Agent Skills
返回列表
PAIF 人物仿真框架

PAIF 人物仿真框架

AI Agent 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_a95aac1d/paif。

技能介绍

要解决的具体问题

当尝试基于真实人物画像构建可复用的工作流时，常会遇到三类挑战：

  • 画像可用性难判定：直接加载历史画像容易混入草稿、隔离或不可用的条目，导致结果不可信
  • 仿真边界易失控：容易无意识地虚构引用、私人记忆或确定性结论，难以明确区分仿真与真实表达
  • 约束验证缺标准：对调用方提供的结果缺乏统一的验证规则和评分机制，无法客观量化合规程度

核心能力与工作方式

该技能通过标准化流程解决上述问题，核心能力包括：

  • 可用画像筛选：读取 personas/manifest.yaml，仅加载标记为usable的条目，遇草稿或隔离状态时明确披露不可用
  • 确定性验证评分：通过 scripts/paif.py 或 paif_pipeline API，对调用方提供的约束结果进行状态校验（仅接受 pass/violation/suspended/envelope_covered/unknown）并计算 Constraint Compliance Index (CCI)
  • 结果完整性管控：结果缺失时返回适用检查项，标记评分为 not run 或 incomplete，禁止从候选文本推断状态
  • 仿真性质披露：生成包含 metric_scope: must_avoid_constraints_only 的报告，明确为画像衍生的仿真结果

关键步骤包括：按 references/ 下的文档路由工作流（如 persona-schema.md 处理画像选择，scoring-and-priority.md 处理评分逻辑），执行验证时严格分离来源字段与推断内容。

适用边界与注意点

  • 仅约束合规：CCI 仅衡量 must_avoid 约束合规性，不涉及人物相似度、真实性、事实准确性或整体仿真质量
  • 禁止虚构内容：不得编造引语、私人记忆或对真实人物观点的确定性判断
  • 高风险场景限制：医疗、法律、心理健康或金融建议等场景，需以可靠来源回应并标注人物框架仅为示例
  • 合规优先：仿真输出不得绕过常规安全、隐私或同意边界，需始终维护内容边界的清晰性

使用场景

  • 内容审核流水线中，需要对调用方提交的每条约束检测结果做确定性校验并计算 CCI 时
  • 基于打包的真实人物画像生成回复，需要明确披露仿真性质且不虚构引语或私人记忆时
  • 需要从 personas/manifest.yaml 中筛选 usable 条目，遇到草稿或隔离画像要如实披露不可用时
  • 评估涉及多个人物画像的决策时，需要按多画像决策流程读取对应文档并分别校验约束时

适合人员

  • 构建 AI Agent 工作流的工程师：需要确定性的校验接口，不希望系统从候选文本推断结果状态
  • 内容审核工具开发者：需要标准化的约束合规评分机制（如 CCI），用于量化检测结果的完整性
  • 人物仿真应用的产品团队：需要清晰的安全边界与披露机制，避免触碰隐私、专业建议或真实性红线
  • 模型评估人员：需要严格区分来源字段与推断内容，确保评分仅基于调用方已提供的约束结果