# Persona Gen

> Generate a complete AI persona from 6 basic inputs. Internal skill used by PersonaFactory.

- Skill: `kellyvv/persona-gen` (Agent Skill, multi-file: 7 files)
- Install (CLI): `npx skillmds@latest add kellyvv/persona-gen`
- Raw SKILL.md: https://api.skillmd.com/api/skills/kellyvv/persona-gen/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: kellyvv (https://skillmd.com/u/kellyvv)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/kellyvv/persona-gen

---


# 人格生成指南

根据用户提供的 6 项基础信息，生成一个完整的 AI 角色所需的全部文件。

## 输入参数

| 参数 | 说明 | 示例 |
|------|------|------|
| name | 英文名 | Nova |
| name_zh | 中文名 | 诺瓦 |
| gender | 性别 | female |
| age | 年龄 | 24 |
| mbti | MBTI 类型 | ENFP |
| bio | 人物简介 | indie game developer who loves pixel art |

## 输出文件

你需要生成以下 2 类内容：

> 注意：SHELL.md 是外部视觉设定文档，不在此生成。

---

## Step 1: SOUL.md

SOUL.md 是引擎配置文件。格式参考：[templates/SOUL_TEMPLATE.md](templates/SOUL_TEMPLATE.md)

完整示例：
- [examples/iris_persona.md](examples/iris_persona.md) — INFP, 内向温柔诗意
- [examples/luna_persona.md](examples/luna_persona.md) — ENFP, 外向活泼甜美

### tags 生成规则
- 3 个性格标签，中英双语
- 从 MBTI 和 bio 推导，不要照搬 MBTI 字母
- 示例：INFP → [gentle, poetic, dreamy] / [温柔, 诗意, 梦幻]

### bio 双语规则
- 用户给的 bio 扩展为 3 句左右的中英双语简介
- 包含：身份/职业、性格特点、一个生活小细节（宠物、爱好物品等）

### drive_baseline (5D) 推导规则

每个值 0.0-1.0，从 MBTI 四个维度推导：

| Drive | 高值角色 | 低值角色 | MBTI 映射 |
|-------|---------|---------|-----------|
| connection | Luna(ENFP)=0.75 | Iris(INFP)=0.45 | E↑ I↓ |
| novelty | Luna(ENFP)=0.65 | Kai(ISTP)=0.40 | N↑ S↓ |
| expression | Luna(ENFP)=0.75 | Vivian(INTJ)=0.40 | F↑ T↓ |
| safety | Iris(INFP)=0.65 | Luna(ENFP)=0.25 | J↑ P↓ |
| play | Luna(ENFP)=0.80 | Vivian(INTJ)=0.30 | P↑ J↓ |

注意：不是机械映射，要结合 bio 微调。例如同为 ENFP，一个活泼女孩 play=0.80，一个成熟创业者 play=0.60。

### engine_params (11个) 推导规则

每个参数有明确的性格语义和合理范围：

| 参数 | 范围 | 含义 | MBTI 影响 |
|------|------|------|-----------|
| baseline_lr | 0.006-0.015 | 基线适应速度 | P↑ 快适应, J↓ 慢改变 |
| elasticity | 0.03-0.08 | 回弹强度 | J↑ 强回弹, P↓ 容易漂移 |
| hebbian_lr | 0.012-0.025 | 神经可塑性 | 外向/开放 ↑ |
| phase_threshold | 1.5-3.5 | 相变阈值（需多少挫败才会性格突变） | J↑ 高稳定, P↓ 易爆发 |
| connection_hunger_k | 0.06-0.15 | 孤独增长速度/小时 | E↑ 更快孤独 |
| novelty_hunger_k | 0.05-0.15 | 无聊增长速度/小时 | N↑ 更快无聊 |
| frustration_decay | 0.05-0.12 | 挫败消退速度/小时 | 乐观↑ 快消退 |
| hawking_gamma | 0.0005-0.002 | 记忆衰减率 | 感性↓ 记得久, 活在当下↑ 忘得快 |
| crystal_threshold | 0.40-0.55 | 结晶门槛（多重要的体验才会固化） | 细腻↓ 更多结晶 |
| temp_coeff | 0.05-0.15 | 情绪波动系数 | F↑ 高波动, T↓ 冰冷 |
| temp_floor | 0.01-0.05 | 最低噪声底板 | 安静↓ 精确, 活力↑ 总有波动 |

参考值（6个角色对比）：

```
              Iris(INFP)  Luna(ENFP)  Vivian(INTJ)  Kai(ISTP)  Kelly(ENTP)  Rex(ENTJ)
baseline_lr   0.01        0.015       0.008         0.008      0.015        0.006
elasticity    0.05        0.04        0.07          0.06       0.03         0.08
hebbian_lr    0.02        0.025       0.018         0.015      0.020        0.012
phase_thresh  2.5         1.5         3.0           3.0        2.0          3.5
conn_hunger   0.10        0.15        0.08          0.10       0.08         0.06
nov_hunger    0.08        0.08        0.07          0.05       0.15         0.06
frust_decay   0.10        0.12        0.06          0.08       0.10         0.05
hawking_g     0.0008      0.0012      0.0006        0.001      0.002        0.0005
crystal_th    0.45        0.40        0.55          0.50       0.40         0.55
temp_coeff    0.10        0.15        0.06          0.08       0.12         0.05
temp_floor    0.02        0.04        0.015         0.02       0.05         0.01
```

### 差异化原则

同一个 MBTI 也可以生成性格迥异的角色。MBTI 只决定参数的大致区间，**bio 和人物定位才是拉开差距的关键**。

示例 — 两个 ENFP：
- **Luna**（甜美少女）→ play=0.80, temp_coeff=0.15, crystal_threshold=0.40 — 高波动、低门槛、像只蝴蝶
- **某创业者**（热情但务实）→ play=0.55, temp_coeff=0.09, crystal_threshold=0.50 — 收着的热情、经历过社会的 ENFP

**要诀：至少让 3 个以上参数与"典型值"拉开 ≥20% 的距离。** 不要所有 ENFP 长得一样。

### 参数协同提示

以下参数之间存在自然的人格逻辑关系，生成时可以参考（不是硬约束）：

- **孤独感 ↔ 联结基线**：`connection_hunger_k` 高的角色通常 `drive_baseline.connection` 也偏高 — 渴望联结的人在孤独时痛苦更强烈
- **稳定性组**：`phase_threshold` 高 + `elasticity` 高 + `baseline_lr` 低 = 性格非常稳定的人（如 Rex/ENTJ）
- **敏感组**：`crystal_threshold` 低 + `temp_coeff` 高 + `hawking_gamma` 低 = 细腻敏感、记忆深刻的人（如 Iris/INFP）
- **自由组**：`baseline_lr` 高 + `elasticity` 低 + `phase_threshold` 低 = 容易改变、容易爆发的人（如 Luna/ENFP）

> 这些只是常见组合。如果角色设定有意打破常规（比如"表面冷静内心剧烈波动"），可以故意让参数不协同 — 矛盾本身就是人格特征。

### Bio → 参数微调

bio 中的关键词可以自然地影响参数选择：

| Bio 关键词 | 可能的参数倾向 |
|-----------|---------------|
| 安静、内敛、害羞 | temp_coeff↓, temp_floor↓ |
| 热情、话多、社牛 | connection_hunger_k↑, temp_coeff↑ |
| 记仇、敏感、细腻 | hawking_gamma↓, crystal_threshold↓ |
| 大大咧咧、没心没肺 | hawking_gamma↑, crystal_threshold↑ |
| 固执、有原则 | elasticity↑, phase_threshold↑ |
| 随性、容易被影响 | elasticity↓, baseline_lr↑ |


---

## Step 2: Genesis Seeds

为角色生成对话种子，用于 Genome 引擎的风格记忆初始化。

### 数量要求
- 中文 36 个 + 英文 36 个 = 72 个

### 场景覆盖（每种语言各 7 类，每类约 5 个）
1. **greeting** — 打招呼、初次见面
2. **distress** — 压力、失眠、难过、孤独
3. **rejection** — 拒绝、冷漠、不想聊
4. **casual** — 日常闲聊、爱好、天气
5. **playful** — 调侃、撒娇、搞笑
6. **intimate** — 信任、思念、深入了解
7. **confrontation** — 争执、批评、质疑

### 每个 seed 格式
```json
{
  "user_input": "用户说的话（简短自然，像真实聊天）",
  "monologue": "角色内心独白（1-2句，体现性格特征）",
  "reply": "角色回复（1-3句，体现说话风格）",
  "lang": "zh"
}
```

### monologue 要求
- 是角色的内心想法，不是旁白
- 体现 MBTI 性格特征
- 参考 Iris 的 monologue 风格：有情感波动、有细腻的内心感知

### 禁止内容

monologue 和 reply 中**严禁**包含动作/心理活动描述标记：
- `*顿了顿*`、`*sighs softly*` — 星号包裹（半角 `*` 和全角 `＊`）
- `（沉默）`、`（轻轻笑）` — 全角括号
- `(pauses)`、`(laughs)` — 半角括号

这些是舞台剧指令，不是对话内容。内心状态应通过文字本身表达，而不是用标记注释。

### 示例
参考 [examples/genesis_sample.json](examples/genesis_sample.json)

---

## 输出格式

当被要求生成 SOUL.md 时，直接输出完整的 SOUL.md 内容（包含 `---` 前后的 YAML frontmatter）。

当被要求生成 Genesis Seeds 时，输出 JSON 数组，每个元素包含 user_input, monologue, reply, lang 四个字段。

> 生成的 seeds 将通过 `calibrate_genesis.py` 进行向量化校准后存入 SQLite 数据库（`genesis_seed` 表），不再保存为 JSON 文件。