Amy青梅1. 项目背景与核心思路
去年重看《怪奇物语》时，我注意到一个有趣现象：每个观众对剧中角色的认同感差异极大。有人觉得自己像勇敢的Eleven，有人则更认同警长Hopper的硬汉作风。这让我萌生一个想法——能否用AI技术结合心理学模型，构建一个沉浸式的角色人格测试系统？
这个项目的核心在于：通过AI解析用户的行为模式与心理特征，将其映射到《怪奇物语》的经典角色体系中。与传统选择题测试不同，我们采用动态情境模拟的方式——用户在与AI的对话互动中，其语言风格、决策倾向会自然暴露人格特质，最终生成专属的角色分析报告。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 关键技术实现路径
2.1 心理模型构建
选用大五人格模型（OCEAN）作为基础框架，因其具有：
- 普适性：覆盖开放性、尽责性、外向性、宜人性、神经质五个核心维度
- 可量化：每个维度可用1-100分精确度量
- 影视适配性：剧中角色特质能清晰对应（如Eleven高开放性低外向性）
通过专家标注，我们为8个主要角色建立了人格基准档案。例如：
| 角色 | 开放性 | 尽责性 | 外向性 | 宜人性 | 神经质 |
|---|---|---|---|---|---|
| Mike | 68 | 82 | 75 | 90 | 40 |
| Eleven | 95 | 65 | 30 | 70 | 60 |
| Hopper | 50 | 90 | 60 | 50 | 70 |
2.2 动态交互设计
采用树状对话结构结合LLM自由生成：
- 情境分支：预设7个关键剧情节点（如"发现颠倒之门"、"面对Demogorgon"）
- 开放问答：用户可用自然语言描述行动方案（如"我会先找Will的藏身处线索"）
- 特质解析：
- 用BERT提取文本情感倾向（如"独自行动"→低宜人性）
- 统计决策模式（如频繁冒险选择→高开放性）
关键技巧：在对话中埋设"特质探测点"。例如询问"如果朋友隐瞒危险真相，你会？"时，不同回答会显著影响宜人性得分。