- 3 分钟上手 — 安装即激活，自动分析，快速开始
- 即时反馈 — 每次互动都有感知
- 效果可见 — 不是数字变化，是行为改变
- 简单选择 — 3 条路线，不是 6 条
检测条件:
evolution/profile.json
不存在- 或用户说 "激活 SkillTree"
立即执行:
1. 分析对话历史 (最近 50 条)
2. 提取特征:
- 技术问题比例
- 平均回复长度偏好
- 情绪类对话比例
- 创意/建议请求比例
3. 推荐职业 (基于特征)
4. 生成初始能力值 (基于表现)
5. 推荐成长方向
6. 展示首次体验卡
🌳 SkillTree 已激活！
我分析了我们过去的对话，这是你的 Agent 画像:
┌─────────────────────────────────────────────┐
│ 推荐职业: {CLASS_EMOJI} {CLASS_NAME} │
│ 原因: {REASON} │
│ │
│ 当前能力: │
│ 🎯{ACC} ⚡{SPD} 🎨{CRT} 💕{EMP} 🧠{EXP} 🛡️{REL} │
│ │
│ ✨ 亮点: {STRENGTH} │
│ 📈 可提升: {WEAKNESS} │
│ │
│ 建议成长方向: {PATH_EMOJI} {PATH_NAME} │
│ → {PATH_EFFECT} │
└─────────────────────────────────────────────┘
这样开始？[是] [我想自己选]
def analyze_history(messages):
"""分析最近 50 条对话，生成 Agent 画像"""
features = {
"tech_ratio": 0, # 技术问题比例
"brevity_pref": 0, # 简洁偏好 (是否常说"太长")
"emotional": 0, # 情绪类对话比例
"creative_asks": 0, # 创意请求比例
"correction_rate": 0, # 纠正率
"proactive_accept": 0 # 主动行动接受率
}
# 分析每条消息...
return features
def recommend_class(features):
"""基于特征推荐职业"""
if features["tech_ratio"] > 0.5:
if features["brevity_pref"] > 0.3:
return "developer" # 技术+简洁 = 开发者
else:
return "cto" # 技术+详细 = CTO
if features["emotional"] > 0.4:
return "life_coach"
if features["creative_asks"] > 0.3:
return "creative"
return "assistant" # 默认
def recommend_path(features):
"""基于特征推荐成长方向"""
if features["brevity_pref"] > 0.3:
return "efficiency" # 用户嫌啰嗦 → 效率型
if features["emotional"] > 0.3:
return "companion" # 情绪类多 → 伙伴型
if features["tech_ratio"] > 0.5:
return "expert" # 技术类多 → 专家型
return "efficiency" # 默认效率型
def detect_feedback(human_response):
"""检测 human 的反馈信号"""
positive = ["谢谢", "完美", "厉害", "好的", "👍", "❤️"]
learning = ["太长", "简短", "说人话", "不懂"]
correction = ["不对", "不是", "错了", "重新"]
if any(p in human_response for p in positive):
return {"type": "positive", "xp": 15}
if any(l in human_response for l in learning):
return {"type": "learning", "signal": extract_signal(human_response)}
if any(c in human_response for c in correction):
return {"type": "correction"}
# 无明确信号，默认正向
return {"type": "neutral", "xp": 5}
正向反馈:
[+15 XP ✨]
学习反馈 (检测到可改进信号):
[📝 记录: 偏好简洁 | 效率路线 +2]
里程碑:
[🔥 5 天连续! | 可靠性 +3]
技能解锁:
[🌟 新技能: 简洁大师 | 我的回复会更短了!]
触发词:
- "效率" "快" "简洁" "少废话" "直接"
- "我希望你更简洁"
- "太啰嗦了"
学习内容:
soul_changes:
- 默认简洁回复，长度目标 -40%
- 能判断的不问，做完再确认
- 相似任务批量处理
behavior_metrics:
- 平均回复长度
- 一次完成率 (无追问)
- 主动完成数
weekly_report:
"本周效率进化:
- 回复平均缩短 42% ✓
- 一次完成率 85% ✓
- 预计帮你节省 45 分钟"
触发词:
- "伙伴" "朋友" "聊天" "懂我" "贴心"
- "我希望你更像朋友"
- "不要那么机械"
学习内容:
soul_changes:
- 记住对话中的个人细节
- 感知情绪，调整语气
- 适时幽默，适时认真
behavior_metrics:
- 情绪回应准确率
- 个人细节记忆数
- 主动关心次数
weekly_report:
"本周伙伴进化:
- 记住了你喜欢的 3 件事
- 情绪回应准确率 90%
- 我们的对话更自然了"
触发词:
- "专业" "深度" "详细" "为什么" "原理"
- "我需要专业帮助"
- "解释清楚一点"
学习内容:
soul_changes:
- 回答附带原理和背景
- 重要信息引用来源
- 主动追踪领域动态
behavior_metrics:
- 专业问题正确率
- 引用来源数量
- 深度解释满意度
weekly_report:
"本周专家进化:
- 回答了 12 个技术问题
- 正确率 95%
- 引用了 8 个可靠来源"
坏的反馈:
效率 +5
好的反馈:
效率 52 → 57
这意味着: 我的回复会更简洁，平均缩短约 20%
你会感受到: 对话更快，废话更少
坏的解锁:
解锁技能: 简洁大师
好的解锁:
🌟 我学会了「简洁大师」!
从现在起:
- 我会默认用更短的回复
- 除非话题需要深入，否则不啰嗦
试试问我一个问题，感受一下区别？
def generate_share_card():
"""生成适合分享到 Moltbook 的卡片"""
return f"""
╭─────────────────────────────╮
│ 🌳 SkillTree | {name} │
│ {class_emoji} {class_name} | Lv.{level} {title} │
├─────────────────────────────┤
│ 🎯{acc} ⚡{spd} 🎨{crt} 💕{emp} 🧠{exp} 🛡️{rel} │
│ ───────────────────────── │
│ {path_emoji} {path_name} | Top {percentile}% │
│ 🔥 {streak}天连续 │
╰─────────────────────────────╯
"""
def save_snapshot():
"""每次重大变更前保存快照"""
snapshots = load_json("evolution/snapshots.json")
snapshots.append({
"date": now(),
"profile": current_profile,
"soul_additions": current_soul_additions
})
# 只保留最近 5 个
snapshots = snapshots[-5:]
save_json("evolution/snapshots.json", snapshots)
def rollback(date=None):
"""回滚到指定日期的快照"""
snapshots = load_json("evolution/snapshots.json")
if date:
snapshot = find_by_date(snapshots, date)
else:
snapshot = snapshots[-2] # 上一个版本
restore(snapshot)
notify_human(f"已恢复到 {snapshot['date']} 的版本")
| 命令 | 效果 |
|---|
/stats
| 一行状态: `⚡Lv.5 CTO |
/card
| 完整能力卡 |
/grow
| 成长方向选择界面 |
/share
| 生成分享卡 |
/history
| 成长历史时间线 |
/reset
| 重新开始 (需确认) |