UserProfiler 对话学习器

要解决什么问题

很多 Agent 需要「记住你是谁、喜欢什么」，常见做法是开场问卷或结构化槽位填写。用户往往不愿打断对话去填表，填了一次也不会在后续聊天里自动更新。UserProfiler 面向的是：在普通多轮对话里，从用户自然表述中增量沉淀可复用的用户画像，而不是依赖显式配置。

技能如何工作

对话进行时，技能会从 utterance 中识别可结构化的片段，并按类别写入画像字段。资料中列出的提取类型包括：

• 身份：如「我叫小明」→ name: 小明
• 偏好：如「我喜欢 Python」→ prefer: Python
• 地点 / 职业：如「我在上海」「我是程序员」
• 负向反馈：如「别说那么正式」→ dislike: 正式口吻，用于约束后续语气
• 习惯：如作息类表述，便于长期个性化

实现侧强调零第三方依赖（Python 3.8+ 标准库即可）；中文场景可选用 jieba 改善分词，属于可选增强而非硬性前提。画像随对话更新，适合挂在长期会话型 Agent 上，让回复逐步对齐用户事实与偏好。

适用边界与注意点

• 提取质量取决于用户是否在对话中明确说出可解析信息；隐式意图、 sarcasm 或指代不清的句子不一定能稳定落库。
• 涉及隐私的字段应在产品层定义保留策略与展示范围，技能本身只负责从文本中抽取，不替代合规与用户授权设计。
• 「学习原理」在公开 SKILL 中未展开具体算法；集成时应把它当作对话侧抽取层，与你自己的存储、检索和 prompt 注入方式配合验证。