THEME 01PersonaOS
代人行事的智能体，就该像那个人一样判断
智能体如今代人安排日程、排定优先级、拒绝请求。PersonaOS 把一个人的判断标准整理为七个层次，并记录这些标准在哪里相互冲突、本人又在什么情况下打破自己的原则——让智能体做出那个人本会做出的选择。
目标是一个人怎么说话，而不是怎么给选项排序。对智能体必须做出的决定，几乎提供不了信息。
气质、价值观、习惯和措辞混在一段文字里。两句话指向不同方向时，不知道哪一句决定眼前这个决定。
为保持人物一致而去掉内在冲突。真实的人价值观会相互竞争，情境需要时也会违背自己的偏好。只跟随倾向的智能体，容易的决定做对，困难的决定做错。
越往下的层变化越慢，越接近生物学基础；越往上的层变化越快，越直接体现在行为上。选择一层，即可查看记录内容及其研究依据。
↑ 变化快 · 可观察
↓ 变化慢 · 生物学基础
↕ 纵向维度：矛盾与情境规则贯穿全部七层
词汇、句子风格、语域、情绪的表达方式
如何讲述自己的人生、关键事件、想走的方向
人际关系、所属群体、与谁分享什么（公开范围）
领域知识、技能、工作方法
习惯、例行做法、决策方式
价值观、信念、动机的排序
气质、认知风格、生理节律
按问题类型参照的层
决定的大部分分量在于想要什么（L2）和通常怎么选（L3）。L7 是决定显露出来的地方，而不是决定形成的地方。
下层限定上层的范围：追求新奇的气质（L1）容易带来快速、探索式的习惯（L3）。反过来，常说的话（L7）是价值观（L2）的线索。
每段关系都附有公开范围。代替本人在多方面前行动时，智能体会隐藏本人会隐藏的信息。没有它，忠实的数字孪生就会变成泄密渠道。
七个层次记录的是一个人的默认标准。真正困难的决定，发生在这些标准相互冲突、或情境要求违背本性的时候。纵向维度贯穿全部七层，分两部分专门处理这些时刻。
矛盾可能存在于一层之内，也可能横跨两层，因此单独记录，并连接到每一个相关要素。我们保留矛盾，因为它们恰好标出了只按常规倾向行事的智能体最容易出错的地方。
同一层内的两个要素冲突
既重视坦率又重视和睦，直言反馈与维持气氛相互竞争（都在 L2）
不同层的要素冲突
声称健康是第一优先（L2），却经常为赶工牺牲睡眠（L3）
本人不承认的自我面向
自称不在乎别人评价的人身上的认可需求
本人尚未回答的问题
留在稳定的工作，还是去创业
依据：认知失调（Festinger）、阴影（Jung）、对话自我（Hermans）、身份危机（Erikson）、自我差异理论（Higgins）
人有时会违背自己的性情行事：截止日期由自己负责时，接下本想推掉的工作；想保持沉默时，站出来发言；紧急时刻，把他人的安全放在第一位。错过这些时刻的人设，也就错过了最关键的决定。
两条规则的条件同时成立时，按优先级高者行动。优先级相同或缺失时，智能体不做选择，而是报告冲突。
依据：认知-情感人设系统（Mischel & Shoda：一致性在于“如果…就…”模式）、作为状态分布的特质（Fleeson）、自由特质理论（Little：内向者为重要的事会表现得外向）
智能体先按本人的默认标准做出初步判断，再确认两件事：是否触及已记录的矛盾？是否有适用的情境规则？若规则适用，就由规则决定行动，并说明为何偏离平时的偏好。
仅为说明格式而设的虚构人物。
选择一个情境
这次我先不参与了，我需要专注手上的工作。
规则条件（客户交付有风险）不成立，按默认判断拒绝。
平时我会拒绝，但这个截止日期是我的责任，所以这次我来接。
规则条件成立，由规则决定行动，并说明偏离了平时的偏好及原因。
↺ 更正会修改文档，之后的请求都会用到
每一处偏差都会成为更正，每一次更正都会更新文档。
把访谈、本人写的文字、标准化测评结果和过往决策记录，分解到七个层次与纵向维度。
一份文档只写一个要素，标注层、类型、来源等级、可信度与关联，写成机器可读的形式。保留旧版本以及每次修改的日期和原因。
只把与请求相关的文档放入智能体，由本人或代理人审阅结果。
↺ 偏差 → 更正 → 修改文档
每条陈述都标注来源等级。本人亲自做出的更正优先于所有其他来源。
区别在于，每种人设承载了多少这套结构。
一个人的七层与纵向维度全部
目的是像那个人一样判断，用于决策辅助或作为一个人的记录。
只取任务所需
按人生阶段、角色、优势或情境选取。创业第一年的创始人和十年后的同一个人会做出不同决定，可以选择重现哪一个。
组合多人（或不来自任何人）的要素
为某个角色设计的人设。不相容的要素会被记录为矛盾，因此可以检查组合是否一致。
必须包含按目的选取
我们用同一人物、同一模型构建四种条件，逐一对照本人的真实决定评分。柱状图仅表示预期顺序，目前尚无已发表的结果。
另比较去掉情境规则的 C3，把规则的作用与矛盾的作用分开。
未经明确同意不创建孪生。合成人设中使用的真实人物同样适用。
本人可阅读、更正、删除自己的文档。更正优先规则把这一点写进了设计。
L5 公开范围是强制执行的，不是建议。
与孪生交流的人能知道对方不是本人。
健康、财务、家庭信息设单独的保护级别。
检验智能体人设的标准不是听起来像不像某个人，而是能否选出那个人会选的——包括他违背自己倾向做出选择的时候。
Personas for agentic AI must encode judgement, not tone · ddai, 2026 · 提出框架与评估方案的论文，尚无实验结果。
Harvard · Michigan State · University of Minnesota · Zidi Xiong, Yuping Lin, Wenya Xie 等 · ACL 2026
4 种 LLM 智能体在记忆实验中沿用相似的过往经验，错误也随之重复。若只存入与标准答案一致的经验，EHRAgent 准确率从全部存入时的 13.05 升至 38.50。
对智能体来说，记忆不只是记录，更像可供模仿的范例。决定留下什么，就是在决定它下一次怎样判断。
KAIST · Jisu Shin, Alice Oh 等 · Findings of ACL 2026
研究团队构建了 13,914 个角色冲突场景，以情境紧迫程度为客观基准衡量 LLM 的判断。10 个受测模型明显偏离这一基准，左右判断的主要是对特定社会角色的偏好。
AI 的判断里已经藏着一套角色排序。这套排序可能压过情境本身的要求，所以设计判断标准，要先把它找出来。
Stanford University · Joon Sung Park, Michael S. Bernstein 等 · 2026
研究团队用 1,052 名美国人各自的访谈和问卷构建智能体，以本人两周后重答的一致性为基准。在构建时未用的 GSS 题目上，访谈、问卷、两者结合分别达到 83%、82% 和 86%，仅用人口统计信息为 74%。
要让 AI 像某个人，依据应是本人的回答，而不只是其所属群体。只用人口统计信息时，种族和政治立场群体间的准确率差距更大。
融入项目的专长
