MBTI-LLM: 零训练人格化语言模型

基于重排机制的MBTI人格化生成系统，无需训练即可让LLM呈现稳定的性格与情绪风格

---

核心特性

零训练实现	人格稳定性	本地部署	可观测指标
基于规则和重排，无需模型训练	通过风格评分器保证输出一致性	集成Ollama，支持离线运行	提供详细的人格匹配度分析

系统架构

graph TD
    A[L3 记忆与安全层] --> B[L2 控制器层]
    B --> C[L1 人格状态层]
    C --> D[L0 基座模型层]
    
    B1[人格提示构建器] --> B
    B2[候选生成器] --> B
    B3[风格重排器] --> B
    
    C1[MBTI向量] --> C
    C2[情绪状态机] --> C
    C3[行为规则库] --> C
    
    D1[Ollama服务] --> D
    D2[deepseek-llm:7b] --> D
    D3[API接口] --> D

Loading

支持的人格类型

类型	特征	风格特点
ENTJ (执行官)	领导力、效率导向	结论先行、行动导向、权威指导
INFP (调停者)	价值导向、共情能力	温和细腻、价值叙事、开放思考
ISTP (虚拟家)	实用主义、逻辑分析	务实客观、问题拆解、效果导向

快速开始

环境准备

# 安装Ollama (如果未安装)
curl -fsSL https://ollama.ai/install.sh | sh

# 下载推荐模型
ollama pull deepseek-llm:7b

# 启动Ollama服务
ollama serve

安装使用

# 克隆仓库
git clone https://github.com/Steven-ZN/MBTI-LLM.git
cd MBTI-LLM

# 安装依赖
pip install -r requirements.txt

# 环境配置
python setup.py

使用示例

基础调用

from personality_controller import PersonalityController

# 初始化控制器
controller = PersonalityController()

# 生成ENTJ风格回答
result = controller.generate_with_personality(
    "如何提高团队效率？", 
    personality="ENTJ"
)

print(result["best_response"])

人格对比

question = "如何学习一门新技术？"

for personality in ["ENTJ", "INFP", "ISTP"]:
    result = controller.generate_with_personality(question, personality)
    print(f"\n{personality}: {result['best_response']}")

文本分析

text = "我觉得这个方案需要仔细考虑各方面的影响..."
analysis = controller.get_analysis(text, "INFP")
print(f"INFP匹配度: {analysis['overall_score']:.3f}")

核心组件

1. 人格规则映射 (personality_rules.py)

• MBTI四维度量化
• 可观测行为规则
• 词汇和结构偏好

2. 风格评分器 (style_scorer.py)

• 基于规则的匹配度计算
• 多维度综合评分
• 详细分析报告

3. 人格控制器 (personality_controller.py)

• 候选生成与重排
• Ollama集成
• 人格一致性保证

4. 人格模板 (personality_templates.py)

• 详细的语言风格定义
• 结构化模板
• 对比示例

评估指标

指标	描述	范围
人格一致性	文本与目标人格的匹配度	[0,1]
可分辨性	不同人格输出的区分度	高/中/低
稳定性	多轮对话中的风格保持度	稳定/可变
流畅性	语言质量和可读性	自然/可接受/差

工作流程

flowchart LR
    A[用户输入] --> B[人格选择]
    B --> C[系统提示构建]
    C --> D[并发候选生成]
    D --> E[风格评分]
    E --> F[最佳回答选择]
    F --> G[人格化回答 + 分析]

Loading

配置选项

基座模型选择

# 支持的Ollama模型
controller = PersonalityController(
    base_model="gpt-oss:20b",     # 你的本地模型
    # base_model="llama2:13b",    # 更大模型，更好质量
    # base_model="gemma:2b",      # 轻量模型，快速响应
)

生成参数调优

result = controller.generate_with_personality(
    user_input,
    personality="ENTJ",
    num_candidates=5,    # 候选数量：越多越准确，但越慢
    return_all=True      # 返回所有候选及评分
)

应用场景

虚拟助手 为AI助手添加稳定人格特征	内容创作 生成不同风格的创作文案
教育培训 MBTI理论教学和实践体验	研究工具 人格计算和文本分析研究

扩展方向

短期优化

• 添加更多MBTI类型支持
• 情绪状态机集成
• 对话历史记忆

中期升级

• 训练专用风格评分器
• LoRA微调支持
• 多轮对话一致性

长期目标

• Big Five人格模型
• 个性化人格定制
• 实时风格自适应

技术细节

人格量化方法

PersonalityProfile(
    mbti='ENTJ',
    e_score=0.8,   # 外向性 [-1,1]
    s_score=0.2,   # 感觉性 [-1,1] 
    t_score=0.9,   # 思考性 [-1,1]
    j_score=0.9,   # 判断性 [-1,1]
    valence=0.2,   # 情绪愉悦度
    arousal=0.7    # 情绪唤醒度
)

评分算法

final_score = (
    sentence_structure * 0.3 +   # 句子结构
    vocabulary_match * 0.25 +    # 词汇匹配
    tone_consistency * 0.2 +     # 语调一致性
    length_style * 0.15 +        # 长度风格
    punctuation_style * 0.1      # 标点风格
)

贡献指南

欢迎提交PR和Issue！重点关注：

• 新的人格类型规则
• 评分算法优化
• 应用场景扩展
• 性能优化

许可证

MIT License - 详见 LICENSE 文件

致谢

• Ollama项目 提供本地LLM支持
• MBTI理论 为人格建模提供基础
• 开源社区 提供各项依赖库支持

---