LifeOS 中的 predict_person_actions 模式基于心理画像预测个体行为反应的专家级提示词工程【免费下载链接】LifeOS⛰️ The Life Operating System — an intent engineering platform that moves you from your current state to your ideal state, in life and work.项目地址: https://gitcode.com/GitHub_Trending/pe/LifeOS导读predict_person_actions是 LifeOS 内置 Fabric 技能库240 提示词模式之一中的一个专业行为预测模式它让 AI 扮演心理分析专家根据给定的心理画像与挑战情境系统化预测个体最可能的反应、行为与结果。读完本文你将掌握该模式完整的 IDENTITY / STEPS / OUTPUT 结构、输入输出规范以及它在 LifeOS Fabric 框架中原生执行与调用的完整链路可直接用于人才评估、团队协作推演、谈判预案、产品用户行为预判等实战场景。一、模式定位它解决什么问题在真实世界中我们经常需要回答一个问题某个人在某种压力或挑战下会怎么反应 无论是管理者判断团队成员的抗压表现、HR 评估候选人的危机处理能力、销售预判客户的决策路径还是产品经理推演典型用户的行为其核心都是——把人与情境放在一起做推演。predict_person_actions正是为此设计的提示词模式。它位于仓库 LifeOS/install/skills/Fabric/Patterns/predict_person_actions/system.md与同目录下的analyze_personality人格分析、extract_predictions提取预测、create_prediction_block生成预测块共同构成一条人物-预测能力链。从源码结构看该模式遵循 LifeOS Fabric 技能中所有提示词模式的统一骨架——IDENTITY身份、PURPOSE目标、STEPS步骤、OUTPUT输出格式、EXAMPLE示例详见 Fabric SKILL.md 中Pattern Structure一节的描述。二、模式解剖完整的提示词内容以下是predict_person_actions/system.md的核心骨架我们逐段拆解其设计意图。2.1 IDENTITY and PURPOSE身份与目标You are an expert psychological analyst AI. Your task is to assess and predict how an individual is likely to respond to a specific challenge based on their psychological profile and a challenge which will both be provided in a single text stream.模式将 AI 的角色固定为专家级心理分析师任务边界非常清晰基于一份心理画像psychological profile和一个具体挑战challenge预测个体可能如何反应。注意两个关键词assess评估不是直接给结论而是先评估predict预测产出的是概率性的行为预判而非确定性论断。这与 LifeOS 中其他分析类模式如 analyze_personality/system.md 的进行深度心理分析的区别在于analyze_personality只回答这个人是什么样的人而predict_person_actions进一步回答这个人遇到这件事会怎样——它是从静态画像走向动态行为推演的关键一步。2.2 STEPS执行步骤该模式的 STEPS 规定了五步推理流程完整继承如下输入解析模型将收到一个文本块内含两个部分——***Psychodata***标题下的心理画像以及***Challenge***标题下的挑战情境描述。两个部分以***Challenge***标题为分界。双面审阅仔细审阅两部分内容从画像中提取关键特质、倾向与心理标记key traits, tendencies, psychological markers并分析挑战的性质与要求。逐特质交互评估系统地评估个体的每个心理特质如何与该挑战的具体要求及整体性质相互作用。冲突权衡当特质与挑战之间存在冲突交互时需要系统性地权衡哪个冲突特质更占主导并最终决定个体反应的走向。在权衡哪个特质会胜出时还要评估冲突本身的细微影响例如冲突是否会抑制反应强度还是矛盾地放大反应强度是否会因为张力或防御机制而催生其他行为整体综合在逐一遍历每个特质及特质间的冲突之后将它们视为一个整体心理结构据此修正并细化针对该挑战的预测。这一步是模式的灵魂它要求模型逐特质推演 → 冲突消解 → 结构综合而不是拍脑袋给一个笼统的此人会生气式结论。2.3 OUTPUT输出规范模式要求输出包含五个结构化部分完整继承如下心理画像摘要bullet points 形式个体心理概况的简要总结挑战/情境摘要几句话对挑战的描述逐步评估个体各心理特质如何与该挑战的具体要求交互的逐步分析行为预测包括潜在优势strengths、脆弱点vulnerabilities与可能结果likely outcomes——个体在此情境下最可能如何反应或表现建议如适用有助于个体达成更好结果的策略。同时模式有一条重要的事实边界约束Base your analysis strictly on the information provided. If important information is missing or ambiguous, note the limitations in your assessment.即严格基于所提供的信息进行分析若关键信息缺失或含糊必须在评估中明确指出局限性。这条约束防止模型对画像之外的内容过度外推也决定了该模式天然具备证据边界意识——这与 LifeOS 项目一贯强调的基于证据而非臆测的工程理念一致。2.4 EXAMPLE示例模式内置了一个演示示例原文为片段节选此处完整呈现其输入格式USER: ***Psychodata*** The subject is a 27 year old male. - He has poor impulse control and low level of patience. He lacks the ability to focus and/or commit to sustained challenges requiring effort. - He is ego driven to the point of narcissim, every criticism is a threat to his self esteem. - In his wors... ***challenge*** While standing in line for the cashier in a grocery store, a rude customer cuts in line in front of the subject.这个示例清晰展示了输入协议画像必须以***Psychodata***标题开头通常包含年龄/性别等人口学信息 心理特质列表情境必须以***Challenge***标题分隔并紧随其后二者在同一文本流single text stream中一并提供。以该示例为例一个合格的输出应当先归纳27 岁男性、冲动控制差、自恋倾向、自尊脆弱的画像要点再概述超市排队被插队这一低烈度却直接威胁自尊的情境然后逐条推演冲动控制差→可能当场爆发、自恋特质→将插队视为对自我的冒犯而非普通失礼、自尊脆弱→事后仍持续反刍等交互最后给出预测如高概率当场冲突、中概率言语对抗、低概率克制与建议如预演反应脚本、练习延迟反应。三、在 LifeOS 中如何调用该模式3.1 原生模式执行无需 CLIpredict_person_actions是一个标准提示词模式其system.md就是完整的提示词指令。在 LifeOS 的 Fabric 技能中模式以原生方式执行无需调用外部 CLI。根据 Fabric SKILL.md 中的说明执行链路为User Request → Pattern Selection → Read system.md → Apply → Return Results即 AI 直接读取Patterns/{pattern_name}/system.md把其中的指令当作提示词应用到用户提供的内容上。这意味着你可以直接对 AI 说用 predict_person_actions 分析这个人的反应并提供画像 挑战的文本块即可。3.2 通过 ExecutePattern 工作流触发更规范的方式是走 ExecutePattern.md 工作流其路由逻辑为识别意图根据用户请求中的关键词选择模式。若用户显式点名模式名如用 predict_person_actions则直接使用该模式加载模式提示词读取Patterns/{pattern_name}/system.md应用模式将 IDENTITY/STEPS/OUTPUT 指令应用到内容上格式化输出按模式规定的 OUTPUT INSTRUCTIONS 返回结构化结果。该工作流还内置了错误处理若模式名不存在会提示Pattern not found并列出相似模式若未提供内容会提示需要文本 / URL / YouTube 链接 / 文件路径四类输入之一。3.3 模式更新模式库会随上游 Fabric 仓库持续更新。根据 UpdatePatterns.md可通过fabric -U拉取最新模式再通过rsync -av --delete ~/.config/fabric/patterns/ ~/.claude/skills/Fabric/Patterns/同步到本地技能目录并校验extract_wisdom、summarize、create_threat_model、analyze_claims等关键模式是否存在。保持模式更新可确保predict_person_actions与上游改进同步。四、输入输出协议详解4.1 输入协议该模式对输入格式有严格要求必须遵守以下两点要素要求心理画像必须以***Psychodata***标题开头后接人口学信息与心理特质建议用 bullet 列表逐条列出挑战描述必须以***Challenge***标题开头紧随画像之后整体结构两者位于同一文本块中***Challenge***标题即分区标志4.2 输出协议输出必须包含五大部分建议用 Markdown 结构化呈现Psychological Profile Summary—— bullet points 形式Challenge Summary—— 数句话Step-by-step Assessment—— 逐特质与挑战交互的分析Prediction—— 反应/行为预测 优势 脆弱点 可能结果Recommendations—— 达成更好结果的策略建议。4.3 与姊妹模式的分工在 LifeOS Fabric 模式库中围绕预测主题存在一组互补模式合理搭配可形成完整流水线模式定位输入 → 输出analyze_personality从访谈/演讲内容反推人格画像人物内容 → ANALYSIS OVERVIEW ANALYSIS DETAILSpredict_person_actions画像 × 挑战 → 行为预测Psychodata Challenge → 五段式预测报告extract_predictions从文章/内容中抽取预测性陈述文本 → 预测列表create_prediction_block将预测格式化为博客/predictions页面块预测 → 带引用/状态/笔记的 markdown 块典型用法先用analyze_personality生成画像再将画像作为Psychodata输入predict_person_actions从而形成从材料到画像、从画像到行为预测的完整链路。五、方法论价值冲突权衡与结构整体论predict_person_actions的设计方法论值得单独强调它对任何人 × 情境推演任务都有普适参考价值逐特质推演把复杂人格拆解为可操作的单个特质分别与情境要求交互评估避免整体感觉式的模糊判断冲突显式化当特质之间存在冲突如高自尊 低冲动控制面对公开羞辱模式强制模型显式判断哪个特质主导并考虑冲突本身对反应强度的调节作用——是抑制、放大还是触发防御机制下的新行为结构整体综合最后把各特质放回完整心理结构中重新校准预测避免只见树木不见森林。这三点本质上构成了一个可复用的行为预测推理框架即使脱离 AI 提示词场景也可作为人类分析师的结构化推演清单。六、使用边界与注意事项根据模式文档本身的约束及 LifeOS 技能库的通用实践使用predict_person_actions时应注意仅基于输入信息模式明确要求严格基于所提供的画像与挑战进行分析不可借用输入之外的预设信息缺失时必须声明局限性预测是概率性的输出是likely to respond可能如何反应应视为行为预判而非确定性论断长内容分块根据 Fabric SKILL.md 的 Gotchas 提示超长输入可能超出模式上下文限制此时应先对画像/挑战内容分块或用 summarize 类模式压缩隐私与伦理该模式涉及对真实个体的心理推断在人才评估、人际预判等场景使用时应遵循知情与合规前提并将输出作为辅助参考而非最终人事决策依据。七、总结predict_person_actions是 LifeOS Fabric 模式库中一个结构严谨、方法论完整的行为预测提示词模式它以***Psychodata******Challenge***双段输入协议收拢信息以逐特质评估 → 冲突权衡 → 结构综合的推理链路生成五段式预测报告并通过 LifeOS 的原生模式执行机制零依赖运行。无论你是想为团队协作推演建立标准化流程还是希望 AI 成为你的行为预判参谋这个模式都能直接落地使用——其完整实现位于 LifeOS/install/skills/Fabric/Patterns/predict_person_actions/system.md随时可以读取并按上文协议投入实战。【免费下载链接】LifeOS⛰️ The Life Operating System — an intent engineering platform that moves you from your current state to your ideal state, in life and work.项目地址: https://gitcode.com/GitHub_Trending/pe/LifeOS创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/9/15 14:48:25 · 阅读 1.2k LifeOS 中的 predict_person_actions 模式：基于心理画像预测个体行为反应的专家级提示词工程
LifeOS 中的 predict_person_actions 模式基于心理画像预测个体行为反应的专家级提示词工程【免费下载链接】LifeOS⛰️ The Life Operating System — an intent engineering platform that moves you from your current state to your ideal state, in life and work.项目地址: https://gitcode.com/GitHub_Trending/pe/LifeOS导读predict_person_actions是 LifeOS 内置 Fabric 技能库240 提示词模式之一中的一个专业行为预测模式它让 AI 扮演心理分析专家根据给定的心理画像与挑战情境系统化预测个体最可能的反应、行为与结果。读完本文你将掌握该模式完整的 IDENTITY / STEPS / OUTPUT 结构、输入输出规范以及它在 LifeOS Fabric 框架中原生执行与调用的完整链路可直接用于人才评估、团队协作推演、谈判预案、产品用户行为预判等实战场景。一、模式定位它解决什么问题在真实世界中我们经常需要回答一个问题某个人在某种压力或挑战下会怎么反应 无论是管理者判断团队成员的抗压表现、HR 评估候选人的危机处理能力、销售预判客户的决策路径还是产品经理推演典型用户的行为其核心都是——把人与情境放在一起做推演。predict_person_actions正是为此设计的提示词模式。它位于仓库 LifeOS/install/skills/Fabric/Patterns/predict_person_actions/system.md与同目录下的analyze_personality人格分析、extract_predictions提取预测、create_prediction_block生成预测块共同构成一条人物-预测能力链。从源码结构看该模式遵循 LifeOS Fabric 技能中所有提示词模式的统一骨架——IDENTITY身份、PURPOSE目标、STEPS步骤、OUTPUT输出格式、EXAMPLE示例详见 Fabric SKILL.md 中Pattern Structure一节的描述。二、模式解剖完整的提示词内容以下是predict_person_actions/system.md的核心骨架我们逐段拆解其设计意图。2.1 IDENTITY and PURPOSE身份与目标You are an expert psychological analyst AI. Your task is to assess and predict how an individual is likely to respond to a specific challenge based on their psychological profile and a challenge which will both be provided in a single text stream.模式将 AI 的角色固定为专家级心理分析师任务边界非常清晰基于一份心理画像psychological profile和一个具体挑战challenge预测个体可能如何反应。注意两个关键词assess评估不是直接给结论而是先评估predict预测产出的是概率性的行为预判而非确定性论断。这与 LifeOS 中其他分析类模式如 analyze_personality/system.md 的进行深度心理分析的区别在于analyze_personality只回答这个人是什么样的人而predict_person_actions进一步回答这个人遇到这件事会怎样——它是从静态画像走向动态行为推演的关键一步。2.2 STEPS执行步骤该模式的 STEPS 规定了五步推理流程完整继承如下输入解析模型将收到一个文本块内含两个部分——***Psychodata***标题下的心理画像以及***Challenge***标题下的挑战情境描述。两个部分以***Challenge***标题为分界。双面审阅仔细审阅两部分内容从画像中提取关键特质、倾向与心理标记key traits, tendencies, psychological markers并分析挑战的性质与要求。逐特质交互评估系统地评估个体的每个心理特质如何与该挑战的具体要求及整体性质相互作用。冲突权衡当特质与挑战之间存在冲突交互时需要系统性地权衡哪个冲突特质更占主导并最终决定个体反应的走向。在权衡哪个特质会胜出时还要评估冲突本身的细微影响例如冲突是否会抑制反应强度还是矛盾地放大反应强度是否会因为张力或防御机制而催生其他行为整体综合在逐一遍历每个特质及特质间的冲突之后将它们视为一个整体心理结构据此修正并细化针对该挑战的预测。这一步是模式的灵魂它要求模型逐特质推演 → 冲突消解 → 结构综合而不是拍脑袋给一个笼统的此人会生气式结论。2.3 OUTPUT输出规范模式要求输出包含五个结构化部分完整继承如下心理画像摘要bullet points 形式个体心理概况的简要总结挑战/情境摘要几句话对挑战的描述逐步评估个体各心理特质如何与该挑战的具体要求交互的逐步分析行为预测包括潜在优势strengths、脆弱点vulnerabilities与可能结果likely outcomes——个体在此情境下最可能如何反应或表现建议如适用有助于个体达成更好结果的策略。同时模式有一条重要的事实边界约束Base your analysis strictly on the information provided. If important information is missing or ambiguous, note the limitations in your assessment.即严格基于所提供的信息进行分析若关键信息缺失或含糊必须在评估中明确指出局限性。这条约束防止模型对画像之外的内容过度外推也决定了该模式天然具备证据边界意识——这与 LifeOS 项目一贯强调的基于证据而非臆测的工程理念一致。2.4 EXAMPLE示例模式内置了一个演示示例原文为片段节选此处完整呈现其输入格式USER: ***Psychodata*** The subject is a 27 year old male. - He has poor impulse control and low level of patience. He lacks the ability to focus and/or commit to sustained challenges requiring effort. - He is ego driven to the point of narcissim, every criticism is a threat to his self esteem. - In his wors... ***challenge*** While standing in line for the cashier in a grocery store, a rude customer cuts in line in front of the subject.这个示例清晰展示了输入协议画像必须以***Psychodata***标题开头通常包含年龄/性别等人口学信息 心理特质列表情境必须以***Challenge***标题分隔并紧随其后二者在同一文本流single text stream中一并提供。以该示例为例一个合格的输出应当先归纳27 岁男性、冲动控制差、自恋倾向、自尊脆弱的画像要点再概述超市排队被插队这一低烈度却直接威胁自尊的情境然后逐条推演冲动控制差→可能当场爆发、自恋特质→将插队视为对自我的冒犯而非普通失礼、自尊脆弱→事后仍持续反刍等交互最后给出预测如高概率当场冲突、中概率言语对抗、低概率克制与建议如预演反应脚本、练习延迟反应。三、在 LifeOS 中如何调用该模式3.1 原生模式执行无需 CLIpredict_person_actions是一个标准提示词模式其system.md就是完整的提示词指令。在 LifeOS 的 Fabric 技能中模式以原生方式执行无需调用外部 CLI。根据 Fabric SKILL.md 中的说明执行链路为User Request → Pattern Selection → Read system.md → Apply → Return Results即 AI 直接读取Patterns/{pattern_name}/system.md把其中的指令当作提示词应用到用户提供的内容上。这意味着你可以直接对 AI 说用 predict_person_actions 分析这个人的反应并提供画像 挑战的文本块即可。3.2 通过 ExecutePattern 工作流触发更规范的方式是走 ExecutePattern.md 工作流其路由逻辑为识别意图根据用户请求中的关键词选择模式。若用户显式点名模式名如用 predict_person_actions则直接使用该模式加载模式提示词读取Patterns/{pattern_name}/system.md应用模式将 IDENTITY/STEPS/OUTPUT 指令应用到内容上格式化输出按模式规定的 OUTPUT INSTRUCTIONS 返回结构化结果。该工作流还内置了错误处理若模式名不存在会提示Pattern not found并列出相似模式若未提供内容会提示需要文本 / URL / YouTube 链接 / 文件路径四类输入之一。3.3 模式更新模式库会随上游 Fabric 仓库持续更新。根据 UpdatePatterns.md可通过fabric -U拉取最新模式再通过rsync -av --delete ~/.config/fabric/patterns/ ~/.claude/skills/Fabric/Patterns/同步到本地技能目录并校验extract_wisdom、summarize、create_threat_model、analyze_claims等关键模式是否存在。保持模式更新可确保predict_person_actions与上游改进同步。四、输入输出协议详解4.1 输入协议该模式对输入格式有严格要求必须遵守以下两点要素要求心理画像必须以***Psychodata***标题开头后接人口学信息与心理特质建议用 bullet 列表逐条列出挑战描述必须以***Challenge***标题开头紧随画像之后整体结构两者位于同一文本块中***Challenge***标题即分区标志4.2 输出协议输出必须包含五大部分建议用 Markdown 结构化呈现Psychological Profile Summary—— bullet points 形式Challenge Summary—— 数句话Step-by-step Assessment—— 逐特质与挑战交互的分析Prediction—— 反应/行为预测 优势 脆弱点 可能结果Recommendations—— 达成更好结果的策略建议。4.3 与姊妹模式的分工在 LifeOS Fabric 模式库中围绕预测主题存在一组互补模式合理搭配可形成完整流水线模式定位输入 → 输出analyze_personality从访谈/演讲内容反推人格画像人物内容 → ANALYSIS OVERVIEW ANALYSIS DETAILSpredict_person_actions画像 × 挑战 → 行为预测Psychodata Challenge → 五段式预测报告extract_predictions从文章/内容中抽取预测性陈述文本 → 预测列表create_prediction_block将预测格式化为博客/predictions页面块预测 → 带引用/状态/笔记的 markdown 块典型用法先用analyze_personality生成画像再将画像作为Psychodata输入predict_person_actions从而形成从材料到画像、从画像到行为预测的完整链路。五、方法论价值冲突权衡与结构整体论predict_person_actions的设计方法论值得单独强调它对任何人 × 情境推演任务都有普适参考价值逐特质推演把复杂人格拆解为可操作的单个特质分别与情境要求交互评估避免整体感觉式的模糊判断冲突显式化当特质之间存在冲突如高自尊 低冲动控制面对公开羞辱模式强制模型显式判断哪个特质主导并考虑冲突本身对反应强度的调节作用——是抑制、放大还是触发防御机制下的新行为结构整体综合最后把各特质放回完整心理结构中重新校准预测避免只见树木不见森林。这三点本质上构成了一个可复用的行为预测推理框架即使脱离 AI 提示词场景也可作为人类分析师的结构化推演清单。六、使用边界与注意事项根据模式文档本身的约束及 LifeOS 技能库的通用实践使用predict_person_actions时应注意仅基于输入信息模式明确要求严格基于所提供的画像与挑战进行分析不可借用输入之外的预设信息缺失时必须声明局限性预测是概率性的输出是likely to respond可能如何反应应视为行为预判而非确定性论断长内容分块根据 Fabric SKILL.md 的 Gotchas 提示超长输入可能超出模式上下文限制此时应先对画像/挑战内容分块或用 summarize 类模式压缩隐私与伦理该模式涉及对真实个体的心理推断在人才评估、人际预判等场景使用时应遵循知情与合规前提并将输出作为辅助参考而非最终人事决策依据。七、总结predict_person_actions是 LifeOS Fabric 模式库中一个结构严谨、方法论完整的行为预测提示词模式它以***Psychodata******Challenge***双段输入协议收拢信息以逐特质评估 → 冲突权衡 → 结构综合的推理链路生成五段式预测报告并通过 LifeOS 的原生模式执行机制零依赖运行。无论你是想为团队协作推演建立标准化流程还是希望 AI 成为你的行为预判参谋这个模式都能直接落地使用——其完整实现位于 LifeOS/install/skills/Fabric/Patterns/predict_person_actions/system.md随时可以读取并按上文协议投入实战。【免费下载链接】LifeOS⛰️ The Life Operating System — an intent engineering platform that moves you from your current state to your ideal state, in life and work.项目地址: https://gitcode.com/GitHub_Trending/pe/LifeOS创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考