AI数字分身-自我风格复刻器

要解决什么问题

把一段文字「去AI味」和把一个人的思维方式「复刻」出来，是两件事。ai-humanized-writing 这类工具解决前者：输入3段文本，输出风格迁移后的文本。但当你需要 AI 回答「如果是我，我会怎么想、怎么做」时，单纯的文风模仿就不够了——你需要的是一个能模拟决策链路的认知模型，而不是一支模仿你笔迹的笔。

技能如何工作

这个技能的思路是：从你留下的真实文本中提取统计特征，构建一个10维的人格DNA向量。

采集输入（collect --samples f1 f2 ... fN）：至少10段文本，每段30字以上，建议覆盖四类场景：

• 工作沟通（3段）：与同事、客户的正式交流
• 日常聊天（3段）：微信、社交平台的日常对话
• 观点表达（2段）：方案、评论、朋友圈
• 决策记录（2段）：做过的决策及其理由

建模维度：采集完成后，分析器会从论证结构、价值词频、情感强度、因果链、对话主动性、不确定性表述等信号中提取统计特征，归入十维：

1. 思维模式：线性、发散、批判还是系统性
2. 价值排序：效率、公平、创新、稳定还是关系
3. 情绪基调：乐观、务实、悲观还是中性
4. 表达风格：简洁、详细、幽默还是严肃
5. 决策偏好：数据、直觉、共识还是权威驱动
6. 社交模式：外向、内向、主导还是随和
7. 风险态度：冒险、稳健还是保守
8. 时间取向：过去、现在还是未来导向
9. 认知复杂度：词汇丰富度和句式复杂度
10. 自我认知：自信、谦虚还是自我批评

输出形态：

• report：查看十维人格报告，生成「你可能不知道的自己」
• chat --intent <问题>：以你的人格风格对话
• decide --scenario <场景>：模拟你的决策链路
• rehearse --scene <场景> --context <背景>：预演谈判、面试、冲突等场景下的反应

模型数据仅存于本地 data/self_dna.json，DNA 只保留统计特征向量，不留存原始全文；reset 一键清除。

适用边界

有几个工程事实需要先说清楚：

• 准确率约65-75%。统计建模+模式匹配能抓住核心思维模式和价值偏好，但无法复刻你的经验记忆和情感深度
• 10段是最低门槛。人格比「同事画像」复杂得多，文本多样性直接决定建模精度
• 人格不是静态的。认知模式会随经历漂移，建议每季度重新采集；换工作、搬家等重大决策后应立即更新
• 这是辅助工具。人格模型不能替代真实的自我认知与反思