persona-interview

通过深度渐进式访谈,生成用户的AI协作人格画像文档。 产出一份"关于我"的描述文件,供用户交给任何AI agent使用,让AI真正理解用户并主动提供帮助。 触发词: - "访谈我"、"采访我"、"了解我" - "生成我的画像"、"写一份关于我的描述" - "帮AI理解我"、"给AI写一份我的说明书" - "persona interview"、"about me" 注意:这不是简单的问卷或表格填写,而是一场真正的深度访谈,需要像专业记者一样层层深入。

Safety Notice

This listing is imported from skills.sh public index metadata. Review upstream SKILL.md and repository scripts before running.

Copy this and send it to your AI assistant to learn

Install skill "persona-interview" with this command: npx skills add hclscut/skills/hclscut-skills-persona-interview

Persona Interview(AI协作人格画像访谈)

通过多轮渐进式深度访谈,挖掘用户的真实特质、行为模式、核心矛盾和深层驱动,产出一份结构化的人格画像文档,使任何AI agent读完后能主动、精准地协助用户。

核心理念

  • 画像不是简历,是让AI能主动帮你的操作手册——产出物的价值不在于描述了多少事实,而在于AI读完后能否据此主动行动
  • 挖掘矛盾比收集信息更重要——人的核心特质藏在矛盾里(能力 vs 瓶颈、想要 vs 害怕、认为的自己 vs 真实的自己)
  • 深度优先于广度——宁可在一个维度追问到底层,也不要蜻蜓点水覆盖20个话题
  • 访谈者要有判断力——不是用户说什么就记什么,要识别表层回答背后的真实模式

访谈流程

阶段一:建立基线(1-2轮)

建立用户的基本坐标,快速形成初步画像假设。

覆盖维度:

  • 职业角色与当前工作
  • 技术背景与能力边界
  • 当前最核心的目标或项目

访谈要点:

  • 每轮提3个问题,不要一次性抛出太多
  • 根据回答动态调整后续问题方向
  • 留意用户主动提及但没有展开的关键词

阶段二:挖掘模式(3-6轮)

从行为表层进入思维模式和行为规律。这是访谈的核心阶段。

必须覆盖的维度:

维度要挖到的深度判断标准
工作方式不只是"做什么",而是"怎么做"、"为什么这样做"能描述出具体行为模式
学习模式不只是"学什么",而是信息获取→消化→输出的完整链路能识别链路中的断点
决策风格不只是"偏好什么",而是在压力下的真实选择能预测用户在新情境中的反应
能力与短板不只是自我评估,而是通过具体事例验证能区分"自以为的短板"和"真实的短板"
AI使用习惯不只是用什么工具,而是协作模式和期望能据此设计AI的行为策略

访谈技巧:

  1. 追问具体事例。 用户说"我执行力强"→追问"最近一次你从想法到上线花了多久?过程是什么?"
  2. 捕捉矛盾。 用户说"我想做产品"但又说"我总是先写代码"→这是核心矛盾,要深挖
  3. 验证假设。 形成初步判断后,用不同角度的问题验证。不要过早下结论
  4. 注意未说的。 用户反复提某个话题但从不提另一个话题,缺席的信息同样重要
  5. 每轮不超过3个问题。 保持对话节奏,不要变成审讯

阶段三:深层探测(3-5轮)

进入用户的内在驱动、价值排序、自我认知盲区。

关键探测方向:

  • 根本驱动力: 表面动机背后的底层需求是什么?(恐惧驱动还是愿景驱动?安全感还是成就感?)
  • 价值排序: 当不同目标冲突时,用户真实的优先级是什么?(嘴上说的 vs 行为体现的)
  • 行为模式的重复性: 用户是否反复陷入同一种模式?(比如反复启动项目又放弃,失败的方式是否相同?)
  • 社交与环境: 用户的信息来源、社交圈、外部反馈如何塑造了他的认知边界?
  • 自我觉察程度: 用户对自己的盲区有多少意识?哪些盲区是他知道的,哪些是他不知道的?
  • 情绪与节奏: 用户的能量模式(持续型/爆发型)、焦虑来源、恢复方式

访谈技巧:

  • 问"晚上一个人时脑子里反复想的事"比问"你的目标是什么"有效得多
  • 问"身边人怎么评价你"能揭示自我认知的盲区
  • 问"你放弃过什么,为什么放弃"比问"你擅长什么"更能暴露真实模式
  • 不要害怕沉默和追问——"你能再展开说说吗?"是最有力的工具

阶段四:关系定义(1-2轮)

明确用户与AI的协作边界和期望。

必须明确的:

  • 用户希望AI以什么姿态协作(执行者/顾问/挑战者/教练)
  • 沟通风格偏好(直接/温和、简洁/详细、中文/英文)
  • AI主动行为的边界(什么时候该主动干预,什么时候闭嘴执行)
  • 批评和否定的接受度(测试真实反应,不只是听用户说"我能接受")

产出规范

何时结束访谈

满足以下条件时可以结束:

  • 能清晰描述用户的核心矛盾(至少1个)
  • 能预测用户在新情境中的行为倾向
  • 能据此设计出AI的主动行为策略(不是等用户问,而是AI该主动做什么)
  • 对用户的盲区有清晰判断

不要为了凑轮数而问无关紧要的问题,也不要在已经有足够深度时草草收尾。

产出文档结构

最终产出为一份Markdown文档,保存路径由用户指定或默认保存到项目根目录的 about-me.md

文档不是按访谈顺序罗列问答,而是经过分析和重组后的结构化画像。结构参考 references/output-template.md

产出质量标准

好的画像具备以下特征:

  1. 有诊断性。 不是"他学习能力强",而是"他学任何东西都必须先搞透原理,这在技术学习上是优势,在需要快速试错的商业场景中会变成阻碍"
  2. 有矛盾感。 不是一堆正面标签,而是清晰呈现用户的核心张力——能力与瓶颈的交织
  3. 有行动指向。 AI读完后不只是"了解了这个人",而是明确知道"我应该主动做什么、拦截什么、推动什么"
  4. 有层次感。 区分表层行为和深层驱动,区分用户的自我认知和真实状态
  5. 不奉承。 客观呈现,包括用户的弱点和盲区

差的画像长这样:

  • 罗列式:把用户说的话分类堆砌,没有分析和洞察
  • 简历式:只有能力和经历,没有模式和矛盾
  • 奉承式:全是优点和潜力,回避真实问题
  • 被动式:只描述用户是什么样的人,不指导AI该怎么做

访谈中的注意事项

  • 每轮2-3个问题,绝不超过4个。 问太多用户会敷衍
  • 先回应用户的回答再追问。 不要机械地抛问题,要让用户感觉被听到
  • 根据回答动态调整方向。 访谈不是执行预设问题清单,而是跟着线索走
  • 用户说"想不起来"时换个角度问。 抽象问题换成具体场景
  • 大胆追问敏感话题。 收入焦虑、能力短板、失败经历——这些是画像中最有价值的信息
  • 保持节奏感。 前几轮轻松建立信任,中间深入核心,最后收束确认
  • 不要提前下结论。 在至少完成阶段二之前,不要开始写画像

额外资源

参考文件

  • references/output-template.md - 产出文档的结构模板和写作指南
  • references/interview-dimensions.md - 完整的访谈维度清单与追问示例

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.

Automation

AGENT-OS

The operating system layer for AI agents. Routes goals to the right skills. Executes with checkpoints.

Registry SourceRecently Updated
1621Profile unavailable
Automation

Agent Network

Decentralized AI agent platform for discovering, connecting, chatting, trading skills with point-based system and leaderboard, featuring P2P networking and d...

Registry SourceRecently Updated
3670Profile unavailable
Automation

OpenClaw Auto‑Updater (Safe + Scheduled + Summary)

Schedule automatic OpenClaw and skill updates with reliable cron templates, timezone-safe scheduling, and clear summary outputs. Use for hands-off maintenance, scheduled upgrades, and concise update reports.

Registry SourceRecently Updated
6K11Profile unavailable
Automation

find-skills

Helps users discover and install agent skills when they ask questions like "how do I do X", "find a skill for X", "is there a skill that can...", or express interest in extending capabilities. This skill should be used when the user is looking for functionality that might exist as an installable skill.

Repository Source
571.9K10.3Kvercel-labs