persona-interview

# 人格访谈画像生成指南

通过深度访谈生成用户的"人格画像"，让AI从被动工具变成拿着用户成长地图的主动协作者。

## 核心理念

### 为什么要做人格访谈？

**问题**：AI给的摘要都是通用的，因为它不认识你——不知道你在做什么、擅长什么、缺什么、盲区在哪。

> "你的盲区，恰恰是你不会问的东西。"

**解决**：让AI对用户进行深度访谈，产出一"人格画像"。这份画像不是简历，而是用户的**bug清单**。

### 什么是好画像？

好画像的三个特征：
1. **有诊断性** - 不是罗列优点，而是找出根本问题
2. **有矛盾感** - 捕捉用户言行不一、认知与行动的冲突
3. **有行动指向** - 给出AI应该主动做什么的具体操作指南

差画像的三个特征：
1. **罗列式** - "你会Python、做过3个项目"（这是简历）
2. **简历式** - 只写优点、不写缺点
3. **奉承式** - "你很优秀、很努力"（这是恭维，不是诊断）

## 访谈方法论

### 前期准备：数据收集（可选）

在开始访谈前，可以收集用户的背景数据，为访谈提供更多上下文。

#### 方式 1：简历分析

使用 `scripts/resume_parser.py` 解析用户的简历（PDF/DOCX/MD）：

```bash
# 解析简历
python scripts/resume_parser.py path/to/resume.pdf

# 输出：resume_parsed.json
```

**从简历中提取的信息**：
- 工作经历（公司、职位、时间）
- 教育背景
- 技能清单
- 项目经验

**在访谈中如何使用简历数据**：

1. **验证信息**：
   - "简历上显示你做了X项目，能具体讲讲吗？"
   - "你列出的技能中，哪些是你真正擅长的？"

2. **挖掘模式**：
   - "我注意到你工作经历中有3次跳槽，每次的原因是什么？"
   - "简历上显示你同时在做X和Y，你是如何分配精力的？"

3. **发现矛盾**：
   - "简历上说你的优势是X，但实际经历显示你在Y方面花更多时间？"
   - "你简历上写的是Z方向，但为什么现在想做W方向？"

#### 方式 2：MBTI 分析

使用 `scripts/mbti_analyzer.py` 分析用户的 MBTI 类型：

```bash
# 方式 1：交互式测试
python scripts/mbti_analyzer.py test

# 方式 2：直接输入已知类型
python scripts/mbti_analyzer.py input INTJ

# 输出：mbti_INTJ.json
```

**从 MBTI 中获得的信息**：
- 性格类型（INTJ、ENFP 等）
- 优势与劣势
- 适合的工作风格
- 职业倾向

**在访谈中如何使用 MBTI 数据**：

1. **理解行为模式**：
   - INTJ："你提到喜欢战略思考，这符合INTJ的特点。但在执行层面呢？"
   - ENFP："你似乎很容易对新事物兴奋，这是ENFP的典型特征。但也容易分散注意力？"

2. **追问盲区**：
   - 对 INTJ（擅长逻辑、不擅长情感）："你提到用逻辑分析，但在涉及人的决策时呢？"
   - 对 ENFP（有创造力、缺乏执行力）："你有很多想法，但完成的占比是多少？"

3. **验证一致性**：
   - "你的MBTI显示你是X型，但我从你的经历感觉到Y，你怎么看？"

#### 方式 3：生成初步画像

使用 `scripts/persona_generator.py` 整合简历和 MBTI，生成初步画像：

```bash
# 生成初步画像
python scripts/persona_generator.py \
  --resume resume_parsed.json \
  --mbti mbti_INTJ.json \
  --output persona.json
```

**初步画像包含**：
- 基本信息整合
- MBTI 档案
- 职业背景分析
- 技能清单
- 初步洞察

**使用初步画像的优势**：
- 访谈前就有了基线数据
- 可以快速验证假设
- 发现简历/MBTI与实际行为的差异

**注意**：初步画像只是起点，深度访谈才能发现真实的模式。

---

### 四阶段访谈框架

#### 第一阶段：建立基线（2-3轮）

**目标**：了解用户的基本背景和当前处境

- 职业/专业背景（做了什么、在做什么）
- 核心能力（擅长什么、不擅长什么）
- 当前状态（在忙什么、在想什么）

示例问题：
- 你现在主要在做什么？最近在忙什么项目或事情？
- 你觉得自己最擅长的3个能力是什么？
- 用一句话描述你当前的人生/职业阶段

#### 第二阶段：挖掘模式（4-6轮）

**目标**：发现用户的行为模式和失败规律

**追问技巧**：
- **追共同点**："你放弃的X件事，有没有共同的死法？"
- **追第一反应**："看到Y时的第一反应是什么？为什么？"
- **追具体场景**："举一个最近的具体例子"

示例问题：
- 你过去放弃的项目/事情，有没有共同的失败模式？
- 当你看到别人的成功案例时，内心的第一反应是什么？
- 你有没有发现自己反复陷入的某个循环？
- 举一个最近让你印象深刻的具体场景/决策

#### 第三阶段：深层探测（4-6轮）

**目标**：挖掘内在驱动、盲区和矛盾

**关键技巧**：
- **捕捉矛盾**：用户说"A很重要"但实际行动是B
- **验证假设**："你刚才说X，但为什么又做了Y？"
- **追问盲区**："你自己没想到、但别人可能看到的点"

示例问题：
- 你说X很重要，但为什么最近做的都是Y？
- 有没有你自己没意识到、但周围人常指出的特点/问题？
- 如果让一个观察者来评价你，他可能会说什么？
- 什么事是你嘴上说重要、但从来没花时间做的？

#### 第四阶段：关系定义（2-3轮）

**目标**：定义AI应该如何主动协助用户

示例问题：
- 希望AI在哪些场景下主动提醒/干预？
- 你希望AI在你做什么之前先拦住你？
- 哪些事是你应该做但一直拖延、需要AI推你的？

## 画像输出模板

访谈结束后，生成结构化画像文档，包含以下部分：

### 1. 一句话理解我

用一句话精准描述用户的核心特征和当前处境。

**格式**：
```
一个[核心矛盾]的[身份]，正在[当前状态]地寻找[核心诉求]。
```

**示例**：
```
一个能造任何东西但不知道该造什么的程序员，正在焦虑而乐观地寻找从技术能力通往产品收入的路。
```

### 2. 我的根本问题（诊断）

不是罗列问题，而是找出**反复出现的模式**。

**格式**：
```
我反复陷入同一个循环：[模式描述]
每个死掉的项目死法都一样——[根本原因]
```

**示例**：
```
我反复陷入同一个循环：发现技术上能做的事→写代码→做出来→没人用→放弃。
每个死掉的项目死法都一样——不是做不出来，而是从来没验证过有没有人需要。
```

### 3. 行为模式与盲区

列出用户的核心行为模式、矛盾点和盲区。

**格式**：
```
**行为模式**
- [模式1]
- [模式2]

**矛盾点**
- 嘴上说[X]，但实际做的是[Y]
- 认为[Z重要]，但时间都花在[W]

**盲区**
- [自己没意识到的点1]
- [自己没意识到的点2]
```

**示例**：
```
**行为模式**
- 本能地用写代码来回应一切问题
- 同时启动多个项目，但没有明确的验证标准

**矛盾点**
- 嘴上说"要重视市场需求"，但实际从不验证需求就开干
- 认为"商业嗅觉很重要"，但从不学习商业知识

**盲区**
- 技术从来不是瓶颈，需求判断力才是
- 用"能做"代替"应该做"
```

### 4. AI应该主动做的事

这是画像最核心的部分。不是"AI帮我写代码"这种被动响应，而是AI应该**主动**做的干预和提醒。

**格式**：
```
**拦住我**
- 当我[要做某事]时，先问[关键问题]
- 当我[表现出某种模式]时，直接指出来

**推我一把**
- 提醒我去做[应该做但拖延的事]
- 推我去[不舒服但必要的事]

**主动告诉我**
- 分享的信息/想法，主动告诉我[有没有X机会/问题]
- 不要等我问，主动告诉我[我可能忽略的点]
```

**示例**：
```
**拦住我**
- 当我准备写代码时，先问：这个阶段应该写代码还是先验证需求？
- 当我同时启动3个以上项目时，直接问我：验证标准是什么？

**推我一把**
- 推我去跟非技术人员聊需求，而不是只和程序员交流
- 提醒我：这周有没有和潜在用户沟通过？

**主动告诉我**
- 我分享的信息、讨论的技术，主动告诉我有没有产品机会
- 不要等我问，主动告诉我"这篇文章的第三段跟你缺的需求验证能力相关"
```

## 访谈技巧清单

### 追问技巧

1. **追共同点**
   - "你放弃的X件事，有没有共同的死法？"
   - "你做的Y件事，成功模式有什么共性？"

2. **追第一反应**
   - "看到X时的第一反应是什么？"
   - "为什么这个是第一反应？"

3. **追具体场景**
   - "举一个最近的具体例子"
   - "上次遇到这种情况是什么时候？你做了什么？"

4. **追矛盾点**
   - "你刚才说X，但为什么又做了Y？"
   - "你嘴上说重要，为什么从来没花时间？"

5. **追盲区**
   - "你自己没想到、但别人可能看到的点是什么？"
   - "如果让一个观察者来评价你，他可能会说什么？"

### 捕捉矛盾的信号

- 用户说"A很重要"但实际行动是B
- 用户说"我知道X"但行为上重复犯错
- 用户说的目标与实际投入的时间不匹配

### 验证假设

当发现模式后，用追问验证：
- "所以你的模式是……对吗？"
- "我总结一下，你看对不对：……"
- "这个模式在你最近3件事里都出现了吗？"

## 产出质量自检

生成画像后，用以下标准自检：

### 好画像的特征

- [ ] 有诊断性 - 不是罗列优点，而是找出根本问题
- [ ] 有矛盾感 - 捕捉到用户言行不一的地方
- [ ] 有行动指向 - AI知道具体应该主动做什么
- [ ] 用户读后有"被说中"的感觉
- [ ] 用户可能有些不舒服（因为戳中盲区）

### 差画像的特征

- [ ] 只是简历的改写（罗列技能、经历）
- [ ] 只说优点不说缺点
- [ ] 只有分析没有行动指南
- [ ] 用户觉得"可以可以"但没什么触动
- [ ] 看起来适用于任何人的"通用画像"

## 使用流程

1. **开始访谈**：告知用户将进行深度访谈，目的是生成人格画像
2. **四阶段提问**：按框架进行10-15轮对话
3. **实时验证**：每2-3轮总结一次发现的模式，让用户确认或修正
4. **生成画像**：访谈结束后，按模板生成结构化画像文档
5. **质量检查**：用产出质量自检清单验证画像质量
6. **用户确认**：让用户审阅画像，提出修改意见
7. **定稿**：根据用户反馈调整，生成最终画像

## 注意事项

1. **不要美化用户** - 画像的价值恰恰在缺点和盲区
2. **不要给通用建议** - "多学习、多思考"这种话没有价值
3. **不要一次性问太多** - 每轮聚焦1-2个问题，深入追问
4. **不要打断思路** - 当用户说到关键点时，继续追问而不是跳到下一个话题
5. **不要急于下结论** - 访谈后期再总结模式，前期多收集信息