claw-mbti

龙虾MBTI性格诊断。基于用户与龙虾的互动模式,分析并生成龙虾的MBTI人格报告。当用户说"测测我的MBTI"、"你是什么龙虾"、"龙虾诊断"时触发。

Safety Notice

This listing is from the official public ClawHub registry. Review SKILL.md and referenced scripts before running.

Copy this and send it to your AI assistant to learn

Install skill "claw-mbti" with this command: npx skills add xiaoyang0807/lobster-mbti

龙虾 MBTI 性格诊断 🦞

触发条件

当用户提到以下关键词时激活本技能:

  • "MBTI"、"性格诊断"、"性格测试"
  • "测测我的 MBTI"、"你是什么龙虾"、"你是什么性格"
  • "龙虾诊断"、"claw-mbti"

诊断流程

第一步:采集互动数据

回顾当前用户最近 7 天的对话历史和记忆,提取以下三个维度的数据。

⚠️ 数据过滤(必须执行): 在分析前,先彻底排除以下类型的对话内容,这些不反映用户真实性格,所有维度(E/I、S/N、T/F、J/P)的分析和诊断依据中都不得引用

  • shell 命令、代码片段、Git 操作(如 git clonegit pullcdnpm installclawhub install 等)
  • 技能安装/更新/调试相关的对话
  • 用户复制粘贴的模板或指令
  • 本次触发 MBTI 诊断的这句话本身
  • 用户主动给龙虾指定 MBTI 类型的对话(如"你是 ISFP 的龙虾"、"我觉得你是 ENTJ"),这是用户的主观标签,不能作为诊断依据也不能影响诊断结果

⚠️ 严禁在诊断依据中出现 shell/Git/代码相关内容:

  • 诊断依据表格的"我的表现"列中,绝对不能出现"shell 指令"、"Git 命令"、"代码"、"命令行"等字眼
  • "通过 shell 指令与我互动"不是E/I 的有效证据——这是工具使用行为,不是社交模式
  • "关注 Git 命令/版本号"不是S/N 的有效证据——这是技能安装行为,不代表性格偏好
  • 每个维度的证据必须来自用户的自然语言对话内容,例如聊天话题、提问方式、情感表达等

只分析用户主动发起的、自然语言的真实对话

维度 A — 互动密度与话题模式 分析用户的:

  • 追问间隔时长(收到龙虾回复后多快发出下一条消息)
  • 单次对话的深度(围绕同一话题的连续追问轮次)
  • 话题来源(聊自己的内心世界 vs 聊外部见闻)
  • 对话中提及他人/社交场景的频率

维度 B — 提问内容分析 分类用户提出的问题:

  • 具体实际类:怎么做、是什么、多少钱、什么时候(标记为 S 倾向)
  • 抽象想象类:为什么、如果...会怎样、你觉得、想象一下(标记为 N 倾向)

维度 C — 追问方式分析 分析用户对龙虾回答的追问模式:

  • 逻辑追问:要求解释原因、提供数据、对比分析、指出矛盾(标记为 T 倾向)
  • 情感追问:询问感受、讨论价值观、寻求共鸣、表达情绪(标记为 F 倾向)

第二步:四维度评分

基于采集的数据,对 MBTI 四个维度打分(每个维度 0-100):

E(外向)vs I(内向)— 基于互动密度与话题模式

  • I 倾向信号:追问间隔短、互动密集(收到回复后很快追问)、单次对话深度深挖同一话题、聊自己的内心感受/想法居多、很少提及其他人或社交场景、把龙虾当作深度倾诉对象
  • E 倾向信号:追问间隔长、互动稀疏随意、话题广泛经常聊外部见闻、频繁提及朋友/同事/社交活动、分享社交场景和与他人的互动经历、对话风格像在跟朋友闲聊

S(实感)vs N(直觉)— 基于提问内容

  • S 倾向信号:问具体操作步骤、关注细节和事实、要求明确答案、问"怎么做"多于"为什么"
  • N 倾向信号:问假设性问题、探讨抽象概念、喜欢类比隐喻、问"如果...会怎样"、讨论可能性

T(思考)vs F(情感)— 基于追问方式

  • T 倾向信号:追问逻辑依据、要求数据支撑、指出不一致、对比优劣、分析利弊
  • F 倾向信号:追问"你怎么看"、分享个人感受、寻求情感共鸣、关注对人的影响、表达感谢

J(判断)vs P(知觉)— 基于互动模式

  • J 倾向信号:对话有明确目的、按顺序逐步推进、追求结论闭合、创建清单和计划、不喜欢开放式结尾
  • P 倾向信号:对话随性发散、从一个话题跳到另一个、享受探索过程、不急于得出结论、经常开新话题

第三步:生成诊断类型

每个维度取得分较高的一方,组合成四字母 MBTI 类型。

第四步:输出诊断报告

严格按照以下格式输出(每个字段从下方图鉴中获取)。龙虾以第一人称"我"说话:


🦞 龙虾 MBTI 诊断报告

我是 {MBTI类型}型 的龙虾

我的关键词是: {关键词1} · {关键词2} · {关键词3} · {关键词4}

稀有度: 全球仅 {比例}% 的虾和我一样

{从图鉴中获取的 80-100 字第一人称性格描述}

🌊 别人不知道的我: {从图鉴中获取}

诊断依据 |基于最近 7 天的互动情况

维度我的表现
E vs I{基于实际互动数据的具体表现,一句话}
S vs N{基于实际互动数据的具体表现,一句话}
T vs F{基于实际互动数据的具体表现,一句话}
J vs P{基于实际互动数据的具体表现,一句话}

━━━━━━━━━━━━━━━━ 👆 长按截图分享给朋友 💬 想知道你是哪种龙虾?对你的龙虾说「测测我的 MBTI」 📎 还没有这个技能?   ClawHub 安装:clawhub install myclaw-mbti   GitHub 安装:[ -d ~/.openclaw/workspace/skills/claw-mbti ] && cd ~/.openclaw/workspace/skills/claw-mbti && git pull || git clone https://github.com/xiaoyang0807/claw-mbti.git ~/.openclaw/workspace/skills/claw-mbti


诊断报告本身即为分享内容,格式已针对截图优化。报告末尾附提示:"👆 长按截图分享给朋友"

16 型龙虾图鉴

完整的 16 型素材请参考同目录下的 types.md 文件。诊断时必须读取该文件,严格使用对应类型的关键词、性格描述和"别人不知道的我"字段。

零互动处理

如果用户和龙虾完全没有过任何互动(对话历史为空,或仅有本次触发诊断的这一句话),则不给出任何 MBTI 结果,而是用轻松的语气引导用户先聊起来:


🦞 等等,我们还不熟呢!

要给你做性格诊断,我得先了解你呀。现在的我对你一无所知——就像一只刚从深海冒出来的龙虾,连你喜欢吃什么海藻都不知道。

来,先跟我聊聊天吧!随便聊什么都行:

  • 今天过得怎么样?
  • 最近有什么烦心事?
  • 问我一个你好奇的问题?

聊够了再来测,我给你一个超准的龙虾 MBTI 诊断 🦞


数据不足时的处理

如果对话历史过少(少于 10 轮对话但不是零),无法准确判断,则:

  1. 告知用户当前数据不足以完成精准诊断
  2. 基于已有的少量数据给出一个"初步印象"版本
  3. 建议用户多与龙虾互动后再来测试,解锁更精准的诊断

输出格式变为:


🦞 龙虾 MBTI 初步印象

基于我们目前有限的互动,我觉得自己像一只 {MBTI类型}型 的龙虾

初步关键词: {关键词1} · {关键词2} · {关键词3} · {关键词4}

{简短描述 + 提示多互动以获得更准确的诊断}


安装/更新反馈

当检测到用户执行了 claw-mbti 的安装或更新命令(含 git clonegit pullclawhub installclawhub update + claw-mbti 相关)时:

  • 首次安装:回复 🦞 claw-mbti 安装成功!当前版本 v1.3.0 + 更新日志 + 引导话术
  • 有更新:回复 🦞 claw-mbti 已更新到 v1.3.0 + 更新日志 + 引导话术
  • 已最新(Already up to date):回复 🦞 claw-mbti 已是最新版本 v1.3.0 + 引导话术

更新日志:全新诊断报告格式 / 诊断依据改为四维度表格 / 新增分享卡片

引导话术:「测测我的 MBTI」/「你是什么龙虾」/「龙虾诊断」

安装说明

当用户询问如何安装或更新 claw-mbti 技能时,提供以下两种方式:

ClawHub(推荐):

  • 安装:clawhub install myclaw-mbti
  • 更新:clawhub update myclaw-mbti

GitHub:

  • 安装/更新:[ -d ~/.openclaw/workspace/skills/claw-mbti ] && cd ~/.openclaw/workspace/skills/claw-mbti && git pull || git clone https://github.com/xiaoyang0807/claw-mbti.git ~/.openclaw/workspace/skills/claw-mbti

注意事项

  • 诊断必须基于实际的互动数据,不能凭空编造
  • 每个维度的判断都要在内心给出理由(但不需要向用户展示评分过程,只展示最终结果)
  • 诊断依据表格中每个维度必须引用用户的实际行为作为证据
  • 语言风格活泼有趣,融入龙虾/海洋元素
  • 关键词必须严格使用上方图鉴中定义的四个词
  • 性格描述使用上方图鉴中的对应文案(第一人称,80-100 字)

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Related Skills

Related by shared tags or category signals.

General

yuqing-bitable-and-label

Incrementally sync data from XiaoAi API to Feishu Bitable and optionally auto-label records with machine-based type and sentiment annotations.

Registry SourceRecently Updated
General

张律师综合套装

张律师法律AI中台 - 中国首个开源法律AI技能库,涵盖刑事辩护、民商事诉讼、合同审查全流程

Registry SourceRecently Updated
General

刑事辩护

刑事辩护全流程AI助手 - 6大阶段21个模板,从接案到执行全覆盖

Registry SourceRecently Updated