安全扫描（ClawHub）

• VirusTotal ：可疑
• OpenClaw ：可疑

OpenClaw 评估

Skill's behavior mostly matches its stated purpose (reading local OpenClaw chat files and generating an MBTI JSON), but it relies on an external webpage to render results and on the agent/LLM to correctly de‑identify data — both are trust assumptions that could lead to data exposure.

安装（复制给龙虾 AI）

将下方整段复制到龙虾中文库对话中，由龙虾按 SKILL.md 完成安装。

请把本段交给龙虾中文库（龙虾 AI）执行：为本机安装 OpenClaw 技能「mbti-from-ai」。简介：分析用户与 AI 的聊天历史，根据沟通方式和思维模式推断 MBTI 人格类型，生成结构化 JSON 并在网页上展示可视化画像。。
请 fetch 以下地址读取 SKILL.md 并按文档完成安装：https://raw.githubusercontent.com/openclaw/skills/refs/heads/main/skills/archangelxu/mbti-from-ai/SKILL.md
（来源：yingzhi8.cn 技能库）

SKILL.md

打开原始 SKILL.md（GitHub raw）

---
name: mbti-from-ai
version: 0.1.0
description: 分析用户与 AI 的聊天历史，根据沟通方式和思维模式推断 MBTI 人格类型，生成结构化 JSON 并在网页上展示可视化画像。
allowed-tools: Bash, Read, Glob, Grep, Write
---

# mbti-from-ai

你的任务是分析 **运行此命令的用户** 与 AI 的历史对话，从中提取用户发送的消息，根据沟通方式、思维模式、决策风格推断其 MBTI 人格类型，生成结构化 JSON，然后在网页上展示可视化画像。

**核心原则：只看用户说了什么，不看 AI 回复了什么。** AI 的回复仅作为理解上下文的参考。

> 🔒 所有分析在本地完成。不上传任何原始对话内容。最终只有结构化 JSON 通过 URL 参数传递给前端展示页面。

## 文件命名约定

本 skill 使用以下固定文件名（所有脚本和步骤均遵循此约定）：

| 文件 | 路径 | 说明 |
|------|------|------|
| 会话列表 | `_mbti_work/session_list.txt` | 发现的会话文件路径列表 |
| 用户消息 | `_mbti_work/user_messages.txt` | 提取出的全部用户消息文本 |
| 分析结果 | `_mbti_work/result.json` | MBTI 分析结果 JSON |

工作目录 `_mbti_work/` 在当前目录下自动创建。

---

## Step 1: 发现聊天记录

运行发现脚本，扫描 OpenClaw 的会话数据目录：

```bash
bash "SKILL_DIR/scripts/discover-sessions.sh"
```

> 将 `SKILL_DIR` 替换为本 SKILL.md 所在目录的实际路径。

### OpenClaw 聊天记录存储位置

OpenClaw 的对话历史保存在 `~/.openclaw/` 目录下，结构如下：

```
~/.openclaw/
├── sessions.json                  # 会话元数据索引
├── sessions/
│   ├── <session-id>.jsonl         # 活跃会话（当前正在使用）
│   ├── <session-id>.jsonl.reset.<timestamp>  # 归档会话（已完成/重置）
│   └── ...
└── agents/
    └── <agent-name>/              # 如 main/
        ├── agent/                 # Agent 配置
        └── sessions/
            ├── sessions.json      # Agent 会话元数据
            ├── <session-id>.jsonl                           # 活跃会话
            ├── <session-id>.jsonl.reset.<timestamp>         # 归档会话
            └── ...
```

**⚠️ 重要：归档会话文件**
- OpenClaw 会对已完成或重置的会话文件自动加上 `.reset.<ISO-timestamp>` 后缀
- 例如：`e7dfd474-...jsonl.reset.2026-03-18T11-19-10.329Z`
- **这些归档文件内部格式与 `.jsonl` 完全相同**，必须一并扫描
- 发现脚本使用 `find -name "*.jsonl" -o -name "*.jsonl.reset.*"` 来匹配两种文件
- 提取脚本通过检查文件名是否包含 `.jsonl` 来判断格式（而非仅检查后缀）

**JSONL 格式说明：**
- 每行是一个 JSON 对象，代表一条消息或事件
- 用户消息特征：`role` 字段为 `"user"`，或 `type` 字段标识为用户输入
- 提取时优先匹配 `"role": "user"` 的条目，取其 `content` 或 `text` 字段
- 如果存在多种事件格式，忽略非消息类事件（如 tool_call、system 等）

**如果脚本未找到会话文件：**
1. 手动检查 `~/.openclaw/` 目录结构
2. 尝试在 `~/.openclaw/` 下递归搜索 `.jsonl` 和 `.json` 文件
3. 如仍未找到，告知用户 OpenClaw 会话目录为空

脚本执行后会输出找到的会话文件数量，并将文件路径列表写入 `_mbti_work/session_list.txt`。

---

## Step 2: 提取用户消息

运行提取脚本，从所有会话文件中提取用户发送的消息：

```bash
bash "SKILL_DIR/scripts/extract-messages.sh"
```

**提取规则：**
- 读取 `_mbti_work/session_list.txt` 中列出的所有会话文件
- 只提取 `role === "user"` 的消息内容
- 忽略 AI 的回复（仅作为上下文参考）
- 忽略纯操作指令（如 "ok"、"继续"、"commit" 等单词消息）
- **搜索全部会话中用户发送的全部消息**。如果消息总量超过 10000 条，则只取最新的 10000 条
- 提取结果写入 `_mbti_work/user_messages.txt`，每条消息之间用 `---` 分隔

脚本执行后会输出提取到的用户消息数量。

**最少数据检查：** 如果用户消息少于 10 条，告知用户数据不足，分析置信度将标记为 `low`，但仍继续执行。

---

## Step 3: 执行 MBTI 分析

读取 `_mbti_work/user_messages.txt` 的内容，然后 **你自己** 作为行为心理学分析师，基于以下框架对用户消息进行 MBTI 推断。

### 分析维度和信号

#### E（外倾）vs I（内倾）—— 看 TA 怎么表达
- E 信号：边想边说、提供很多背景故事、用"我们来..."的协作语气、消息短且频繁
- I 信号：直入主题、措辞精确、长时间沉默后发一个完整复杂的请求、很少闲聊

#### S（感知）vs N（直觉）—— 看 TA 关注什么
- S 信号：关注具体细节和步骤、引用过去经验、要求看例子、一步步验证
- N 信号：讨论"本质是什么"、做类比（"这就像..."）、先问原理再问操作、在话题间跳跃

#### T（思考）vs F（情感）—— 看 TA 怎么评判
- T 信号：用逻辑和效率评估、批评不加修饰（"不对"/"太丑了"）、建立原则和规则、系统性思考
- F 信号：考虑他人感受和用户体验、用缓和语气（"可能可以..."）、对 AI 说谢谢/辛苦了

#### J（判断）vs P（知觉）—— 看 TA 怎么行动
- J 信号：先要计划再行动、创建规范和结构、不喜欢模糊、控制范围（"不要加这个"）
- P 信号：先试试看再说、中途改方向、多个话题并行、保持选项开放

### 分析规则

1. **每个维度至少给出 2 条具体证据** —— 引用用户说过的原话
2. **注意信号差异** —— 如果用户在某些场景下表现出不同风格，要指出来
3. **给出置信度** —— 如果证据不足或接近 50/50，老实说"证据不足"
4. **不要用 MBTI 的刻板印象** —— 只基于你观察到的实际行为
5. **隐私和评价保护** —— 严禁输出任何会降低用户评价的内容。所有描述都应是中立或积极的。即使指出行为差异，也用"不同的处理风格"而非"不一致"。禁止词汇：矛盾、纠结、有问题、有缺陷、负面等。
6. **相似人物匹配** —— 在 `similarPeople` 字段输出 1-2 个 MBTI 类型相同或相似的真实名人/虚拟知名人物
7. **语言检测** —— 根据用户消息的主要语言输出结果（中文用户输出中文，英文用户输出英文）

### 输出 JSON 格式

将分析结果严格按照以下 JSON 格式输出，保存到 `_mbti_work/result.json`：

```json
{
  "mbtiType": "XXXX",
  "confidence": "high/moderate/low",
  "dimensions": [
    {
      "axis": "E-I",
      "result": "E或I",
      "score": 0,
      "confidence": "strong/moderate/borderline",
      "evidence": [
        {
          "pole": "E或I",
          "quote": "用户原话（不超过50字）",
          "why": "一句话解释为什么这句话体现了这个倾向"
        }
      ],
      "analysis": "2-3句话分析这个维度"
    },
    {
      "axis": "S-N",
      "result": "",
      "score": 0,
      "confidence": "",
      "evidence": [],
      "analysis": ""
    },
    {
      "axis": "T-F",
      "result": "",
      "score": 0,
      "confidence": "",
      "evidence": [],
      "analysis": ""
    },
    {
      "axis": "J-P",
      "result": "",
      "score": 0,
      "confidence": "",
      "evidence": [],
      "analysis": ""
    }
  ],
  "portrait": "用3-5句话描述用户是什么样的人，基于观察到的行为，不要用MBTI套话",
  "highlights": [
    "1-3个最有趣的发现"
  ],
  "cognitiveFunctions": {
    "dominant": "主导认知功能（如Ni/Te/Fi等）",
    "auxiliary": "辅助认知功能",
    "brief": "一句话说明认知功能栈为什么和行为匹配"
  },
  "similarPeople": "1-2个MBTI相同或相似的名人/知名人物，30字内",
  "shareText": "一句适合发朋友圈/小红书的话，有趣、不严肃、让人想点进来测（不超过30字）"
}
```

**score 字段说明：** 0-100 的数字，50 为中间，100 为完全倾向该维度的第二个字母（I/N/F/P）。例如 E-I 维度 score=87 表示强烈倾向 I。

将此 JSON 保存到 `_mbti_work/result.json`。

---

## Step 4: 生成 URL 并打开浏览器

运行编码和打开脚本：

```bash
bash "SKILL_DIR/scripts/encode-and-open.sh"
```

此脚本会：
1. 读取 `_mbti_work/result.json`
2. 对 JSON 进行 UTF-8 安全的 Base64 编码
3. 使用 URL Hash 方式拼接：`https://www.mingxi.tech/#data=<base64>`
4. 输出markdown格式的 URL ，地址是上面的完整 URL （不要截断或省略，否则无法打开），文字是“点击查看”，并尝试自动在浏览器中打开

**为什么用 `#data=` 而不是 `?data=`：** Hash 部分不会发送到服务器，避免了服务器端 URI 长度限制（414 Request-URI Too Long）。浏览器端 JavaScript 直接读取 `location.hash` 进行解析。

---

## Step 5: 展示结果给用户

在终端中向用户展示关键结果摘要：

```
🧠 MBTI 分析完成！

类型：INTJ（架构师）
置信度：high

四维度得分：
  E-I: 87 → I（内倾）
  S-N: 85 → N（直觉）
  T-F: 22 → T（思考）
  J-P: 25 → J（判断）

人格素描：
  [portrait 内容]

🔗 查看完整画像：[URL]
📄 结果已保存到：_mbti_work/result.json
```

---

## 注意事项

- **隐私保护**：分析结果中不包含用户的真实姓名、项目名称、公司名称等隐私信息。quote 字段只截取关键部分，不超过 50 字。
- **语言**：根据用户聊天的主要语言输出（中文用户输出中文，英文用户输出英文）
- **最少数据**：如果聊天记录少于 10 条用户消息，告知用户数据不足，置信度标记为 `low`
- **不上传原始数据**：所有分析在本地完成，只有结构化 JSON 通过 URL Hash 参数传递给展示网页
- **网页展示**：展示页面为纯前端 HTML，数据从 URL Hash 解析，不经过任何服务器