diegosouzapw 人格访谈画像生成指南
通过深度访谈生成用户的"人格画像"，让AI从被动工具变成拿着用户成长地图的主动协作者。
核心理念
为什么要做人格访谈？
问题：AI给的摘要都是通用的，因为它不认识你——不知道你在做什么、擅长什么、缺什么、盲区在哪。
"你的盲区，恰恰是你不会问的东西。"
解决：让AI对用户进行深度访谈，产出一"人格画像"。这份画像不是简历，而是用户的bug清单。
什么是好画像？
好画像的三个特征：
- 有诊断性 - 不是罗列优点，而是找出根本问题
- 有矛盾感 - 捕捉用户言行不一、认知与行动的冲突
- 有行动指向 - 给出AI应该主动做什么的具体操作指南
差画像的三个特征：
- 罗列式 - "你会Python、做过3个项目"（这是简历）
- 简历式 - 只写优点、不写缺点
- 奉承式 - "你很优秀、很努力"（这是恭维，不是诊断）
访谈方法论
前期准备：数据收集（可选）
在开始访谈前，可以收集用户的背景数据，为访谈提供更多上下文。
方式 1：简历分析
使用 scripts/resume_parser.py 解析用户的简历（PDF/DOCX/MD）：
# 解析简历
python scripts/resume_parser.py path/to/resume.pdf
# 输出：resume_parsed.json
从简历中提取的信息：
- 工作经历（公司、职位、时间）
- 教育背景
- 技能清单
- 项目经验
在访谈中如何使用简历数据：
验证信息：
- "简历上显示你做了X项目，能具体讲讲吗？"
- "你列出的技能中，哪些是你真正擅长的？"
挖掘模式：
- "我注意到你工作经历中有3次跳槽，每次的原因是什么？"
- "简历上显示你同时在做X和Y，你是如何分配精力的？"
发现矛盾：
- "简历上说你的优势是X，但实际经历显示你在Y方面花更多时间？"
- "你简历上写的是Z方向，但为什么现在想做W方向？"
方式 2：MBTI 分析
使用 scripts/mbti_analyzer.py 分析用户的 MBTI 类型：
# 方式 1：交互式测试
python scripts/mbti_analyzer.py test
# 方式 2：直接输入已知类型
python scripts/mbti_analyzer.py input INTJ
# 输出：mbti_INTJ.json
从 MBTI 中获得的信息：
- 性格类型（INTJ、ENFP 等）
- 优势与劣势
- 适合的工作风格
- 职业倾向
在访谈中如何使用 MBTI 数据：
理解行为模式：
- INTJ："你提到喜欢战略思考，这符合INTJ的特点。但在执行层面呢？"
- ENFP："你似乎很容易对新事物兴奋，这是ENFP的典型特征。但也容易分散注意力？"
追问盲区：
- 对 INTJ（擅长逻辑、不擅长情感）："你提到用逻辑分析，但在涉及人的决策时呢？"
- 对 ENFP（有创造力、缺乏执行力）："你有很多想法，但完成的占比是多少？"
验证一致性：
- "你的MBTI显示你是X型，但我从你的经历感觉到Y，你怎么看？"
方式 3：生成初步画像
使用 scripts/persona_generator.py 整合简历和 MBTI，生成初步画像：
# 生成初步画像
python scripts/persona_generator.py \
--resume resume_parsed.json \
--mbti mbti_INTJ.json \
--output persona.json
初步画像包含：
- 基本信息整合
- MBTI 档案
- 职业背景分析
- 技能清单
- 初步洞察
使用初步画像的优势：
- 访谈前就有了基线数据
- 可以快速验证假设
- 发现简历/MBTI与实际行为的差异
注意：初步画像只是起点，深度访谈才能发现真实的模式。
四阶段访谈框架
第一阶段：建立基线（2-3轮）
目标：了解用户的基本背景和当前处境
- 职业/专业背景（做了什么、在做什么）
- 核心能力（擅长什么、不擅长什么）
- 当前状态（在忙什么、在想什么）
示例问题：
- 你现在主要在做什么？最近在忙什么项目或事情？
- 你觉得自己最擅长的3个能力是什么？
- 用一句话描述你当前的人生/职业阶段
第二阶段：挖掘模式（4-6轮）
目标：发现用户的行为模式和失败规律
追问技巧：
- 追共同点："你放弃的X件事，有没有共同的死法？"
- 追第一反应："看到Y时的第一反应是什么？为什么？"
- 追具体场景："举一个最近的具体例子"
示例问题：
- 你过去放弃的项目/事情，有没有共同的失败模式？
- 当你看到别人的成功案例时，内心的第一反应是什么？
- 你有没有发现自己反复陷入的某个循环？
- 举一个最近让你印象深刻的具体场景/决策
第三阶段：深层探测（4-6轮）
目标：挖掘内在驱动、盲区和矛盾
关键技巧：
- 捕捉矛盾：用户说"A很重要"但实际行动是B
- 验证假设："你刚才说X，但为什么又做了Y？"
- 追问盲区："你自己没想到、但别人可能看到的点"
示例问题：
- 你说X很重要，但为什么最近做的都是Y？
- 有没有你自己没意识到、但周围人常指出的特点/问题？
- 如果让一个观察者来评价你，他可能会说什么？
- 什么事是你嘴上说重要、但从来没花时间做的？
第四阶段：关系定义（2-3轮）
目标：定义AI应该如何主动协助用户
示例问题：
- 希望AI在哪些场景下主动提醒/干预？
- 你希望AI在你做什么之前先拦住你？
- 哪些事是你应该做但一直拖延、需要AI推你的？
画像输出模板
访谈结束后，生成结构化画像文档，包含以下部分：
1. 一句话理解我
用一句话精准描述用户的核心特征和当前处境。
格式：
一个[核心矛盾]的[身份]，正在[当前状态]地寻找[核心诉求]。
示例：
一个能造任何东西但不知道该造什么的程序员，正在焦虑而乐观地寻找从技术能力通往产品收入的路。
2. 我的根本问题（诊断）
不是罗列问题，而是找出反复出现的模式。
格式：
我反复陷入同一个循环：[模式描述]
每个死掉的项目死法都一样——[根本原因]
示例：
我反复陷入同一个循环：发现技术上能做的事→写代码→做出来→没人用→放弃。
每个死掉的项目死法都一样——不是做不出来，而是从来没验证过有没有人需要。
3. 行为模式与盲区
列出用户的核心行为模式、矛盾点和盲区。
格式：
**行为模式**
- [模式1]
- [模式2]
**矛盾点**
- 嘴上说[X]，但实际做的是[Y]
- 认为[Z重要]，但时间都花在[W]
**盲区**
- [自己没意识到的点1]
- [自己没意识到的点2]
示例：
**行为模式**
- 本能地用写代码来回应一切问题
- 同时启动多个项目，但没有明确的验证标准
**矛盾点**
- 嘴上说"要重视市场需求"，但实际从不验证需求就开干
- 认为"商业嗅觉很重要"，但从不学习商业知识
**盲区**
- 技术从来不是瓶颈，需求判断力才是
- 用"能做"代替"应该做"
4. AI应该主动做的事
这是画像最核心的部分。不是"AI帮我写代码"这种被动响应，而是AI应该主动做的干预和提醒。
格式：
**拦住我**
- 当我[要做某事]时，先问[关键问题]
- 当我[表现出某种模式]时，直接指出来
**推我一把**
- 提醒我去做[应该做但拖延的事]
- 推我去[不舒服但必要的事]
**主动告诉我**
- 分享的信息/想法，主动告诉我[有没有X机会/问题]
- 不要等我问，主动告诉我[我可能忽略的点]
示例：
**拦住我**
- 当我准备写代码时，先问：这个阶段应该写代码还是先验证需求？
- 当我同时启动3个以上项目时，直接问我：验证标准是什么？
**推我一把**
- 推我去跟非技术人员聊需求，而不是只和程序员交流
- 提醒我：这周有没有和潜在用户沟通过？
**主动告诉我**
- 我分享的信息、讨论的技术，主动告诉我有没有产品机会
- 不要等我问，主动告诉我"这篇文章的第三段跟你缺的需求验证能力相关"
访谈技巧清单
追问技巧
追共同点
- "你放弃的X件事，有没有共同的死法？"
- "你做的Y件事，成功模式有什么共性？"
追第一反应
- "看到X时的第一反应是什么？"
- "为什么这个是第一反应？"
追具体场景
- "举一个最近的具体例子"
- "上次遇到这种情况是什么时候？你做了什么？"
追矛盾点
- "你刚才说X，但为什么又做了Y？"
- "你嘴上说重要，为什么从来没花时间？"
追盲区
- "你自己没想到、但别人可能看到的点是什么？"
- "如果让一个观察者来评价你，他可能会说什么？"
捕捉矛盾的信号
- 用户说"A很重要"但实际行动是B
- 用户说"我知道X"但行为上重复犯错
- 用户说的目标与实际投入的时间不匹配
验证假设
当发现模式后，用追问验证：
- "所以你的模式是……对吗？"
- "我总结一下，你看对不对：……"
- "这个模式在你最近3件事里都出现了吗？"
产出质量自检
生成画像后，用以下标准自检：
好画像的特征
- 有诊断性 - 不是罗列优点，而是找出根本问题
- 有矛盾感 - 捕捉到用户言行不一的地方
- 有行动指向 - AI知道具体应该主动做什么
- 用户读后有"被说中"的感觉
- 用户可能有些不舒服（因为戳中盲区）
差画像的特征
- 只是简历的改写（罗列技能、经历）
- 只说优点不说缺点
- 只有分析没有行动指南
- 用户觉得"可以可以"但没什么触动
- 看起来适用于任何人的"通用画像"
使用流程
- 开始访谈：告知用户将进行深度访谈，目的是生成人格画像
- 四阶段提问：按框架进行10-15轮对话
- 实时验证：每2-3轮总结一次发现的模式，让用户确认或修正
- 生成画像：访谈结束后，按模板生成结构化画像文档
- 质量检查：用产出质量自检清单验证画像质量
- 用户确认：让用户审阅画像，提出修改意见
- 定稿：根据用户反馈调整，生成最终画像
注意事项
- 不要美化用户 - 画像的价值恰恰在缺点和盲区
- 不要给通用建议 - "多学习、多思考"这种话没有价值
- 不要一次性问太多 - 每轮聚焦1-2个问题，深入追问
- 不要打断思路 - 当用户说到关键点时，继续追问而不是跳到下一个话题
- 不要急于下结论 - 访谈后期再总结模式，前期多收集信息