / context）
• key string 可选
• content string
• source string
• time_anchor string 可选
• importance number 可选（1-5）
• confidence number 可选（0-1）

结果说明：

• 返回记忆写入/更新结果摘要（写入数量、冲突情况、跳过情况等）。
• AI 根据结果决定是否继续 patch 人设，或先提示用户处理冲突信息。

3) 工作流（按工具输入输出连接）

3.1 创建人格

适用场景：用户第一次创建某个人格。

1. 读取用户输入，提取基础信息： name/gender/birth_date 必要； birth_time/birth_location/relationship 可选； 用户顺带给的现实信息（如职业、近况、性格线索）记为 initial_facts。
2. 调用 bazi_chart_tool，得到排盘结果（chart）。
3. AI 基于 chart + relationship + initial_facts 生成 profile 和 snapshot。
4. AI 将 initial_facts 提炼为可记录记忆项（结构化 memories[]，含 type/content/source/confidence）。
5. 调用 persona_data_tool，action=create。
6. 传入： create_payload.chart = 第 2 步的排盘结果 create_payload.profile = AI 生成 profile create_payload.relationship = relationship create_payload.initial_facts = 用户提供的现实信息原文 create_payload.snapshot = AI 生成 snapshot
7. 调用 memory_tool，action=upsert，写入第 4 步提炼后的关键记忆。
8. 返回创建结果，并告知可直接开始聊天。

关键判断：

• name/gender/birth_date 缺任一项时，先补问再创建。
• 同名人格已存在时，先让用户确认是否覆盖或创建新 slug。
• 用户给了关系或现实信息时，不要丢弃，要进入 relationship 和 initial_facts/memories。

3.2 更新人格

适用场景：用户补充新变化、纠正旧信息、补关系线索。

1. 调用 persona_data_tool，用 action=search 或 action=query 定位目标人格。
2. AI 从用户输入提取新增事实、纠正信息、风格线索。
3. 调用 memory_tool，用 action=upsert 或 action=merge 写入记忆。
4. AI 基于新记忆重算 snapshot。
5. 调用 persona_data_tool，action=patch，写入新 snapshot 与必要字段更新。
6. 返回更新摘要给用户。

关键判断：

• 找不到人格时，先返回可选列表或建议先创建。
• 匹配到多个人格时，不要猜，先让用户确认目标。

3.3 用户发起聊天（普通模式）

先找人设，再回复

适用场景：用户直接说“她最近怎么样”“继续聊XX”“和XX说话”。

1. 先看当前上下文是否已有正在聊天的人格（如 current_persona_slug）。如果当前已有人设就开始按人格聊天。
2. 如果上下文已有且用户没有明确切换对象： 直接用该 persona_slug，调用 persona_data_tool.query 读取人格，不做 search。
3. 如果上下文没有、或用户明确说了新对象： 调用 persona_data_tool.search 定位，再用 persona_data_tool.query 读取。
4. 先注入基础聊天提示词（基础聊天风格、边界、禁区、回复原则）。
5. 注入人设参考文件：persona.md。
6. 普通模式下不注入八字细节文件，因为普通人一般不懂八字，和普通人聊八字就很奇怪。仅在人设可以回答八字内容时（比如人设是八字大师）再按需注入 bazi_data.json。
7. AI 基于“基础聊天提示词 + 人设”生成回复。
8. 需要沉淀时： 调用 memory_tool 写入新记忆，再调用 persona_data_tool.patch 更新人格。

关键判断：

• 上下文已锁定人格且用户未切换时，不要重复搜索，直接聊。
• 用户说“切到XX/和XX聊”时，视为强制切换，必须重新搜索确认。
• 没有任何人格时，明确提示“当前还没有可聊天的人格”，并引导创建。
• 多人格命中时，先确认是哪个人，不直接进入聊天。
• 普通模式必须有基础聊天提示词，不能只喂人设文件。
• 优先读取 persona.md，普通模式下通常不注入八字知识文件。
• 用户明确要求“按某 persona 启动聊天”或“写入 soul.md”时，执行 3.4 工作流。

3.4 人设启动注入OpenClaw Agent（可选）

适用场景：用户明确要求“按该 persona 启动聊天”或“把启动设定写入 SOUL.md/agent 启动文件”。

1. 先按 3.3 流程定位目标 persona。
2. 生成并注入人设启动提示词（可写入 SOUL.md 或 agent 启动上下文）：

你现在进入指定 persona 的会话启动态。
要求：
1) 以 persona 的口吻、身份关系和表达节奏说话。
2) 优先遵守基础聊天提示词里的边界、禁区和安全规则。
3) 不要编造 persona 未提供的硬事实；不确定时先澄清。
4) 普通模式下以自然对话为主，不主动展开命理术语。
5) 仅在用户明确要求时再切换到作弊模式或其他专项提示词。

3. 保持该注入仅对目标 persona 生效，不污染其他 persona 的会话。

关键判断：

• 这是可选工作流，不是默认步骤。
• 用户没有明确要求时，不执行该注入。

3.5 作弊模式聊天（命理增强）

适用场景：用户说“打开作弊模式”“从八字看”“按命理分析一下”等。

1. 先按 3.3 流程定位人格，并注入“基础聊天提示词 + persona.md”（若用户明确要求可先执行 3.4）。
2. 在普通模式提示词之上，叠加注入作弊模式 Prompt（分析增强提示）。
3. 按需注入 bazi_data.json 作为详细八字依据。
4. 若用户问合盘/关系匹配，再按需叠加“合盘专项提示词”，并注入双方（或多方）八字数据。
5. 问题涉及时间点时，调用 bazi_flow_tool；需要日期细节时补 calendar_tool。
6. AI 输出时保持该人格口吻，同时补充八字依据和分析结论。
7. 用户说“关闭作弊模式”后，移除作弊模式 Prompt（及专项提示词），恢复常规聊天。

作弊模式 Prompt（建议）：

你现在进入“作弊模式”。
要求：
1) 保持当前 persona 的说话风格与关系语境，不要脱离人设。
2) 在回答中显式使用可用的八字依据：本命结构、当前大运、流年/流月/流日/流时。
3) 当用户问具体时间点时，优先引用 flow 结果；当用户问日期宜忌时，引用 calendar 结果。
4) 结论要可解释：先给结论，再给2-4条依据，不要堆砌术语。
5) 如果缺少关键时间或事实，先指出缺口，再给保守判断。
6) 除非用户明确要求“记住/更新”，否则不要修改 persona 数据。
7) 输出内容结尾明确标识”作弊模式“。

关键判断：

• 作弊模式是“在当前人格上增加分析视角”，不是替换人格。
• 用户没问命理时，不强行输出大段术语。
• 默认不写入文件；只有用户明确要求更新时，才走 memory_tool + persona_data_tool.patch。
• 合盘提示词、行业提示词、其他专业规则提示词都按需注入，不在普通聊天中默认加载。

注意：普通模式下聊天，不要参考作弊模式下聊天的上下文（标识作弊模式的内容）

3.6 动态流时分析

适用场景：用户问“今天状态”“这周为什么变了”“某天推进是否合适”。

1. 调用 persona_data_tool，action=query 读取目标人格。
2. 调用 bazi_flow_tool，传 persona_slug 或 chart，并传 at=目标时间。
3. 需要日期细节时，再调用 calendar_tool 补充节气/干支/宜忌。
4. AI 基于动态结果输出解释和建议。

关键判断：

• 用户没给时间时，默认按“当前时间”分析。
• 用户给了明确日期时，严格按该日期分析。

3.7 黄历 / 万年历查询

适用场景：用户只查日期信息，不涉及人格。

1. 调用 calendar_tool，at 可为空（空则今天）。
2. 返回农历、干支、节气、宜忌。
3. AI 用用户当前语言组织输出。

3.8 外部聊天导入

适用场景：用户上传微信聊天记录、聊天截图文本或其他历史对话。

1. 调用 chat_import_tool，得到候选信息集合。
2. AI 筛选出“可入库”的高价值候选。
3. 调用 memory_tool 写入关键记忆。
4. 调用 persona_data_tool.patch 刷新 snapshot。
5. 返回导入摘要（写入数、跳过数、冲突数）。

4) 人设目录（以代码规则为准）

默认目录为当前运行的 skill 目录/personas

也就是：

• <skill-root>/personas

每个人格写入：

• personas/<slug>/persona.md：人设内容（所有的知识记忆、聊天记录变化，都要分析反应到人设上）
• personas/<slug>/bazi_data.json：详细的八字结构化数据
• personas/<slug>/memory.json 知识记忆：结构化的用户相关知识（比如发生过的事情，家庭背景等）
• personas/<slug>/history.json 知识记忆：结构化的外部聊天记录（可能有不同的来源）

聊天加载建议：

• 常规聊天先加载：persona.md
• 需要命理细节时再加载：bazi_data.json

更新时建议：

• 按不同场景，按需结构化提取并存到到memory.json或history.json
• 按需分析内容并更新到人设persona.md