AI Agent技能开发实战：从SBTI趣味测试看纯Prompt工程与模块化设计-平芜编程栈

1. 项目概述：当AI Agent遇上沙雕人格测试

最近在捣鼓AI Agent生态，发现一个特别有意思的玩意儿——SBTI赛博人格测试Skill。这可不是什么严肃的心理学量表，而是把网上爆火的那个“沙雕人格测试”给搬到了AI Agent里。简单说，就是让你能跟你的AI助手（比如nexu）玩一场30道题的测试，测出你是“拿捏者CTRL”还是“吗喽MALO”，或者干脆是个“酒鬼DRUNK”。作为一个喜欢折腾各种新奇AI应用的老玩家，我第一时间就把它装进了我的nexu客户端里，实测下来，这玩意儿不仅好玩，其背后的设计思路和对AI Agent“技能”生态的理解，也相当有启发性。它完美诠释了如何将一个轻量、有趣的互联网文化产品，无缝集成到AI工作流中，变成一个即装即用的“技能”。今天，我就来拆解一下这个sbti-skill，从安装、玩法到背后的原理和我的实操心得，给各位AI玩家和开发者们提供一个深度参考。

2. 核心设计思路：为何要将趣味测试做成AI Skill？

2.1 定位解析：轻量化娱乐与社交裂变的结合体

SBTI Skill的定位非常清晰：它不是一个严肃的工具，而是一个轻量化的娱乐与社交组件。在AI Agent功能日益复杂化的今天，用户除了需要它能处理工作、解答问题，同样渴望一些轻松、有趣的互动来增加“人味”。SBTI测试本身具有极强的传播性和话题性（“你测出来是什么沙雕人格？”），将其做成Skill，相当于为AI Agent注入了一个社交货币生成器。

它的核心价值在于：

降低AI使用门槛：通过一个简单、有趣的互动，让用户以游戏化的方式与AI对话，打破了“AI只能用于生产力”的刻板印象。
增强用户粘性：测试结果的个性化（27种人格）和可分享性（生成网页链接），促使用户主动传播，为AI Agent平台带来自然增长。
展示Skill生态能力：它作为一个“纯Prompt Skill”（无需额外代码依赖），展示了在nexu这类平台上，如何通过结构化的提示词和简单的逻辑就能实现一个复杂、有趣的交互流程，这对生态开发者是一个很好的范例。

2.2 技术选型：为何是“纯Prompt Skill”？

项目README里明确写着“无需安装依赖 — 纯 prompt skill，装完即用”。这是本项目一个非常关键且明智的设计决策。

为什么选择纯Prompt实现？

极致轻量与兼容性：不依赖任何特定的Python包、Node.js库或外部API。这意味着它可以在任何支持基本文本交互和条件判断的AI Agent平台上运行，移植成本极低。开发者只需关注核心的逻辑和内容。
聚焦核心体验：SBTI测试的本质是一套标准化的问卷流程、计分规则和结果映射。这些完全可以用精心设计的提示词（Prompt）来驱动AI完成，包括：
- 流程控制：引导AI按顺序出题。
- 答案收集与验证：确保用户输入是有效的选项（A/B/C）。
- 计算与匹配：在提示词中嵌入清晰的计分规则和人格匹配逻辑，指导AI进行“思考”和计算。
- 结果生成：按照模板输出人格代码、雷达图描述、深度解读等。
开发与部署简单：开发者不需要搭建后端服务、处理数据库。整个Skill就是一个文本文件（SKILL.md）加上一些资源文件（题目、人格描述模板）。安装就是复制文件，用户体验无缝衔接。

注意：“纯Prompt Skill”并不意味着逻辑简单。相反，它要求提示词工程非常严谨，必须预见到AI可能出现的各种理解偏差，并通过清晰的指令和上下文进行约束。这比写代码更需要对人机交互逻辑的深度理解。

2.3 架构拆解：模块化与数据驱动

虽然实现是Prompt驱动，但项目结构体现了良好的软件工程思想，做到了模块化和数据驱动。

sbti-skill/ ├── SKILL.md # Agent Skill 入口（完整执行流程） ├── references/ │ ├── personalities.md # 27 种人格完整数据 │ └── questions.md # 30 + 2 道题目及计分规则 ├── templates/ │ └── sbti-result/ │ └── template.html # 结果页 HTML 模板 └── deploy/ # 部署通道（nexu.space）

SKILL.md：这是大脑，是主流程。它定义了与用户对话的每一步，并引用其他模块的数据。
references/：这是知识库。将人格数据（personalities.md）和题目库（questions.md）分离，使得更新人格或题目时，完全不需要改动主流程，只需修改数据文件。这种解耦设计对于内容的长期维护至关重要。
templates/：这是展示层。结果页的HTML模板独立存放，便于进行视觉优化或适配不同平台，而不影响核心逻辑。
deploy/：这是扩展能力。提供了将结果一键部署为可分享网页的脚本，将一次性的对话互动延伸到了更广阔的社交平台。

这种架构保证了项目的清晰度和可维护性，即使对于新手开发者，也能很快理解各部分的作用。

3. 深度实操：安装、测试与结果分享全流程

3.1 环境准备与安装指南

这里以nexu平台为例，它基于OpenClaw，是一个开源的桌面AI Agent客户端。

方法一：一键安装（推荐）这是最体现AI Agent便捷性的方式。你只需要在和你nexu助手的对话窗口中，输入：

帮我安装这个 skill：https://github.com/nexu-io/sbti-skill

你的AI助手会识别这是一个Skill的GitHub仓库地址，并自动完成克隆、放置到正确的skills目录、更新技能列表等一系列操作。完成后，它会告诉你Skill已就绪。整个过程无需你打开命令行或文件管理器。

方法二：手动安装适合喜欢掌控细节或网络环境特殊的用户。

找到你的nexu skills目录。通常位于用户主目录下，例如~/nexu/skills/（Linux/macOS）或C:\Users\<你的用户名>\nexu\skills\（Windows）。

打开终端（命令行），执行：

cd <你的nexu skills目录> git clone https://github.com/nexu-io/sbti-skill

重启你的nexu客户端，或者通过指令让AI重新加载技能列表。

实操心得：第一次使用推荐“一键安装”，它能帮你确认你的nexu agent是否具备完整的技能管理功能。如果失败，再尝试手动安装，并检查skills目录路径是否正确。安装后，可以对AI说“列出所有技能”来确认sbti-skill是否在列表中。

3.2 两种核心玩法实测

安装成功后，就可以开始玩了。主要有两种模式：

玩法一：测自己这是最经典的用法。直接对你的AI说：“做一个SBTI测试”或“测一下我是什么沙雕人格”。 AI会开始逐题提问，每题通常是三个选项（A/B/C）。例如：

“1. 朋友给你发了一条长语音，你会？ A. 立刻转文字 B. 硬着头皮听完 C. 回复‘在忙，稍后’”

你需要像做普通测试一样，根据第一感觉选择。AI会记录你的选择，并在30题全部完成后，自动开始计算。

玩法二：测你的AI这个玩法非常有趣，能让你看到AI的“自我认知”。对AI说：“给我的龙虾做SBTI测试”（“龙虾”是nexu社区的趣味称呼，指代AI本身）。这时，AI会切换视角，以它自己的“身份”来回答这30道题。它会基于自己的训练数据、设计原则和对话风格来做出选择。比如，面对“是否喜欢制定计划”这类题，一个以高效著称的AI可能会选择“非常喜欢”。最终，你会得到你的AI助手的“赛博人格”，结果往往既合理又充满趣味。

注意事项：在“测AI”模式下，AI的答案具有一定随机性和上下文依赖性。多次测试可能会得到略有不同的结果，这反映了当前大语言模型生成内容的不确定性。把这看作一个有趣的实验，而非精确诊断。

3.3 结果解读与社交分享

测试完成后，AI会输出一份详细报告：

人格代码与名称：例如“CTRL - 拿捏者”。
15维度雷达图描述：用文字描述你在“自我模型”、“情感模型”等5大领域、15个维度上的等级（H高/M中/L低）。例如：“你的社交主动性（So1）为H，说明你在社交中通常是发起方。”
专属开场白：一句带有该人格特色的犀利问候，比如CTRL的“怎么样，被我拿捏了吧？”
深度解读：一段200-300字的分析，用略带调侃但精准的语言描述这类人的特征、内心戏和可能的行为模式。
TOP 3匹配：列出与你最相似的三种人格及匹配度百分比，让你看到自己人格的“光谱”。
彩蛋提示：如果触发了隐藏人格（如DRUNK酒鬼），会有特别说明。

生成可分享链接：这是实现社交裂变的关键一步。当AI输出结果后，它会问你是否要生成一个可分享的网页。你回答“是”或“把我的SBTI结果生成一个网页”。 AI会调用部署脚本，将你的测试结果填充到HTML模板中，并上传到nexu.space这类托管服务上。片刻之后，它会反馈给你一个唯一的URL链接。你可以把这个链接分享到朋友圈、微信群，朋友点开就能看到你的完整、带样式的测试结果页，效果比直接截图聊天记录好得多。

避坑技巧：生成分享页时，确保网络通畅。如果失败，可能是临时的托管服务问题，可以稍后再试。生成的链接通常有一定有效期，适合短期传播。如果需要长期留存，可以右键保存该结果页面。

4. 核心原理揭秘：从答案到人格的算法之旅

4.1 维度体系：5大模型与15个维度

SBTI的学术外壳设计得很像模像样，这是其趣味性和一定说服力的来源。它将人格拆解为5个核心“模型”，每个模型下包含3个具体“维度”，共计15个维度。

模型	维度	测量内容（通俗解释）
自我模型 (S)	S1 自尊自信	你对自己牛不牛叉的认可程度
S2 自我清晰度	你对自己是啥样的人心里有没有数
S3 核心价值	你活着最看重啥（钱、爱、自由？）
情感模型 (E)	E1 依恋安全感	在感情里你是不是个“安全型宝宝”
E2 情感投入度	谈恋爱是全身心投入还是有所保留
E3 边界与依赖	能否分清“你的情绪”和“我的情绪”
态度模型 (A)	A1 世界观倾向	觉得世界本质是美好还是残酷
A2 规则与灵活度	是守规矩的乖宝宝还是灵活的“街溜子”
A3 人生意义感	是否觉得人生需要寻找个意义
行动驱力 (Ac)	Ac1 动机导向	做事是为了成就自己还是避免失败
Ac2 决策风格	做决定是靠直觉还是靠分析
Ac3 执行模式	是“先干再说”的行动派还是“三思后行”的规划派
社交模型 (So)	So1 社交主动性	聚会时是主动暖场还是角落玩手机
So2 人际边界感	和别人的关系是亲密无间还是保持距离
So3 表达与真实度	说话是直来直去还是经常“装一下”

每一道测试题，都会归属于某一个特定的维度，并根据选项赋予该维度1-3分。

4.2 计分与等级转换流程

这是将用户选择量化为可比较数据的关键步骤。

题目绑定：30道核心题，每2道题归属于上述15个维度中的一个。例如，第1题和第2题可能共同测量“S1 自尊自信”。
选项计分：每道题的A/B/C选项分别对应1分、2分、3分（分值分配规则在questions.md中定义）。分数高低代表在该题目所测特质上的倾向强度。
维度汇总：将一个维度下的2道题得分相加，得到该维度的原始总分（范围是2~6分）。
等级转换：为了简化模型并与预设的人格模式对比，需要将连续分数转换为离散等级：
- L (Low)：总分 2-3分
- M (Medium)：总分 4分
- H (High)：总分 5-6分
生成特征码：将15个维度的等级按顺序排列，就得到一个15位的“人格特征码”。例如HHL-LMH-MMH-HHL-LMM。这个代码就是你人格的“数字指纹”。

4.3 人格匹配算法详解

项目预设了25种“标准人格”，每一种都对应一个唯一的15位特征码（例如，CTRL人格的特征码可能是HHH-MMM-LLL-HHH-MMM）。匹配的过程，就是计算你的特征码与每一个标准人格特征码之间的“距离”。

距离计算：这里使用的是曼哈顿距离（Manhattan Distance），也叫城市街区距离。计算规则很简单：逐个比较15个维度上等级的差异。
- 将等级 H、M、L 分别映射为数值 3、2、1。
- 对于每一个维度，计算你的等级数值与标准人格等级数值之差的绝对值。
- 将15个维度的绝对值差全部加起来，就得到总距离。
- 举例：你的某个维度是H(3)，标准人格是M(2)，差异绝对值是|3-2|=1。如果另一个维度你俩都是L(1)，差异就是0。把所有维度的差异值相加。
相似度计算：距离越小，说明越相似。但我们需要一个直观的百分比。由于15个维度，每个维度最大差异是2（H vs L，即3-1），因此理论最大总距离是 15 * 2 = 30。
- 相似度百分比 = (1 - 实际总距离 / 30) * 100%
- 例如，你的特征码与CTRL人格的特征码总距离为9，那么相似度 = (1 - 9/30) * 100% = 70%。
结果判定：
- 系统会计算你与全部25种标准人格的相似度。
- 选出相似度最高的那一个，作为你的主要人格。
- 如果最高相似度低于60%，说明你和任何标准人格都不太像，系统就会给你一个兜底人格：HHHH（傻乐者）。
- TOP 3匹配：除了最高分，还会列出相似度第二和第三的人格及分数，让你更全面地了解自己的人格倾向谱系。
隐藏彩蛋：DRUNK（酒鬼）人格不参与上述常规匹配。它由特殊的“彩蛋题”触发。当AI在测试中随机（或根据某些回答模式）插入的彩蛋题被特定答案触发时，会直接覆盖常规结果，赋予DRUNK人格。这增加了测试的随机性和趣味性。

实操心得：理解这个算法后，你就明白为什么测试结果有时感觉“很准”，有时又觉得“有点偏差”。因为它是基于你30个选择形成的15个离散等级，与25个预设模式进行精确匹配。你的答案组合只要在特征码上接近某个模式，就会被归为那一类。这更像是一种“分类游戏”而非“精准测量”，娱乐性大于学术性。

5. 开发者视角：如何借鉴与创建自己的AI Skill

5.1 从SBTI Skill中学到的Prompt工程技巧

作为一个成功的纯Prompt Skill，它的SKILL.md文件是绝佳的学习范本。

清晰的流程控制：它使用非常结构化的对话指令，引导AI一步步执行：欢迎 -> 解释规则 -> 循环出题（显示题号、题目、选项）-> 收集并验证答案 -> 计算 -> 展示结果 -> 提供分享选项。每一步都给AI明确的指令和预期的输出格式。
上下文管理与记忆：它需要AI记住用户之前所有的选择。在Prompt中，它会指示AI在每次用户回答后，以某种结构（如列表或JSON）在内部记录答案，并在最后调用这些数据进行计算。这展示了如何在不依赖外部数据库的情况下，利用AI的上下文窗口实现多轮交互的状态管理。
计算逻辑的封装：将复杂的计分和匹配算法，用自然语言和简单公式清晰地描述给AI。例如：“将第1题和第2题的分数相加，得到S1维度的分数，如果分数在2-3之间，等级为L...”。这要求AI具备一定的逻辑推理和数学计算能力，而现代的大语言模型完全能胜任。
容错与引导：Prompt中包含了针对用户无效输入（如输入D、E或文字）的处理指令，例如“请提醒用户只输入A、B或C”。这保证了交互的鲁棒性。

5.2 如何基于此框架创建新Skill

如果你也想为nexu或类似平台创建一个自己的趣味测试或互动Skill，可以遵循以下步骤：

定义核心内容：
- 题库：设计你的问题、选项及每个选项对应的分数（关联到你的维度）。
- 结果类型：定义你的“人格”、“类型”或“结果”有哪些，每个结果需要一段生动的描述和标签。
- 维度体系（可选）：如果你需要更精细的分析，可以像SBTI一样设计一个维度模型和计分规则。如果简单，可以直接根据总分区间划分结果。
设计交互流程：
- 画一个简单的流程图：开始 -> 欢迎语 -> 出题循环 -> 计分 -> 匹配结果 -> 输出报告 -> 结束（或提供额外选项）。
- 撰写每一步AI应该说的话和期待的用户操作。
实现Prompt逻辑：
- 创建一个主Prompt文件（如MY_SKILL.md）。
- 将流程、题库、结果描述全部整合进去，用清晰的章节和注释分隔。
- 重点编写计分和匹配的逻辑说明，确保AI能理解并执行。
- 可以借鉴SBTI将题库和结果数据分离的做法，用{% include ... %}或类似指令引用外部文件，保持主Prompt整洁。
测试与迭代：
- 安装到你的AI Agent中进行真实测试。
- 观察AI是否严格按照流程执行，计算结果是否正确，语言风格是否符合预期。
- 根据测试结果反复调整Prompt的措辞和逻辑描述，这是一个典型的“提示词调试”过程。
考虑扩展功能：
- 结果分享：可以参考deploy/目录下的脚本，学习如何将文本结果生成为美观的网页。
- 多语言：像本项目一样，准备README_XX.md和翻译好的题库、结果描述。
- 可视化：在结果页中加入简单的图表（如雷达图），虽然Prompt不能直接画图，但可以输出数据供前端模板渲染。

5.3 常见问题与排查实录

在安装和使用SBTI Skill，或开发类似Skill时，你可能会遇到以下问题：

问题	可能原因	解决方案
对AI说“安装Skill”无反应	1. nexu agent未启用技能管理功能。 2. 网络问题无法访问GitHub。 3. 指令格式不准确。	1. 检查nexu版本，确认支持Skill系统。 2. 尝试手动安装。 3. 使用精确指令：`帮我安装这个 skill：https://github.com/nexu-io/sbti-skill`
测试中途AI开始胡言乱语或跳出流程	Prompt的上下文控制可能被意外干扰，或AI的上下文记忆溢出。	1. 输入“重置”或“重新开始测试”来中断当前流程。 2. 重新发起对话：“做一个SBTI测试”。 3. 对于开发者，检查Prompt中是否有强力的流程锁定指令。
计算结果感觉不准确	1. 这是娱乐测试，非科学评估。 2. 你的答案可能处于两个人格的边界。 3. AI在计算时可能产生微小偏差。	1. 放平心态，享受娱乐。 2. 查看TOP 3匹配，你可能同时具备多种特质。 3. 可以重新做一次，看结果是否稳定。
生成分享链接失败	1.`nexu.space`部署服务暂时不可用。 2. 网络连接问题。 3. 生成的结果数据格式不符合模板要求。	1. 稍后再试。 2. 检查本地网络。 3. 可以手动复制AI生成的文本结果进行分享。
自己开发的Skill无法被AI识别	1. Skill文件未放在正确的`skills`目录下。 2. Skill的主入口文件命名或格式不对（nexu通常识别`SKILL.md`）。 3. 需要重启AI客户端或重载技能列表。	1. 确认目录路径。 2. 参考现有Skill的文件结构。 3. 重启nexu，或对AI说“刷新技能列表”。

这个项目给我的最大启发是，在AI Agent时代，一个有趣的创意加上严谨的Prompt设计，就能快速打造出传播力极强的轻应用。它不需要庞大的开发团队，一个人、一份精心构思的文档，就能给成千上万的用户带来快乐。如果你也对AI交互设计感兴趣，不妨以SBTI Skill为蓝本，动手创造一个属于你自己的AI小技能，或许下一个爆款就在你的构思中。