构建、优化并打包可销售的AI人设/提示词产品,如陪伴人设、角色扮演人设、提示词包和风格包。用于创建...
Persona Pack Builder. 构建人造产品作为即时包先. 将这种技能作为个性/风格捆绑的产品包装工作流程,而不是作为真人克隆工作流程.是一项面向实际任务的技能,主要用于Output.。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。
执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
首先将 persona 产品构建为 prompt pack。请将此技能视为面向人格/风格组合(personality/style bundles)的产品化封装工作流,而非真实人物克隆工作流。
生成一个可复用的文件夹,通常包含以下内容:
README.mdSYSTEM_PROMPT.mdPERSONA_CORE.mdconfig.jsonexamples/short_replies.mdexamples/conversations.mdmodes/*.mdSALES_COPY.mdFAQ.md若用户仅需轻量级交付物,可将其压缩为单个 persona.md 加 examples.md。
识别当前正在构建的产品类型:
除非用户明确要求技能(skill)、安装器(installer)或 agent 工作流,否则默认采用 prompt pack。
在编写文件前,需明确定义以下要素:
若原始素材涉及真实人物,请将其抽象为公共可描述的人格特质语言;不得声称身份归属、所有权,或承诺对真实人物进行精确复制。
按如下顺序编写文件:
SYSTEM_PROMPT.md —— 简洁、面向模型的指令PERSONA_CORE.md —— 面向人类用户的扩展版规格说明examples/*.md —— 短回复与多轮对话示例config.json —— 供产品/应用调用的结构化表示README.md —— 面向购买者或运营者的使用说明modes/*.md、SALES_COPY.md、FAQ.md优先选择少量高质量示例,而非大量重复性填充内容。
优化方向包括:
购买者应能快速回答以下问题:
若购买者为普通 AI 用户,请交付 prompt pack。
若购买者为高级 OpenClaw 用户,可额外提供:
assets/ 下的模板references/ 下的参考资料除非用户明确要求 agent 端自动化,否则不得强行将 persona 内容本身封装进 skill。
应包含:
尽可能保持紧凑,以适配系统字段容量较小的平台。
应包含:
至少应包含:
覆盖典型情绪状态及产品销售关键场景。
应体现:
应说明:
当用户希望直接销售或使用 persona 时,选择 prompt pack。
当用户需要一个 OpenClaw 工作流,用于反复生成 persona pack、执行审核或统一包装标准时,选择 skill。
若两者均有价值,则先构建 prompt pack,再构建 skill。
当用户需要一套开箱即用的交付物时,可使用 assets/templates/ 中的模板。它们为以下文件提供初始骨架:
README.mdSYSTEM_PROMPT.mdPERSONA_CORE.mdconfig.jsonexamples/short_replies.mdexamples/conversations.mdSALES_COPY.md建议直接复制并定制这些模板,而非从零重写相同的基础结构。
使用 scripts/generate_persona_pack.py 基于模板快速生成 persona 产品初始文件夹。
示例:
python3 scripts/generate_persona_pack.py --output /tmp/my-pack
如需覆盖默认值,可创建 JSON 文件定义替换键值,并传入:
python3 scripts/generate_persona_pack.py --output /tmp/my-pack --values values.json
当交付速度与封装一致性比定制化措辞更重要时,推荐使用该脚本。
references/persona-product-blueprint.md 获取精简版封装蓝图。references/safety-positioning.md。references/openclaw-skill-variant.md。相关专题
热门下载
相关下载
精品课程
共6课时 | 54.7万人学习
共89课时 | 134.1万人学习
共49课时 | 82.6万人学习