Persona Atlas：Hugging Face 上的开源人物思维映射工具

TL;DR。 Persona Atlas 能把一位公众人物变成一幅你真正可以量化的行为画像。你输入一个名字，一个小模型智能体就会在开放网络上研究这个人，写出一份有据可依的档案，然后以其口吻回答一组固定的开放式“思考”问题。每个回答都会被嵌入，于是一个人格不再是一大段文字，而变成了空间中的一个点。把若干位思考者并排放在一起，你就能看出谁倾向于怀疑、谁倾向于幽默、谁倾向于冷峻的抽象。其背后的赌注是：个性主要是风格，而非马力，所以即便负责说话的是小模型，个性依然能保留下来。而既然这是build-small黑客松，这差不多正是全部意义所在。

观看这段简短导览：研究一个人格，比较几个，阅读特质热力图。

播放器加载遇到问题？在 YouTube 上观看。[

引发这一切的问题

如果能把苏格拉底、丘吉尔和一位硅谷创始人放进同一个房间，给他们同一个无法回答的问题，然后观察每个人如何以截然不同的方式去寻求答案，会怎样？大多数基准测试衡量的是模型知道什么。Persona Atlas 追求的则是更难把握的东西——一个特定心智如何运转，它试图让这一点变得可见，而不只是声称如此。

工作原理

一次运行包含三个步骤。

首先是研究阶段。一个工具调用型智能体会执行真实的网络搜索，抓取一张人物肖像，并整理出一份公开档案、一份有据可查的事实清单（每一条都链接回它实际访问过的来源），以及一个“风格假设”——即它对这个人如何应对一个从未见过的问题所做出的最佳猜测。

其次，由该人格来回答基准测试：十个刻意设计为开放式的提示词，涉及身份、伦理、真相、自由意志、意义和机器意识。这些题目故意没有正确答案。正是这些问题，能让个性流露出来，而非展现模型的原始能力。

第三，每一个回答都会转化为嵌入向量。这就把每个人格变成了可以相互比较的数据点：把两个并排放置，衡量它们回答之间的距离。

对比思维

选择任意一个已保存的人格，对比视图会做两件事。它衡量这些人格的回答在嵌入向量空间中的距离，给出一个数字来表示整个群体的分歧程度；同时它会针对十个特质锚点（严谨性、清晰度、创造力、怀疑精神、自信、善良、幽默、好奇心、务实、抽象）对每个人格进行评分，并以特质倾向热力图的形式呈现。

这个网格经过了双重中心化处理，其重要性远超字面听起来的程度。一个暖色单元格绝不意味着在某种绝对意义上"该特质得分高"。它意味着这个人格比你恰好放在桌面上的其他人格更倾向于该特质。把几个差异极大的人放在一起对比，各行就会拉开差距。一个人格在幽默和自信上偏暖，另一个则在抽象和怀疑精神上偏暖。

底层原理

一切都通过 Hugging Face Inference Providers 在小型托管模型上运行：一个紧凑的生成器驱动智能体，一个轻量级嵌入向量模型负责几何计算，再加上实时网页和图像搜索来提供事实依据。前端是 Gradio，包含三个标签页：研究一次运行、对比已保存的人物画像，以及查看完整的智能体追踪记录，这样你可以亲自核实它依赖的是真实来源，而不是悄悄编造内容。系统预置了一组人物画像，因此页面一加载对比功能即可使用，无需 token。

试用

打开"对比已保存的人物画像"标签页即可开始，或者研究一个新人物并将其添加到图谱中：huggingface.co/spaces/build-small-hackathon/persona-atlas