微博人格蒸馏器 (Weibo Persona Builder)

「你发的每一条微博，都在无意中画出了自己的心理地图。」

Overview

从微博数据中提取人格信号，生成三个层级的产物：

个体层级：

1. 人格分析报告 — 多维度心理画像（报告文件）
2. 人物 Persona Skill — 可对话的模拟人格（skill 文件，加载后即可与其模拟对话）

群体层级： 3. 群体画像报告 — 多用户的统计分布与聚类分析（赋能社会科学研究）

核心逻辑：微博是公开表演台，但人格痕迹藏不住——措辞习惯、情感波动模式、话题偏好、深夜发言、互动方式……这些跨场景复现的信号比单条内容更可靠。当多个用户的个体画像汇聚到一起，群体层面的统计规律开始浮现——这就是计算社会科学的基础设施。

前置要求 (Prerequisites)

使用本 skill 前，必须依次完成以下步骤：

Step 0：环境准备

☐ 1. Chrome 浏览器已开启远程调试：chrome://inspect/#remote-debugging → 勾选 Allow remote debugging
☐ 2. 在 Chrome 中访问 https://m.weibo.cn 并确认已登录微博账号
☐ 3. Web Access Skill 已激活（CDP Proxy 运行中）

Step 1：数据获取（逐个用户 + 智能重试）

核心原则：

• 逐个处理：一次只抓取一个 UID，处理完成后才进入下一个
• 智能重试：区分「真无数据」和「技术限制」，避免无效重试
• 渐进降级：API → DOM → 跳过，每步都有最大尝试次数

1.1 单用户抓取流程

对每个 UID 执行：

1️⃣ API 模式（优先）：
   - 在已有微博 tab 内用 eval 调 API：
     fetch('https://m.weibo.cn/api/container/getIndex?containerid=107603{UID}&page=N', {credentials:'include'})
   - 跳过长文展开（避免 session 超时），在报告中标注「长文待展开」
   - 保存 weibo_final.json

2️⃣ 结果判断：
   A) 获取 ≥ 30 条 → ✅ 标记为「good」→ 进入下一个 UID
   B) 获取 1-29 条 → 进入「数据不足判断」（见 1.2）
   C) 获取 0 条（API 返回 ok:-100 验证码/限流） → 进入「技术限制重试」（见 1.3）
   D) 获取 0 条（API 正常但所有卡片超出日期范围） → 判定为「该时段无发帖」→ 标记为「empty」→ 进入下一个 UID

3️⃣ 每完成一个 UID，输出进度：`[N/Total] UID xxx: 名称 | X条 [quality]`

4️⃣ 每抓取 3-4 个 UID 后，主动刷新 session（导航到 m.weibo.cn 主页 + 等 3 秒）

1.2 数据不足判断（1-29 条）

当获取 1-29 条时，判断原因：

- 如果 API 返回的所有页都已翻完（无更多数据），且日期范围正常覆盖 → 判定为「时段内数据不足」
  → 标记为「marginal」→ 进入下一个 UID
- 如果 API 中途被限流（后续页返回 -100 或报错），且有更多页未翻 → 判定为「技术限制」
  → 进入「技术限制重试」（见 1.3）

1.3 技术限制重试（最多 3 次）

当因验证码/限流/网络问题导致数据不完整时：

重试策略（递增间隔）：
- 第 1 次重试：导航到 m.weibo.cn 刷新 session → 等待 5 秒 → 重新抓取
- 第 2 次重试：尝试 DOM 滚动回退模式（profile/{UID} + 滚动提取 Vue 组件）
- 第 3 次重试：关闭当前微博 tab → 创建新 tab 访问 m.weibo.cn → 重新抓取

⚠️ 3 次重试后仍失败：
  → 标记为「failed」→ 记录失败原因 → 进入下一个 UID（不再纠缠）
  → 在最终决策点汇总时展示失败原因，由用户决定是否手动干预

1.4 产出文件

每个 UID 抓取完成后立即保存：

• {outputDir}/{UID}/weibo_final.json — 结构化微博数据
• {outputDir}/{UID}/weibo_resource_library.md — 按日期分组的资料库

Step 2：数据验证与决策点 ★（必须执行）

所有 UID 抓取完成后，统计汇总并以表格展示成果：

📊 数据抓取汇总：

| UID | 用户名 | 微博数 | 质量 | 日期范围 |
|-----|--------|--------|------|----------|
| xxx | 张三   | 220    | ✅ good | 2026-01-01~2026-05-27 |
| xxx | 李四   | 42     | ✅ good | 2026-04-24~2026-05-27 |
| xxx | 王五   | 10     | ⚠️ marginal | 2026-02-28~2026-03-24 |
| xxx | 赵六   | 0      | ❌ failed | - |

质量评级:
- ✅ good: ≥30条，可正常分析
- ⚠️ marginal: 4-29条，分析但标注「数据不足」  
- ❌ failed: 0条，无法分析

展示汇总后必须询问用户（使用 AskUserQuestion 工具）：

数据抓取完成，请选择下一步操作：

选项（单选）：

• 「进行下一阶段」 — 基于现有数据，对所有有数据的用户执行 Phase 2-6（人格分析→persona skill→群体画像）
• 「补全数据」 — 对 ❌ failed 和 ⚠️ marginal 的用户，尝试重新抓取（可能需要手动解除验证码后重试）
• 「结束」 — 保存当前成果并停止，稍后继续

用户选择「进行下一阶段」→ 继续 Phase 2
用户选择「补全数据」→ 回到 Step 1 重新抓取失败的 UID，然后再次进入 Step 2 决策点
用户选择「结束」→ 保存进度文件，告知用户如何恢复

⚠️ 绝对禁止跳过此决策点直接进入分析阶段。无论数据好坏，必须先展示汇总并让用户选择下一步。

执行流程

Phase 1：数据加载与画像

1. 读取 weibo_final.json
2. 统计基础数据：总条数、日期范围、月均发博频率、原创/转发比、带图率
3. 输出数据概况（告知用户）

Phase 2：人格分析

分析前必须做的事：读取 references/personality-analysis.md 获取完整分析框架和证据标注规范。

分析维度（逐维分析，不可跳过）：

2.1 Big Five 人格

• 对五个维度分别评分（1-10）并引用微博证据
• 每条评分至少引用 2 条微博内容作为证据
• 识别高信号（跨话题复现≥3次）vs 低信号（单次出现）

2.2 深层人格

• 认知风格（系统化/直觉化、抽象/具体、分析性/叙事性）
• 动机驱动（成就/归属/权力/探索/安全）
• 价值观排序（从内容中提取反复出现的价值主张）
• 防御机制（幽默化解/理性化/投射/回避等）
• 依恋风格（安全/焦虑/回避/混乱）
• 情绪基调（乐观/悲观、温暖/冷峻、轻松/紧张）

2.3 表达 DNA

• 语言特征：句长偏好、词汇丰富度、emoji 使用习惯
• 常用句式：高频句式结构
• 幽默方式：讽刺/自嘲/冷幽默/荒诞/不幽默
• 禁忌词和回避话题

2.4 行为模式

• 社交互动风格（与粉丝/他人的互动方式）
• 冲突处理倾向
• 压力反应模式

2.5 诚实标注

必须明确写出：

• 哪些推断证据充足，哪些是推测
• 「微博形象 vs 真实人格」可能存在差距的维度
• 数据量不足导致分析受限的维度

Phase 3：生成人格报告

将 Phase 2 的分析结果汇总，写入 personality_report.md，同时产出结构化数据 profile_data.json：

weibo_/
├── weibo_final.json                   # 来自微博抓取工具-DF
├── weibo_resource_library.md          # 来自微博抓取工具-DF
├── personality_report.md              # ★ 本 Phase 产出：人格分析报告
├── profile_data.json                  # ★ 本 Phase 产出：结构化人格数据（群体分析的数据源）
└── persona_/                    # Phase 4 产出：人物 persona skill
    └── SKILL.md

报告格式要求：

• 每个维度有评分/结论 + 至少 2 条引用证据
• 末尾有「诚实边界」section，列出所有局限性
• 报告开头展示数据概况摘要

profile_data.json 格式：必须按照 references/group-analysis.md §数据来源 中定义的结构输出，确保 Big Five 评分、认知风格、动机驱动、情绪基调等关键字段完整。这是 Phase 6 群体分析的唯一数据源，不完整会导致群体分析失败。

Phase 3 完成后暂停，展示报告摘要给用户确认：

人格报告摘要：
- Big Five: O=7 C=5 E=3 A=6 N=4
- 认知风格: 系统化+抽象
- 核心动机: 成就驱动(+探索)
- 情绪基调: 温和乐观
- 诚实标注: 3 条局限

用户确认后 → Phase 4。

Phase 4：生成人物 Persona Skill

Step 1：读取模板

读取 references/persona-template.md 获取 persona skill 的标准结构。

Step 2：填充模板

将 Phase 2 的分析结果映射到模板占位符：

Step 3：写入文件

将填充完成的 SKILL.md 写入 persona_/SKILL.md。

Step 4：质量验证

生成完成后，快速验证：

• 身份卡是「我」的视角而非第三人称
• 角色扮演规则完整（核心指令 + 禁止行为）
• Big Five 五个维度全部评分
• 诚实边界至少 3 条
• 每维度有引用证据

Phase 5：交付

1. 展示生成路径
2. 告知用户如何加载 persona skill 进行对话模拟
3. 可选：用生成的 persona 进行一次简单对话测试

Phase 6：群体画像聚合分析（新增）

触发条件：用户明确要求「群体分析」「群体画像」「聚合统计」「这批用户有什么共同特征」等， 或用户提供了包含多个用户分析结果的目录。

Step 1：确认数据源

确认存在多个用户的 profile_data.json（每个用户一个，由 Phase 3 产出）。 目录结构示例：

weibo-distill/
├── 2731728324/
│   ├── profile_data.json      ← Phase 3 产出
│   └── ...
├── 2865101843/
│   ├── profile_data.json      ← Phase 3 产出
│   └── ...
└── 5698023579/
    ├── profile_data.json      ← Phase 3 产出
    └── ...

Step 2：运行聚合脚本

# 用法
python scripts/aggregate_profiles.py <包含多个用户子目录的根目录> [--output <输出目录>]

脚本自动完成：

1. 扫描目录下所有 profile_data.json
2. 计算 Big Five 描述统计（均值、中位数、标准差、分布直方图、极值用户）
3. 计算分类变量分布（认知风格、动机、情绪基调、依恋风格等）
4. 当 N≥5 时执行 K-means 聚类
5. 输出 group_data.json + group_summary.csv

Step 3：生成群体画像报告

基于 group_data.json，结合 references/group-analysis.md 中的框架，生成 group_profile_report.md：

报告必须包含的 section：

1. 样本概况

   • 总用户数、总微博数、人均微博数
   • 数据质量分布（good/marginal/insufficient）
   • 用户列表（UID + 名称 + 微博数）

2. Big Five 群体画像

   • 五个维度的均值、中位数、标准差
   • 每个维度的分布直方图（文字描述或可视化）
   • 每个维度的"典型值"和"极值用户"
   • 群体层面的 Big Five 画像总结（如"整体偏高开放性、中等尽责性"）

3. 认知风格分布

   • 系统化 vs 直觉化比例
   • 抽象 vs 具体比例
   • 分析性 vs 叙事性比例

4. 动机驱动分布

   • Top-N 动机频率
   • 主要动机模式总结

5. 情绪基调分布

   • 积极/中性/消极比例
   • 温暖/中性/冷峻比例

6. 群体聚类（N≥5 时）

   • 聚类结果（每个簇的中心、成员、典型特征）
   • 簇的命名和描述

7. 群体画像总结

   • 用自然语言描述"这个群体的典型画像"
   • 群体多样性评估

8. 社会科学应用建议

   • 虚拟受访者池的使用方式
   • 问卷设计参考（基于群体表达 DNA）
   • 社会模拟（ABM）的人格参数建议
   • 样本偏差和局限性说明

Step 4：交付

1. 展示群体画像摘要
2. 交付文件：group_profile_report.md + group_data.json + group_summary.csv
3. 告知用户如何将 group_data.json 导入 SPSS/R/Python

Phase 6 完成后暂停，展示群体画像摘要给用户确认：

群体画像摘要 (N=5)：
- Big Five 群体均值: O=6.8 C=5.4 E=6.2 A=6.0 N=3.8
- 认知风格: 直觉化 60% / 系统化 40%
- 主要动机: 归属驱动(3人) > 成就驱动(2人)
- 情绪基调: 积极 80% / 温暖 60%
- 聚类: 2 簇 —「外向温暖型」(3人) vs「内敛分析型」(2人)

输出产物

个体层级

weibo_/
├── weibo_final.json              # 来自 DF 工具
├── weibo_resource_library.md     # 来自 DF 工具
├── personality_report.md         # ★ 人格分析报告
├── profile_data.json             # ★ 结构化人格数据（Phase 6 数据源）
└── persona_/               # ★ 人物 persona skill
    └── SKILL.md                  # 可直接加载使用

群体层级

group_analysis/
├── group_profile_report.md       # ★ 群体画像报告（可读 Markdown）
├── group_data.json               # 结构化群体数据（可导入 SPSS/R/Python）
└── group_summary.csv             # 个体摘要表（可用 Excel 打开）

使用示例

场景 A：个体分析

用户：帮我分析 UID 5698023579 的微博人格

AI：
1. 检查前置条件 → 确认 weibo_final.json 已存在（2025-06-07 ~ 2026-06-07，共 312 条）
2. Phase 1-2 分析 → 生成 personality_report.md + profile_data.json
3. Phase 3 确认 → 展示摘要，用户确认
4. Phase 4 生成 persona → 产出 persona_/SKILL.md
5. 完成，用户可以加载 persona skill 进行对话

场景 B：群体画像

用户：我已经分析了 10 个微博用户，帮我做群体画像聚合

AI：
1. 确认目录下存在 10 个 profile_data.json
2. Phase 6 Step 2 → 运行 aggregate_profiles.py
3. 基于 group_data.json → 生成群体画像报告
4. 展示摘要 → 用户确认
5. 交付 group_profile_report.md + group_data.json + CSV

场景 C：社会科学研究（端到端）

用户：我要做 95 后微博用户的心理画像研究，帮我采集 20 个用户的微博并生成群体报告

AI：
1. 逐个用户：DF 工具抓取 → 个体人格蒸馏 → persona + profile_data.json
2. 全部完成后：群体聚合 → 群体画像报告 → 虚拟受访者池
3. 交付：
   - 20 份个体报告 + persona skill（可单独对话模拟）
   - 1 份群体画像报告（导入 SPSS 做进一步分析）
   - 1 份 group_summary.csv（Excel 可读）

质量约束

最低数据要求

• ≥ 30 条微博：正常分析
• 15-29 条：分析但标注「数据不足」
• < 15 条：拒绝分析，告知用户数据太少

分析深度

• Big Five 每个维度 ≥ 2 条证据引用
• 诚实边界 ≥ 3 条
• 至少 2 处指出「表面 vs 深层」的矛盾

严肃底线

• 不假装心理学专业诊断（这是推断，不是临床评估）
• 不在证据不足时强行给结论
• 「不确定」是合法输出

Resources

references/personality-analysis.md

人格分析框架，包含 Big Five 评分指引、证据标注规范、深层人格维度定义。

references/persona-template.md

生成的 persona skill 模板，定义了所有占位符和 Section 结构。 重要：模板开头注明了生成 persona 时必须同步输出 profile_data.json。

references/group-analysis.md

群体画像统计分析框架，包含：

• profile_data.json 格式规范
• 聚合维度定义（Big Five 分布、认知风格、动机、情绪、聚类）
• 社会科学应用场景（虚拟受访者、ABM 社会模拟、问卷设计辅助）
• 质量约束与伦理声明

scripts/aggregate_profiles.py

群体数据聚合脚本。扫描目录下所有 profile_data.json，计算描述统计 + 分类分布 + K-means 聚类， 输出 group_data.json + group_summary.csv。

python scripts/aggregate_profiles.py  [--output ]