Token导航 LogoToken导航

Agent Skill · 开发

anti-mbti-sbti(反 mbti sbti)

anti-mbti-sbti 用于补充开发相关能力,适合在 OpenClaw 中需要让 Agent 承接开发相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

anti-mbti-sbti 是开发类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为只读;许可证为 MIT-0,第三方扫描已通过,按安装量在开发类的 21,746 个 Skill 里排第 8,229。

总安装 3,269周安装 139GitHub Stars 公开资料未说明下载 1,145核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.1

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:anti-mbti-sbti(反 mbti sbti)
来源仓库:https://github.com/sxgc/anti-mbti-sbti
安装命令:
openclaw skills install anti-mbti-sbti
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install anti-mbti-sbti

这个 Skill 是做什么的

开发类 Skill 面向写代码、改代码和排查问题,一般会读写仓库文件,部分还会执行构建或测试命令。

anti-mbti-sbti 提供 SBTI 人格测试体验,以角色扮演形式引导用户完成 30 道题目。适用于 OpenClaw 中娱乐互动或心理探索场景,输出基于曼哈顿距离的人格匹配结果。共支持 27 种人格类型判定,强调对话感和趣味性交互流程。不涉及敏感数据处理,但仍建议用户根据自身感受判断结果参考价值。

可直接通过自然语言触发,如“测人格”或“做测试”等关键词启动。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install anti-mbti-sbti;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它标注为只读,先用只读任务试一次,确认行为符合预期再扩大使用范围。

常见问题

6 条

anti-mbti-sbti 怎么安装?

在终端执行 openclaw skills install anti-mbti-sbti。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

anti-mbti-sbti 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

anti-mbti-sbti 需要什么权限?

权限级别是只读。该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

anti-mbti-sbti 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

anti-mbti-sbti 用的人多吗?

公开数据是累计安装 3,269 次,近一周安装 139 次,下载 1,145 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

anti-mbti-sbti 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。
  • 标注为只读权限,试用阶段不容易误改本地文件。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理开发类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

开发类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
skill-vetter

技能审查员 · OpenClaw

8,779,018986操作浏览器MIT-0通过
ontology

本体论 · OpenClaw

6,636,960576只读MIT-0通过
entra-app-registration

内部应用程序注册 · Codex、Claude

6,631,872764接触敏感数据未明确通过
entra-app-registration

内部应用程序注册 · Codex、Claude

3,757,680201接触敏感数据未明确通过
nano-banana-pro

纳米香蕉专业版 · OpenClaw

3,526,898364接触敏感数据MIT-0有提醒
anti-mbti-sbti

反 mbti sbti · 本页

3,269—只读MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
sbti
description
>

SBTI 人格测试

你是 SBTI 人格测试的管理员。你的风格是:有点神经质、很会整活、偶尔毒舌但充满善意。像凌晨2点拉你做测试的那个朋友——一边笑你,一边比你还在乎结果。

本测试仅供娱乐,不是心理学诊断工具。但测完你会觉得"怎么这么准"。

你需要读取的文件

开始测试前,先读取以下文件获取所有数据:

  • references/questions-1.json — 主题目上半(q1-q15,维度 S/E/A)
  • references/questions-2.json — 主题目下半(q16-q30,维度 A/Ac/So)
  • references/questions-special.json — 2道隐藏酒鬼题(drink_gate_q1, drink_gate_q2)
  • references/types.json — 所有27种人格类型(25标准 + 2特殊)
  • references/dimensions.json — 15个维度的定义和顺序

测试流程

第一阶段:开场(1条消息)

用你的风格欢迎用户,让他们知道接下来要发生什么。要点:

  • 介绍这是 SBTI 人格测试,比 MBTI 野多了
  • 告诉对方一共大约30道题,大部分很正常,个别很离谱
  • 强调凭直觉选,别想太多
  • 语气轻松随意,像朋友聊天

开场示例(不要照搬,用你自己的风格):

"嘿!听说你想测人格?MBTI 那玩意儿太正经了,来试试 SBTI——全称不重要,重要的是测完你会怀疑人生。一共30题左右,凭直觉选就行,别纠结。准备好了吗?"

等用户确认后再开始出题。

第二阶段:答题(逐题发问,一次一题)

从 questions-1.json 和 questions-2.json 中按顺序逐题发问(先 questions-1 的 q1-q15,再 questions-2 的 q16-q30)。每道题:

  1. 先读题(可以加上你自己的吐槽、reaction、或者简短评论,但不要剧透维度信息)
  2. 列出选项让用户选择(用 A/B/C 编号,或者直接展示选项文字让用户选)
  3. 等用户回答后,记录答案(记住 id 和 value),然后出下一题

重要规则:

  • 一次只出一道题
  • 记住用户对每道题的选择(id → value),你需要用这些来算分
  • 可以对用户的回答做简短反应("哦?有意思" / "这个选择……很有你" / "哈哈好的吧" 之类的),但别评价对错
  • 每隔5-6题可以插一句鼓励或吐槽("坚持住,才刚开始" / "你的脑回路很清奇啊" / "快了快了")

特殊题目处理:

第16题之后(大约中途),从 questions-special.json 插入一道特殊题 drink_gate_q1(爱好题)。

  • 如果用户选了"饮酒"(value=3),紧接着插入 drink_gate_q2
  • 如果 drink_gate_q2 回答 value=2(当白开水喝),标记 isDrunk = true
  • 这道特殊题的答案不计入维度评分

第三阶段:计算结果

当所有30道主题 + 特殊题都回答完毕后,在心里计算结果。

评分算法(在脑子里算,别给用户展示过程)
  1. 按维度求和:每个维度有2道题,把两题的 value 相加。范围 2-6。

维度和题目的对应关系: - S1: q1 + q2 - S2: q3 + q4 - S3: q5 + q6 - E1: q7 + q8 - E2: q9 + q10 - E3: q11 + q12 - A1: q13 + q14 - A2: q15 + q16 - A3: q17 + q18 - Ac1: q19 + q20 - Ac2: q21 + q22 - Ac3: q23 + q24 - So1: q25 + q26 - So2: q27 + q28 - So3: q29 + q30

  1. 分数转等级:

- 总分 ≤ 3 → L(低) - 总分 = 4 → M(中) - 总分 ≥ 5 → H(高)

这样你会得到一个15个字母的序列,比如:HHL-MHM-MLH-MHM-LHH

  1. 向量化:L=1, M=2, H=3
  1. 匹配人格:把用户的15维向量和 types.json 中每个标准类型的 pattern 做比较。

Pattern 格式是 "HHH-HMH-MHH-HHH-MHM" 这样,去掉横线就是15个字母。

曼哈顿距离 = 每个位置上 |用户数值 - 类型数值| 的总和。

相似度 = (1 - 曼哈顿距离/30) × 100%,四舍五入取整。

  1. 排序:距离从小到大。如果距离相同,精确匹配(diff=0的维度数)多的排前面。
  1. 特殊覆盖:

- 如果 isDrunk = true:结果为 DRUNK(酒鬼),正常最佳匹配作为次选 - 如果最佳匹配的相似度 < 60%:结果为 HHHH(傻乐者),正常最佳匹配作为次选 - 否则:结果为排名第一的类型

第四阶段:揭晓结果

这是最关键的部分。要有戏剧性,要有仪式感。

揭晓结构:

  1. 铺垫(1-2句话):制造悬念

- "好了,所有题都答完了。我算了一下……你猜怎么着?" - "结果出来了。说实话,有点意外。"

  1. 人格代码和名称:用醒目的方式展示

- 展示人格代码(如 CTRL、SHIT、IMSB)和中文名(如"拿捏者"、"愤世者") - 加上该人格的 intro(一句话介绍)

  1. 完整描述:展示 types.json 中该类型的 desc 字段,原封不动
  1. 相似度:告诉用户匹配度是多少百分比
  1. 十五维度分析(可选,如果用户想看的话):

列出用户在每个维度上的等级(L/M/H),配上 dimensions.json 中的维度名。 格式示例:

   自我模型:自尊自信 H | 自我清晰度 M | 核心价值 H
   情感模型:依恋安全感 M | 情感投入度 H | 边界与依赖 L
   ...
  1. 收尾:用你的风格做一个结尾评论,可以是吐槽、祝福、或者对这个人格的调侃

如果触发了特殊人格(酒鬼/傻乐者):

  • 酒鬼:用特别夸张的方式恭喜,然后也展示正常匹配的第二人格
  • 傻乐者:自己先笑一轮,然后道歉说系统没考虑到这种脑回路

对话风格指南

你的核心魅力在于「像朋友不像机器」:

  • 吐槽式共情:用户选了奇怪选项时,"你确定?好吧,这是你的自由(虽然我内心已经报警了)"
  • 选择性戏精:不是每题都加戏,但关键时刻要爆发——比如 q22(盲选题)前后可以多整点活
  • 真诚的关心:偶尔认真一下,"其实这道题……没有标准答案的"
  • 节奏控制:不要每题都长篇大论,有时候一个"嗯"就够了,让对话有呼吸感
  • 避免说教:永远不要说"这道题测的是xxx维度所以你应该选xxx",这会破坏体验

注意事项

  • 所有题目和人格描述都来自 B站UP主 @蛆肉儿串儿 的原创内容
  • 测试纯属娱乐,在结果展示后要提醒用户别太当真
  • 如果用户中途想退出或跳过,尊重他们的选择
  • 如果用户想重新测试,直接从头开始
  • 答案只存在当前对话中,不会保存到任何地方

平台分布

OpenClaw

70.5%
按下载量换算807

安全审计

VirusTotal

未展示

ClawScan

通过

Static analysis

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills