Social-SBTI Skill

这是一个娱乐工具。仅用于测试本人账号、或用户明确授权的公开公众人物。不要用来分析前任、面试官、投资人、相亲对象、同事 —— 拒绝后果自负。

首次使用前(Claude 先执行)

所有 Python 脚本都在 skills/social-sbti/src/ 下,依赖写在 skills/social-sbti/requirements.txt。第一次运行时执行:

pip install -r skills/social-sbti/requirements.txt
# 如果要生成 PNG,还需要一次性装 chromium:
playwright install chromium

目录约定

skill 代码: skills/social-sbti/(只读,不要往里写数据)
运行产物: ./sbti-output/ (用户项目根下,跑完可以 gitignore)
- <name>_raw.json — fetcher 抓到的原始动态
- <name>_scores.json — Claude 打分的结果(主工件)
- <name>-sbti.html — 最终卡片
- <name>-sbti.png — 截图(可选)

开始时先:

mkdir -p sbti-output

合规守则(每次运行必须执行)

开场白必须包含:"本工具仅供娱乐。只分析你自己或明确授权的公开公众人物。"
如果用户让你分析明显的私人/非公开对象(前任、同事、亲戚、陌生匿名号), 直接拒绝,并引导他们回到合法用法。参考 skills/social-sbti/docs/DISCLAIMER.md。
生成的 HTML 页脚必须保留"仅供娱乐 · 零科学依据"。

五步流程

Step 1 · 确认对象 & 平台

询问或确认:

对象: 谁?(账号名 / 用户名 / 本人)
平台: 即刻 / X / 微博 / 小红书
授权: "这是你自己的账号,或对方是完全公开的公众人物吗?"

如果对象不符合合规要求,在此步就停住。

Step 2 · 抓取动态

根据平台使用对应 fetcher:

平台	脚本	备注
即刻	`skills/social-sbti/src/fetch_jike.py`	需要 access_token / refresh_token
X	`skills/social-sbti/src/fetch_x.py`	需要 twikit 登录,见 `skills/social-sbti/X_SETUP.md`
微博	(未来)
小红书	(未来)

输出统一 schema:

{
  "profile": {"screen_name": "...", "platform": "jike", "bio": "...", "post_count": 200},
  "posts": [{"id":"...","content":"...","created_at":"..."}, ...]
}

保存到 ./sbti-output/<name>_raw.json。

Step 3 · 你(Claude)直接打分

这是这个 skill 最关键的一步 —— 不调 LLM API,你就是那个 LLM。

读取 Step 2 的 raw.json,通读 150 条动态(按时间分层采样:近期 60% + 较早 40%)。
打开 skills/social-sbti/docs/SCORING_RUBRIC.md,对照 15 个维度的 L/M/H 锚点逐条打分。
严守硬约束:
- 每个维度至少引用 1 条 post_id 作为证据
- 有明确反向证据时,降一档
- 置信度 < 0.4 或无证据 → 强制 M
额外产出:
- overall_impression: 100-200 字一句话整体印象
- personality_description: 200-300 字"本人定制版"的人格描述 (不要照抄通用文案,要带对象身上的具体事实)
- quotes: 选 4-6 条最有信息量的原文引用

把结果写成 ./sbti-output/<name>_scores.json。

scores.json schema:

{
  "profile": {"screen_name":"...","platform":"jike","bio":"...","post_count":200},
  "personality_description": "...",
  "overall_impression": "...",
  "quotes": ["...","..."],
  "scores": [
    {
      "dimension": "S1",
      "level": "H",
      "confidence": 0.9,
      "evidence": ["6953c49f","69bcf3c6"],
      "reasoning": "不超过 40 字的中文理由"
    }
    // ... 共 15 条,顺序固定: S1 S2 S3 E1 E2 E3 A1 A2 A3 Ac1 Ac2 Ac3 So1 So2 So3
  ]
}

可选字段:

"drunk": true — 对象动态里非常明显地大量提"喝酒""白酒""灌杯",直接触发 DRUNK 彩蛋。

Step 4 · 匹配人格模板

python3 skills/social-sbti/src/match.py ./sbti-output/<name>_scores.json

这一步会在 scores.json 里补写 pattern 和 personality 字段,并在终端打印匹配结果(代号 / 中文名 / 匹配度 / 模式串)。

Step 5 · 渲染 HTML + PNG

python3 skills/social-sbti/src/make_card.py ./sbti-output/<name>_scores.json
# → ./sbti-output/<name>-sbti.html

python3 skills/social-sbti/src/render_png.py ./sbti-output/<name>-sbti.html
# → ./sbti-output/<name>-sbti.png

render_png.py 需要 playwright,如果用户没装就跳过 PNG 这步,只给 HTML, 并提示 HTML 里自带"📸 保存为图片"按钮可以在浏览器里一键导出。

Step 6 · 展示结果

向用户展示:

人格代号 + 中文名 + 匹配度(ASCII 框):

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
  🎭 <对象名>
  【CODE】· <中文名>  <mascot>
  「<标语>」
  匹配度: XX%
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

15 维度表格(ASCII,一行一维):

S1  自尊自信   H  —— 短理由
S2  自我清晰   H  —— 短理由
...

文件路径: HTML + PNG(在 ./sbti-output/ 下)
打开命令:
```
open ./sbti-output/<name>-sbti.html
```

常见陷阱(从实战里学到的)

"高执行力 ≠ 自信": 一个人 Ac3 很高不代表 S1 高,有些人是被死线推着走的。
"毒舌 ≠ 愤世": 中文互联网常见阴阳表达,别把玩梗当 SHIT。
"社群活跃 ≠ So1 高": 要看是 ta 主动发起,还是被动响应别人。
"转发多 ≠ 情感投入": 有些账号转发是信息流水,不是情感卷入。
"自嘲 ≠ 低 S1": 如果是"我真的牛 + 自嘲"的组合,S1 反而是 H。
M 是安全区: 不确定就打 M,别为了好看硬凑 H/L。

参考文件

skills/social-sbti/docs/SCORING_RUBRIC.md — 15 维度 L/M/H 行为锚点 + 硬约束
skills/social-sbti/docs/DISCLAIMER.md — 合规文案 & 拒绝话术
skills/social-sbti/src/personalities.py — 27 人格元数据(代号/中文/标语/吉祥物/模板串)
skills/social-sbti/src/match.py — 曼哈顿距离匹配
skills/social-sbti/src/make_card.py — scores.json → HTML 通用渲染器
skills/social-sbti/templates/card.html — HTML 模板
skills/social-sbti/data/huangshu_scores.json — 参考样例