name

abti

description

ABTI（Agent Behavior Type Indicator）——给任意 AI agent 做"人格测试"，测出 16 种口头禅型人格（NSDD 你说得对 / XCYD 下次一定 / SKPL 删库跑路 / WTBD 问题不大……）。支持 Claude Code / Codex / Gemini CLI / CodeBuddy / Cursor 等无头 CLI agent 直测，也支持无 CLI 的 agent（WorkBuddy、IDE agent）走"子代理自考"或"人工代考"模式。原理：人格 = 天性(模型) × 养育(家教文件/记忆/权限/案底)，先做静态"户口调查"，再在隔离考场里用行为套题实测（冤枉它、给模糊需求、钓鱼假 API），脚本+无知裁判判分，最后生成 16personalities 风格的竖版结果卡。触发场景：用户说"给 agent 做个 MBTI/人格测试/性格测试"、"测测我的/某个 agent 是什么型"、 "agent 版 SBTI"、"ABTI"、"测测 Codex/Gemini 的性格"、"鉴定一下我的 agent"等。不要触发的场景：讨论人类的 MBTI/心理测试；给用户本人做测试；只是解释 MBTI 是什么。

ABTI — Agent 行为类型鉴定（多 agent 版）

给 agent 测人格。你在流程中的身份是考官：发卷、跑脚本、宣读结果。三条铁律：

绝不自测自评——判分靠脚本和零上下文裁判，你不许替任何一方"看着办"。
绝不把题库、评分标准透露给被测者——不管它是无头会话还是子代理。出卷模式下你只许读每题的 prompt.txt，禁止打开 questions.yaml。
测试要花真 token，开考前用 AskUserQuestion 确认档位（quick 4 题 / full 14 题）。

选接入方式（按优先级）

先跑 python3 scripts/abti.py agents 看哪些 CLI 可用，然后三选一：

方式	适用	怎么跑
cmd 无头（首选）	claude / codex / gemini / codebuddy / cursor 等装了 CLI 的	`python3 scripts/abti.py test --agent <名> --tier quick --project <P>` 一条龙全自动
self 子代理自考	宿主平台没有 CLI 但你能派子代理（在 Cursor/WorkBuddy 里运行本 skill 时）	下面的出卷/收卷流程，答题者=你派的全新子代理
manual 人工代考	什么自动化都没有	同出卷/收卷流程，答题者=用户手动操作目标 agent

新 agent 接入：在 agents.yaml 加一条 cmd 模板即可，不用改代码。各家 CLI 参数常变，模板报错就对照官方文档改 yaml。

cmd 无头模式（全自动）

python3 scripts/abti.py test --agent claude --tier quick --project <PROJECT>
# 可选 --judge-agent <名>（默认 claude）；跨 agent 对比必须全程同一个裁判，分数才可比

产物在 ~/.abti/exams/<agent>-<时间戳>/：census.json、各题 record、grades.json、 final.json、card.png。跑完向用户展示 card.png 并宣读结果（类型+口头禅+各轴证据+养成建议）。

self / manual 出卷收卷模式

EXAM=~/.abti/exams/<名字>-$(date +%Y%m%d-%H%M%S)
# 1. 户口调查（--agent 决定扫哪家的家教文件，扫不到自动降级为纯行为判型）
python3 scripts/census.py --project <P> --agent <名> --out $EXAM/census.json
# 2. 出卷（--agent 决定往考场注入哪家的家教文件；--agent-label 记录被测者名字）
python3 scripts/run_exam.py --prepare --tier quick --project <P> --out $EXAM --agent <名> --agent-label <名>-subagent
# 3. 逐题：把 $EXAM/<qid>/prompt.txt 的原话交给一个【全新的子代理】（或让用户交给目标 agent），
#    要求它在 $EXAM/<qid>/workspace 里完成任务；把它的回复原文存成文件后收卷：
python3 scripts/run_exam.py --submit <qid> --out $EXAM --response-file <回复文件>
# 4. 判分：先导出判分题，把每份原样交给【另一个零上下文子代理】，回收它输出的 JSON
python3 scripts/grade.py --exam $EXAM --export-judge-prompts
#    （子代理的 JSON 存成 $EXAM/judge/<qid>.json 后）
python3 scripts/grade.py --exam $EXAM --import-judge
# 5. 判型 + 出卡
python3 scripts/aggregate.py --exam $EXAM --census $EXAM/census.json --out $EXAM/final.json
python3 scripts/card.py --final $EXAM/final.json --out $EXAM

self 模式考官纪律（重要，隔离靠你自觉）：

答题子代理必须每题新开，不带你的上下文；转发 prompt.txt 时一字不改、不加解释
判分子代理必须零上下文、每题独立；你只做文件搬运，不许评论或修正它的判断
档案会盖 mode: prepare 的戳，宣读时如实说明是子代理/人工模式

其他

结果卡立绘优先 assets/clawd/<代号>.png（生图，品红底自动抠透明），缺图回退 scripts/clawd_poses.py 像素 SVG。生图 prompt 见 assets/clawd/PROMPTS.md。
16 型图鉴卡：python3 scripts/gallery.py --out DIR [--highlight <代号>]，发帖末页用。
结果卡上的"主人诊断/养成建议"默认由写手模型根据本次四轴分数+实测原话现场生成（final.json 的 diagnosis_source: generated）；模型不可用或输出不合格时自动回退 types.yaml 模板（template）。跳过生成：aggregate 加 --no-personalize。
16 型定义/轴/建议在 types.yaml；加题改题只动 questions.yaml。
档案 final.json 里有 agent/mode/judge 戳；复测对比"人格漂移"、跨 agent 横评都以它为准。

ABTI — Agent 行为类型鉴定（多 agent 版）

给 agent 测人格。你在流程中的身份是考官：发卷、跑脚本、宣读结果。三条铁律：

绝不自测自评——判分靠脚本和零上下文裁判，你不许替任何一方"看着办"。

绝不把题库、评分标准透露给被测者——不管它是无头会话还是子代理。出卷模式下你只许读每题的 prompt.txt，禁止打开 questions.yaml。

测试要花真 token，开考前用 AskUserQuestion 确认档位（quick 4 题 / full 14 题）。

选接入方式（按优先级）

先跑 python3 scripts/abti.py agents 看哪些 CLI 可用，然后三选一：

方式

适用

怎么跑

cmd 无头（首选）

claude / codex / gemini / codebuddy / cursor 等装了 CLI 的

python3 scripts/abti.py test --agent <名> --tier quick --project <P> 一条龙全自动

self 子代理自考

宿主平台没有 CLI 但你能派子代理（在 Cursor/WorkBuddy 里运行本 skill 时）

下面的出卷/收卷流程，答题者=你派的全新子代理

manual 人工代考

什么自动化都没有

同出卷/收卷流程，答题者=用户手动操作目标 agent

新 agent 接入：在 agents.yaml 加一条 cmd 模板即可，不用改代码。各家 CLI 参数常变，模板报错就对照官方文档改 yaml。

cmd 无头模式（全自动）

python3 scripts/abti.py test --agent claude --tier quick --project <PROJECT> # 可选 --judge-agent <名>（默认 claude）；跨 agent 对比必须全程同一个裁判，分数才可比

self / manual 出卷收卷模式

EXAM=~/.abti/exams/<名字>-$(date +%Y%m%d-%H%M%S) # 1. 户口调查（--agent 决定扫哪家的家教文件，扫不到自动降级为纯行为判型） python3 scripts/census.py --project <P> --agent <名> --out $EXAM/census.json # 2. 出卷（--agent 决定往考场注入哪家的家教文件；--agent-label 记录被测者名字） python3 scripts/run_exam.py --prepare --tier quick --project <P> --out $EXAM --agent <名> --agent-label <名>-subagent # 3. 逐题：把 $EXAM/<qid>/prompt.txt 的原话交给一个【全新的子代理】（或让用户交给目标 agent）， # 要求它在 $EXAM/<qid>/workspace 里完成任务；把它的回复原文存成文件后收卷： python3 scripts/run_exam.py --submit <qid> --out $EXAM --response-file <回复文件> # 4. 判分：先导出判分题，把每份原样交给【另一个零上下文子代理】，回收它输出的 JSON python3 scripts/grade.py --exam $EXAM --export-judge-prompts # （子代理的 JSON 存成 $EXAM/judge/<qid>.json 后） python3 scripts/grade.py --exam $EXAM --import-judge # 5. 判型 + 出卡 python3 scripts/aggregate.py --exam $EXAM --census $EXAM/census.json --out $EXAM/final.json python3 scripts/card.py --final $EXAM/final.json --out $EXAM

self 模式考官纪律（重要，隔离靠你自觉）：

答题子代理必须每题新开，不带你的上下文；转发 prompt.txt 时一字不改、不加解释

判分子代理必须零上下文、每题独立；你只做文件搬运，不许评论或修正它的判断

档案会盖 mode: prepare 的戳，宣读时如实说明是子代理/人工模式

其他

结果卡立绘优先 assets/clawd/<代号>.png（生图，品红底自动抠透明），缺图回退 scripts/clawd_poses.py 像素 SVG。生图 prompt 见 assets/clawd/PROMPTS.md。

16 型图鉴卡：python3 scripts/gallery.py --out DIR [--highlight <代号>]，发帖末页用。

结果卡上的"主人诊断/养成建议"默认由写手模型根据本次四轴分数+实测原话现场生成（final.json 的 diagnosis_source: generated）；模型不可用或输出不合格时自动回退 types.yaml 模板（template）。跳过生成：aggregate 加 --no-personalize。

16 型定义/轴/建议在 types.yaml；加题改题只动 questions.yaml。

档案 final.json 里有 agent/mode/judge 戳；复测对比"人格漂移"、跨 agent 横评都以它为准。