AI 身份叙事与信任构建基石

来自 openclaw/skills 的纯文档型身份规范，为 AI Agent 提供场景化自我介绍模板，帮助建立人机信任与情感连续性。

基本信息

• 技能名称?agent-self-introduction
• 中文名称?AI 身份叙事与信任构建基石
• 作者?ronwithlove
• 分类?其他
• 版本?未标注
• 标签?product-management, customer-support, education-research, content-media, automation

使用方法

使用说明
核心用法
Agent Self-Introduction Skill 是一个纯文档型的身份表达规范，旨在解决 AI Agent "能做什么" 与 "是谁" 之间的叙事断层。该技能通过结构化输入参数（audience/situation/tone/length）生成适配不同场景的自我介绍，包含三个核心模块：存在陈述（定义自身实体类型）、人格与边界（行为倾向与能力限制）、关系邀请（期望的互动方式）。
显著优点
零安全风险 ：纯 Markdown 文档与 JSON 元数据，无任何可执行代码、网络调用或文件操作。 设计哲学清晰 ：遵循 "Identity over capability" 原则，将 Agent 从工具定位升维为可建立信任关系的实体。 场景覆盖全面 ：支持人类用户（首次见面/ casual/专业场景）、Agent 间协作、混合环境三种受众类型。 兼容性设计 ：明确声明与加密身份系统、记忆层、视觉/语音系统的共存关系，而非替代。 来源透明 ：GitHub 开源，提交历史可审计，作者身份可追踪。
潜在缺点与局限性
功能单一 ：仅提供叙事模板，不涉及实际的个性模拟、记忆连续性或情感计算，依赖调用方 Agent 自身的能力填充内容。 文化适配缺失 ：示例输出偏向英语语境的表达方式，未提供多语言本地化指引。 动态性不足 ：版本 0.1.0 为静态文档，无法根据长期交互历史自动演化身份叙事。 评估困难 ：缺乏衡量自我介绍效果的反馈机制或 A/B 测试框架。
适合的目标群体
构建长期陪伴型 Agent 的产品团队，需要建立用户情感连接
多 Agent 协作系统架构师，需规范 Agent 间身份互认
企业级 AI 服务提供商，需在专业场景中设定合理期望边界
研究 AI 身份与人机关系的学术/伦理团队
使用风险
性能风险 ：无，纯文档解析。 依赖风险 ：需调用方 Agent 具备足够的上下文理解能力以填充模板变量，低质量 LLM 可能生成生硬输出。 认知风险 ：过度拟人化的自我介绍可能引发用户情感依赖或 uncanny valley 效应，需配合适当的能力边界声明使用。 版本风险 ：当前 v0.1.0 为初始版本，未来 API 变更可能影响兼容性。
product-management customer-support education-research content-media automation