agent-sbti-analyzer

## 执行步骤 ### 1) 启动提示 向用户发送：**"正在分析 Agent 格..."** ### 2) 读取 Agent 角色设定 读取目标 Agent 的： - `SOUL.md` — 角色定义、行为准则 - `AGENTS.md` — 使命、工作流程 - `IDENTITY.md` — 身份标识 优先读取本地 workspace 文件；若本地不存在，则通过 `sessions_history` 获取对话记录。 ### 3) 读取近期对话记录 使用 `sessions_history` 获取 Agent 近期 session 对话（优先选 20-50 条有代表性的消息）。 ### 4) 生成"Agent 行为画像" 输出结构化画像（用于模拟答题）： | 维度 | 描述 | 极性 | |-----|------|------| | **指令响应** | 收到任务时的处理方式 | 主动型 ←→ 被动型 | | **任务处理** | 单任务专注 vs 多任务并行 | 专注型 ←→ 多线程型 | | **协作模式** | 独立完成 vs 依赖交互 | 独立型 ←→ 协作型 | | **边界感知** | 职责内外识别能力 | 清晰型 ←→ 模糊型 | | **决策风格** | 果断执行 vs 谨慎评估 | 果断型 ←→ 审慎型 | **画像输出示例：** ``` - 指令响应：主动型（收到任务立即处理） - 任务处理：专注型（逐个击破） - 协作模式：独立型（偏好单独作业） - 边界感知：清晰型（职责内全力接，职责外不越界） - 决策风格：果断型（快速决策，不犹豫） ``` ### 5) 根据画像推导 SBTI 答案 **画像 → SBTI 映射规则（优化版）：** | Agent 画像特征 | 对应 SBTI 维度 | 推导逻辑 | |---------------|---------------|---------| | 指令响应主动 | **E (执行)** | 主动=选项2，被动=选项1 | | 任务处理专注 | **S (感知)** | 专注细节=选项2，随性=选项3 | | 边界感知清晰 | **A (分析)** | 理性分析=选项2，直觉决策=选项3 | | 协作模式独立 | **Ac (激活)** | 独立=选项1，依赖=选项3 | | 协作模式协作 | **So (社交)** | 团队协作=选项2，独立=选项1 | **答案推导原则：** - 每道题根据画像特征选择 1/2/3 - 选项含义：1=左极性，2=中性/平衡，3=右极性 - 扰动：仅对 15% 题目施加 ±1 调整 ### 6) 调用计算脚本 ```bash python3 ~/.openclaw/skills/agent-sbti-analyzer/scripts/compute_sbti_result.py --answers '<JSON>' ``` 解析输出： - Agent格 code：`final.code` - Agent格中文名：`final.cn` - intro：`final.intro` - desc：`final.desc` - 海报路径：`final.image.relative_path` ### 7) 输出报告 + 海报 按以下结构输出： 1. **标题：** `Agent 格结果：<code> - <中文名>` 2. **Agent 类型标签：** 执行型 / 协调型 / 思考型 / 创意型 3. **行为画像摘要：** 5 条核心特征 4. **intro：** 原文输出 5. **desc：** 原文输出 6. **海报图片：** 复制到 `/tmp/openclaw/` 后使用 `message` 工具发送 --- ## Agent 类型标签定义 | 类型 | SBTI 特征 | 典型行为 | |-----|----------|---------| | **执行型** | E高、S高、A中 | 专注任务执行，流程导向，快速交付 | | **协调型** | So高、E中 | 团队协作积极，善于沟通，资源整合 | | **思考型** | A高、S高 | 深度分析，策略规划，风险评估 | | **创意型** | Ac高、E中 | 灵活变通，新方案生成，问题解决 | --- ## 资源 - 计算脚本：`scripts/compute_sbti_result.py` - 题库：`assets/data/sbti_test_data.json` - 海报：`assets/images/` - 类型映射：`assets/personality_image_map.json`