OpenBiliClaw是如何读懂你的五层灵魂画像与MBTI推断详解【免费下载链接】OpenBiliClaw本地私有、开源的自进化跨平台 AI 内容发现 Agent从使用、反馈和对话中理解你主动从 B 站、小红书、抖音、YouTube、X、知乎、Reddit、Linux.do、Bangumi、V2EX、微博、GitHub 与开放 Web 寻找内容。支持浏览器插件、桌面与移动端以及 DeepSeek Harness 插件。项目地址: https://gitcode.com/whiteguo233/OpenBiliClawOpenBiliClaw 是一个本地私有、开源的自进化跨平台 AI 内容发现 Agent。它会从你的使用、反馈和对话中持续理解你——用一套「五层灵魂画像」加 MBTI 推断给你画出一份立体、可解释、可编辑的人格档案再据此主动从 B 站、小红书、抖音、YouTube、知乎、Reddit、GitHub 等平台为你发现内容。这篇文章带你彻底看懂它的读懂机制五层洋葱模型如何分层、MBTI 是怎么被推断出来的、以及整条数据链路如何保证画像稳定而不乱变。什么是 OpenBiliClaw一个会读懂你的本地 AI 发现引擎大多数推荐系统是黑盒——你只知道它推了什么不知道为什么。OpenBiliClaw 走了一条不同的路本地私有所有画像数据浏览、收藏、点赞、对话都保存在你自己的设备上结构化的soul.json就是你是谁的唯一权威档案自进化画像不是一次性问卷而是随行为、反馈、聊天不断更新的活档案可解释每次画像变化都有原因记录还能在画像页直接手动编辑AI 重建时不会覆盖你的修改五层灵魂画像OpenBiliClaw 如何给你画出一份立体档案OpenBiliClaw 的画像数据结构叫OnionProfile洋葱画像共五层从内核到表层依次是核心层 → 价值观层 → 兴趣层 → 角色层 → 表层。越靠内的层越稳定、越本质越靠外的层越容易被近期行为影响。定义见 src/openbiliclaw/soul/profile.py。层名称回答的问题主要字段第 1 层最内核心层 Core你本质是什么样的人核心特质、深层需求、MBTI第 2 层价值观层 Values你在乎什么、被什么驱动价值观、内在驱动力第 3 层兴趣层 Interest你喜欢什么、想避开什么兴趣领域树、避雷区、喜欢的创作者第 4 层角色层 Role你现在处在什么阶段人生阶段、当前心理状态第 5 层最外表层 Surface你平时怎么消费内容认知风格、时长/节奏偏好、探索开放度五层之外还有一段 150–260 字的人格小传personality_portrait用第二人称你写成调性要求是老朋友坐在你对面说你是这样一个人口语、有温度绝不写成心理报告。第 1 层 核心层Core核心特质、深层需求与 MBTI核心层存放的是最稳定的人格底色core_traits 核心特质3–6 条为人特征词如爱玩 / 较真 / 杂食 / 沉得住气明确禁止写成兴趣类别不允许出现游戏玩家AI 爱好者deep_needs 深层需求用可感知的语言描述底层渴望如不被打扰的深度专注时间mbtiMBTI 类型 四个维度强度 置信度下文详解第 2 层 价值观层Values你在乎什么、被什么驱动values 价值观长期稳定的价值取向motivational_drivers 内在驱动力例如建立判断确定性持续扩展理解边界价值观层是深层——日常行为不会随便改写它。OpenBiliClaw 特意把价值观/核心的增量更新通道封死深层变更只能走假设确认 → 门控 → 整份重建这一条唯一路径避免画像被噪声带偏。第 3 层 兴趣层Interest领域树、避雷区与喜欢的创作者这是和推荐最相关的一层likes 喜欢的领域树domain → specifics两级结构比如国际时事 → 中东局势 / 欧洲政治每个领域带权重、首末次出现时间与证据计数dislikes 避雷区同样树形结构确认后才生效推荐与发现环节会据此过滤favorite_up_users长期关注的创作者列表第 4 层 角色层Role人生阶段与当前状态life_stage 人生阶段学历/职业阶段 该阶段核心心理状态current_phase 当前阶段当前的心理动力方向例如一边吸收高密度信息一边整理自己的判断框架第 5 层 表层Surface认知风格与内容偏好最容易被近期行为影响的一层cognitive_style 认知风格如会先找框架喜欢把问题讲透style 风格偏好偏好的内容时长短/中/长、节奏快/中/慢、深度、幽默感exploration_openness 探索开放度你有多愿意接触陌生领域MBTI 推断详解置信度 0.5–0.9绝不默认 INTPMBTI 是 OpenBiliClaw 画像页上最抓眼球的模块之一——你会看到类似INTJ置信度: 82%的展示。它是如何被推断出来的四个维度如何打分EI / SN / TF / JPMBTI 数据结构src/openbiliclaw/soul/profile.py包含三部分字段说明type类型字符串如 INTJdimensions四个维度各自的极点pole 强度strength0.0–1.0confidence整体推断置信度0.5–0.9维度含义两极EI精力来源外向 E / 内向 ISN信息获取感觉 S / 直觉 NTF判断方式思维 T / 情感 FJP行事风格判断 J / 感知 P推断规则只认真实行为证据拒绝程序员刻板印象画像每次重建时LLM 会同时看到四块材料——历史摘要、偏好层、近期觉察、活跃洞察——并必须在输出 JSON 中填齐 MBTI 字段四个维度都要给出极点和强度输出 schema 见 src/openbiliclaw/llm/prompts.py。更关键的是 prompt 里的两条防偏见约束src/openbiliclaw/llm/prompts.py不要默认 INTP/INTJ—— 根据行为证据如实判断爱玩、外向、社交驱动可能是 ESFP/ENFP审美驱动可能是 INFP/ISFP行动驱动可能是 ESTP/ESTJ不预设性格类型—— 玩耍权重高就老实写乐子钻研权重高就写克制严肃没有冲突的人不硬编冲突也就是说MBTI 不是从你看了什么直接贴的标签而是从你如何对待信息、如何做出反馈这些行为模式反推出来的且每一次推断都带着置信度允许随证据继续修正。为什么 MBTI 被放在最内层因为 MBTI 描述的是最稳定的人格底色。放在核心层意味着日常几条点赞不会动摇它它只在整份画像重建时才可能更新——这正是洋葱设计想要的越深的层更新门槛越高。从行为到画像一条保守而可解释的信号链路读懂你不是某一次 LLM 调用而是一条分层链路行为事件 → 偏好层(Preference) → 觉察层(Awareness) → 洞察层(Insight) → 画像层(SoulProfile)行为事件浏览、搜索、收藏、点赞、关注、评论等先落进事件层SQLite只落事实偏好层LLM 把近期行为压缩成结构化偏好——兴趣及权重、时长/节奏偏好、避雷区、喜欢的创作者旧兴趣会按时间衰减长期不再出现的兴趣自然淡出觉察层对近期事件生成保守的观察笔记如最近连续浏览高信息密度国际议题内容洞察层基于觉察 偏好 画像生成解释性假设如用户可能在通过深度内容建立更稳定的判断框架画像层只有当偏好出现显著变化高权重兴趣增删 ≥2 个、权重变化 ≥0.2、新增避雷等时才重建soul.json几个值得新手理解的保守设计单次 dislike 不会重写画像只生成一条刚记住了什么的认知卡片聊天信号必须高置信≥0.8或重复出现 ≥2 次才进入长期学习觉察和洞察不独立触发重建它们只是画像重建时的叙述素材让画像更像这个人怎么理解世界而不是一堆标签画像如何持续进化又如何让你自己掌控画像不是建完就死的快照双存储soul_profile.json存结构化数据soul_profile.md提供人类可读镜像随时可以打开看系统眼中的我长什么样变更日志每次画像更新的时间、来源、变化摘要和影响都记录在soul_changelog.md画像为什么变了有据可查12 小时认知循环周期性生成新的觉察与洞察并整理合并重复的兴趣条目搞笑和娱乐搞笑会合并真正不同的父子兴趣保留用户覆盖层你可以在画像页手动增删兴趣、修正特质手动编辑存在独立的覆盖层画像 AI 重建时不会覆盖你的修改——AI 负责推断你拥有最终解释权画像更新后它会被序列化进发现与推荐的 prompt所有序列化路径统一登记在 docs/profile-usage.md让你在各平台的推荐流里越来越懂你。想深入了解这些文档和源码值得收藏灵魂引擎模块文档五层画像、MBTI、信号链路完整机制docs/modules/soul.md五层记忆网络 洋葱模型架构docs/modules/soul-pipeline-architecture.md画像使用登记表哪些 prompt 看到画像、看到哪些字段docs/profile-usage.md灵魂引擎源码目录画像、觉察、洞察、对话学习src/openbiliclaw/soul/五层洋葱画像数据结构src/openbiliclaw/soul/profile.py画像构建器src/openbiliclaw/soul/profile_builder.pyMBTI 推断的 prompt 约束src/openbiliclaw/llm/prompts.py一句话总结OpenBiliClaw 不是用问卷而是用一条事件 → 偏好 → 觉察 → 洞察 → 画像的分层链路把你的行为证据逐步沉淀成五层洋葱画像和带置信度的 MBTI 推断越深的层越稳定越浅的层越灵敏再加上透明日志和手动覆盖层——它读懂你的过程本身就是可被你看懂、甚至亲手修正的。【免费下载链接】OpenBiliClaw本地私有、开源的自进化跨平台 AI 内容发现 Agent从使用、反馈和对话中理解你主动从 B 站、小红书、抖音、YouTube、X、知乎、Reddit、Linux.do、Bangumi、V2EX、微博、GitHub 与开放 Web 寻找内容。支持浏览器插件、桌面与移动端以及 DeepSeek Harness 插件。项目地址: https://gitcode.com/whiteguo233/OpenBiliClaw创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
OpenBiliClaw是如何“读懂“你的？五层灵魂画像与MBTI推断详解
OpenBiliClaw是如何读懂你的五层灵魂画像与MBTI推断详解【免费下载链接】OpenBiliClaw本地私有、开源的自进化跨平台 AI 内容发现 Agent从使用、反馈和对话中理解你主动从 B 站、小红书、抖音、YouTube、X、知乎、Reddit、Linux.do、Bangumi、V2EX、微博、GitHub 与开放 Web 寻找内容。支持浏览器插件、桌面与移动端以及 DeepSeek Harness 插件。项目地址: https://gitcode.com/whiteguo233/OpenBiliClawOpenBiliClaw 是一个本地私有、开源的自进化跨平台 AI 内容发现 Agent。它会从你的使用、反馈和对话中持续理解你——用一套「五层灵魂画像」加 MBTI 推断给你画出一份立体、可解释、可编辑的人格档案再据此主动从 B 站、小红书、抖音、YouTube、知乎、Reddit、GitHub 等平台为你发现内容。这篇文章带你彻底看懂它的读懂机制五层洋葱模型如何分层、MBTI 是怎么被推断出来的、以及整条数据链路如何保证画像稳定而不乱变。什么是 OpenBiliClaw一个会读懂你的本地 AI 发现引擎大多数推荐系统是黑盒——你只知道它推了什么不知道为什么。OpenBiliClaw 走了一条不同的路本地私有所有画像数据浏览、收藏、点赞、对话都保存在你自己的设备上结构化的soul.json就是你是谁的唯一权威档案自进化画像不是一次性问卷而是随行为、反馈、聊天不断更新的活档案可解释每次画像变化都有原因记录还能在画像页直接手动编辑AI 重建时不会覆盖你的修改五层灵魂画像OpenBiliClaw 如何给你画出一份立体档案OpenBiliClaw 的画像数据结构叫OnionProfile洋葱画像共五层从内核到表层依次是核心层 → 价值观层 → 兴趣层 → 角色层 → 表层。越靠内的层越稳定、越本质越靠外的层越容易被近期行为影响。定义见 src/openbiliclaw/soul/profile.py。层名称回答的问题主要字段第 1 层最内核心层 Core你本质是什么样的人核心特质、深层需求、MBTI第 2 层价值观层 Values你在乎什么、被什么驱动价值观、内在驱动力第 3 层兴趣层 Interest你喜欢什么、想避开什么兴趣领域树、避雷区、喜欢的创作者第 4 层角色层 Role你现在处在什么阶段人生阶段、当前心理状态第 5 层最外表层 Surface你平时怎么消费内容认知风格、时长/节奏偏好、探索开放度五层之外还有一段 150–260 字的人格小传personality_portrait用第二人称你写成调性要求是老朋友坐在你对面说你是这样一个人口语、有温度绝不写成心理报告。第 1 层 核心层Core核心特质、深层需求与 MBTI核心层存放的是最稳定的人格底色core_traits 核心特质3–6 条为人特征词如爱玩 / 较真 / 杂食 / 沉得住气明确禁止写成兴趣类别不允许出现游戏玩家AI 爱好者deep_needs 深层需求用可感知的语言描述底层渴望如不被打扰的深度专注时间mbtiMBTI 类型 四个维度强度 置信度下文详解第 2 层 价值观层Values你在乎什么、被什么驱动values 价值观长期稳定的价值取向motivational_drivers 内在驱动力例如建立判断确定性持续扩展理解边界价值观层是深层——日常行为不会随便改写它。OpenBiliClaw 特意把价值观/核心的增量更新通道封死深层变更只能走假设确认 → 门控 → 整份重建这一条唯一路径避免画像被噪声带偏。第 3 层 兴趣层Interest领域树、避雷区与喜欢的创作者这是和推荐最相关的一层likes 喜欢的领域树domain → specifics两级结构比如国际时事 → 中东局势 / 欧洲政治每个领域带权重、首末次出现时间与证据计数dislikes 避雷区同样树形结构确认后才生效推荐与发现环节会据此过滤favorite_up_users长期关注的创作者列表第 4 层 角色层Role人生阶段与当前状态life_stage 人生阶段学历/职业阶段 该阶段核心心理状态current_phase 当前阶段当前的心理动力方向例如一边吸收高密度信息一边整理自己的判断框架第 5 层 表层Surface认知风格与内容偏好最容易被近期行为影响的一层cognitive_style 认知风格如会先找框架喜欢把问题讲透style 风格偏好偏好的内容时长短/中/长、节奏快/中/慢、深度、幽默感exploration_openness 探索开放度你有多愿意接触陌生领域MBTI 推断详解置信度 0.5–0.9绝不默认 INTPMBTI 是 OpenBiliClaw 画像页上最抓眼球的模块之一——你会看到类似INTJ置信度: 82%的展示。它是如何被推断出来的四个维度如何打分EI / SN / TF / JPMBTI 数据结构src/openbiliclaw/soul/profile.py包含三部分字段说明type类型字符串如 INTJdimensions四个维度各自的极点pole 强度strength0.0–1.0confidence整体推断置信度0.5–0.9维度含义两极EI精力来源外向 E / 内向 ISN信息获取感觉 S / 直觉 NTF判断方式思维 T / 情感 FJP行事风格判断 J / 感知 P推断规则只认真实行为证据拒绝程序员刻板印象画像每次重建时LLM 会同时看到四块材料——历史摘要、偏好层、近期觉察、活跃洞察——并必须在输出 JSON 中填齐 MBTI 字段四个维度都要给出极点和强度输出 schema 见 src/openbiliclaw/llm/prompts.py。更关键的是 prompt 里的两条防偏见约束src/openbiliclaw/llm/prompts.py不要默认 INTP/INTJ—— 根据行为证据如实判断爱玩、外向、社交驱动可能是 ESFP/ENFP审美驱动可能是 INFP/ISFP行动驱动可能是 ESTP/ESTJ不预设性格类型—— 玩耍权重高就老实写乐子钻研权重高就写克制严肃没有冲突的人不硬编冲突也就是说MBTI 不是从你看了什么直接贴的标签而是从你如何对待信息、如何做出反馈这些行为模式反推出来的且每一次推断都带着置信度允许随证据继续修正。为什么 MBTI 被放在最内层因为 MBTI 描述的是最稳定的人格底色。放在核心层意味着日常几条点赞不会动摇它它只在整份画像重建时才可能更新——这正是洋葱设计想要的越深的层更新门槛越高。从行为到画像一条保守而可解释的信号链路读懂你不是某一次 LLM 调用而是一条分层链路行为事件 → 偏好层(Preference) → 觉察层(Awareness) → 洞察层(Insight) → 画像层(SoulProfile)行为事件浏览、搜索、收藏、点赞、关注、评论等先落进事件层SQLite只落事实偏好层LLM 把近期行为压缩成结构化偏好——兴趣及权重、时长/节奏偏好、避雷区、喜欢的创作者旧兴趣会按时间衰减长期不再出现的兴趣自然淡出觉察层对近期事件生成保守的观察笔记如最近连续浏览高信息密度国际议题内容洞察层基于觉察 偏好 画像生成解释性假设如用户可能在通过深度内容建立更稳定的判断框架画像层只有当偏好出现显著变化高权重兴趣增删 ≥2 个、权重变化 ≥0.2、新增避雷等时才重建soul.json几个值得新手理解的保守设计单次 dislike 不会重写画像只生成一条刚记住了什么的认知卡片聊天信号必须高置信≥0.8或重复出现 ≥2 次才进入长期学习觉察和洞察不独立触发重建它们只是画像重建时的叙述素材让画像更像这个人怎么理解世界而不是一堆标签画像如何持续进化又如何让你自己掌控画像不是建完就死的快照双存储soul_profile.json存结构化数据soul_profile.md提供人类可读镜像随时可以打开看系统眼中的我长什么样变更日志每次画像更新的时间、来源、变化摘要和影响都记录在soul_changelog.md画像为什么变了有据可查12 小时认知循环周期性生成新的觉察与洞察并整理合并重复的兴趣条目搞笑和娱乐搞笑会合并真正不同的父子兴趣保留用户覆盖层你可以在画像页手动增删兴趣、修正特质手动编辑存在独立的覆盖层画像 AI 重建时不会覆盖你的修改——AI 负责推断你拥有最终解释权画像更新后它会被序列化进发现与推荐的 prompt所有序列化路径统一登记在 docs/profile-usage.md让你在各平台的推荐流里越来越懂你。想深入了解这些文档和源码值得收藏灵魂引擎模块文档五层画像、MBTI、信号链路完整机制docs/modules/soul.md五层记忆网络 洋葱模型架构docs/modules/soul-pipeline-architecture.md画像使用登记表哪些 prompt 看到画像、看到哪些字段docs/profile-usage.md灵魂引擎源码目录画像、觉察、洞察、对话学习src/openbiliclaw/soul/五层洋葱画像数据结构src/openbiliclaw/soul/profile.py画像构建器src/openbiliclaw/soul/profile_builder.pyMBTI 推断的 prompt 约束src/openbiliclaw/llm/prompts.py一句话总结OpenBiliClaw 不是用问卷而是用一条事件 → 偏好 → 觉察 → 洞察 → 画像的分层链路把你的行为证据逐步沉淀成五层洋葱画像和带置信度的 MBTI 推断越深的层越稳定越浅的层越灵敏再加上透明日志和手动覆盖层——它读懂你的过程本身就是可被你看懂、甚至亲手修正的。【免费下载链接】OpenBiliClaw本地私有、开源的自进化跨平台 AI 内容发现 Agent从使用、反馈和对话中理解你主动从 B 站、小红书、抖音、YouTube、X、知乎、Reddit、Linux.do、Bangumi、V2EX、微博、GitHub 与开放 Web 寻找内容。支持浏览器插件、桌面与移动端以及 DeepSeek Harness 插件。项目地址: https://gitcode.com/whiteguo233/OpenBiliClaw创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
