人格切换系统

解决什么问题

一个 Agent 要在投资建议、考研辅导、编程答疑、毕设指导和日常闲聊之间来回切换，最直接的做法是把所有角色的规则塞进同一个系统提示词。结果是上下文越来越长，规则互相冲突，维护成本随人格数量线性膨胀——加第五个人格时，前四个的约束还在堆里干扰决策。

核心思路：路由与规则分离

这个技能的做法是把「路由」和「人格规则」拆开：

• 技能本体只做路由：SKILL.md 不承载具体人格设定，只负责判断该加载谁。
• 人格规则分文件存储：五种人格定义放在 assets/personas/ 下，每份文件包含语气风格、知识来源、行为约束、自改进方向、触发关键词和初始提问模板，按需加载。
• 自改进数据隔离：专业改进写入对应人格标签，通用改进（语气、长度偏好等）标记为 shared，两类互不污染。

工作流程

意图检测是核心。 每一轮对话先读取 persona.json 中的当前状态，再结合用户当前问题和最近 3 条历史判断匹配人格：股票、投资类信号指向 asset-advisor；考研、复习指向 grad-mentor；代码、debug 指向 code-expert；毕设、论文、答辩指向 project-expert；没有明确匹配则回落到 general。规则是「有关键词就切，语境吻合就保持，完全无匹配走默认」。用户也可以直接说「切换到资产顾问」或 /persona code 手动覆盖，无视自动检测。

与 self-improving-agent 的协作

自改进记录追加到 .learnings/LEARNINGS.md 等文件，每条记录的 Metadata 里标注 Persona 字段。读取策略分三层：当前人格优先采纳，shared 对所有人可见，其他人格只读不写。当改进足够成熟、需要推广到 AGENTS.md 或 SOUL.md 时，额外标注 Promoted 标记，避免未经过滤的规则扩散。

注意点

关键词表是固定匹配，遇到模糊提问（比如「帮我看看这个配置」）可能误判，这时手动切换比自动检测可靠。另外，「其他人格只读不写」意味着你在 code-expert 模式下积累的调试经验不会回流到 asset-advisor——这是设计选择，不是 bug。