ProClaw HumanOS Ultimate（专业人物技能分析与构建）

ProClaw人类操作系统终极版：从需求诊断到人格演化的全链路HumanOS构建与分析系统；当用户需要构建顶级HumanOS、深度分析人格、追踪演化或整合矛盾时使用

Audits

Pass

ClawScanReview

Agentic behavior and permission review.

Static analysisPass

Pattern checks against bundled files.

VirusTotalAdvisory

Multi-engine malware detections and file reputation.

Install

openclaw skills install proclaw-humanos-ultimate

ProClaw HumanOS Ultimate

任务目标

本 Skill 用于: 从需求诊断到人格演化的全链路HumanOS构建与分析系统，整合女娲的深度调研、Create的四维验证、Ultimate的人格分析和演化追踪
能力包含: 需求诊断、6维调研、框架提炼、四维验证、HumanOS构建、质量验证、星座原型、7层人格建模、8维验证、路径映射、轴分析、神经网络模拟、演化追踪、矛盾挖掘
触发条件: 用户要求构建HumanOS、分析人格、预测演化、整合矛盾或从模糊需求推荐人物/主题时

作者信息

作者: ProClaw
网站: www.proclaw.top
联系方式: wechat:Mr-zifang

前置准备

依赖: Python 3, requests>=2.28.0, beautifulsoup4>=4.11.0, numpy>=1.21.0
输入: 用户需求（模糊或明确）或已有HumanOS数据

操作步骤

Phase 0: 需求诊断（模糊需求）- 脚本处理

当用户提供模糊需求时，执行需求诊断：

python scripts/demand_diagnostic.py --input "用户输入"

输出: 需求维度、候选推荐（2-3个人物/主题）
智能体任务: 解析诊断结果，展示候选，引导用户选择

如需澄清：

python scripts/demand_diagnostic.py --input "原始输入" --clarify "用户响应"

Phase 1: HumanOS构建流程

步骤1.1: 确定HumanOS类型 - 智能体处理

基于用户选择确定类型：

HumanType（人物型）
ThemeType（主题型）
ScenarioType（场景型）
MethodologyType（方法论型）

详见 references/type-system.md

步骤1.2: 6维并行调研 - 脚本处理

python scripts/research_orchestrator.py --os-type <type> --target <target> --output-dir ./output/<target> --mode network

输出: 6个维度的调研文件（01-writings.md到06-timeline.md）
智能体任务: 确认调研覆盖度，识别信息缺口

本地语料优先模式：

python scripts/research_orchestrator.py --os-type <type> --target <target> --output-dir ./output/<target> --mode local_priority

步骤1.3: 框架提炼 - 脚本处理

python scripts/framework_extractor.py --research-dir ./output/<target>/research --target <target> --output ./output/<target>/framework.json

输出: 心智模型（含四维验证）、决策启发式、表达DNA、价值观、工具箱、内在张力、诚实边界
智能体任务: 审查通过验证的心智模型，确认框架完整性

步骤1.4: HumanOS构建 - 脚本处理

python scripts/os_builder.py --framework ./output/<target>/framework.json --template-dir ./references/os-templates --os-type <type> --output ./output/<target>/SKILL.md

输出: 完整的HumanOS Skill文件（含Agentic Protocol）
智能体任务: 审查生成的Skill，确认格式正确、内容完整

步骤1.5: 质量验证 - 脚本处理

python scripts/quality_validator.py --skill-file ./output/<target>/SKILL.md --research-dir ./output/<target>/research

输出: 10项质量检查结果、总分、改进建议
智能体任务: 解析验证结果，如未通过（<75分），提供改进建议

通过标准：总分≥75分

Phase 2: 人格深度分析（基于已有HumanOS）

步骤2.1: 星座原型识别 - 脚本处理

python scripts/zodiac_engine.py --birthday YYYY-MM-DD

输出: 星座信息、原型数据、兼容性分析
智能体任务: 解释星座原型，说明对人格的影响

步骤2.2: 8维全息扫描 - 脚本处理

python scripts/holographic_scanner.py --profile profile.json --zodiac <sign>

输出: 8维度分数、特征、优势、盲区、矛盾模式
智能体任务: 分析扫描结果，识别主要模式和潜在问题

步骤2.3: 7层人格建模 - 脚本处理

python scripts/personality_modeler.py --prototype prototype.json --scan scan.json --personal personal.json

输出: 7层人格模型、层间交互、核心模式、整合画像
智能体任务: 解释层级结构，说明层间关系和整合策略

步骤2.4: 路径映射 - 脚本处理

python scripts/path_mapper.py --model personality_model.json

输出: 路径亲和度、主路径、路径进展、推荐旅程
智能体任务: 分析路径匹配，解释当前阶段和下一步行动

步骤2.5: 核心轴分析 - 脚本处理

python scripts/axis_analyzer.py --model personality_model.json --scan scan.json

输出: 轴位置、轴强度、轴平衡、轴间交互、轴原型
智能体任务: 分析轴特征，解释轴间关系和整合方案

步骤2.6: 矛盾深度挖掘 - 脚本处理

python scripts/paradox_miner.py --model personality_model.json --scan scan.json --axis axis_analysis.json

输出: 矛盾列表、矛盾深度、矛盾影响、整合方案、建议
智能体任务: 解释矛盾模式，提供整合建议和实践指导

Phase 3: 演化追踪与预测

步骤3.1: 演化追踪 - 脚本处理

python scripts/evolution_tracker.py --base-state base.json --new-state new.json --report

输出: 演化记录、阶段进展、指标趋势、建议、里程碑
智能体任务: 分析演化趋势，识别关键变化和优化方向

步骤3.2: 神经网络模拟 - 脚本处理

# 初始化网络
python scripts/neural_network_sim.py --model personality_model.json --mode init

# 模拟前向传播
python scripts/neural_network_sim.py --model personality_model.json --scan scan.json --mode simulate

# 预测演化
python scripts/neural_network_sim.py --model personality_model.json --mode predict

输出: 网络架构、模拟结果、演化预测、可视化数据
智能体任务: 解释网络结构，分析预测结果，提供实践建议

Phase 4: 综合整合 - 智能体处理

综合所有脚本输出结果，生成：

完整的HumanOS Skill（Phase 1）
深度人格分析报告（Phase 2）
演化预测和优化建议（Phase 3）
个性化行动方案

使用示例

示例1: 从模糊需求构建HumanOS

场景/输入: "我总觉得自己做决定太慢，想来想去最后还是选错"
预期产出:
1. 需求诊断 → 推荐2-3个候选
2. 用户选择 → 执行6维调研
3. 框架提炼 → 生成思维框架
4. HumanOS构建 → 生成可运行的Skill
5. 质量验证 → 确保质量达标
关键要点:
- 需求诊断识别出"决策"维度
- 推荐芒格/卡尼曼/达利欧等候选
- 执行完整的6维调研
- 通过四维验证筛选心智模型
- 质量验证确保总分≥75分

示例2: 深度人格分析和演化预测

场景/输入: 用户提供已有HumanOS + 生日信息，要求深度分析和演化预测
预期产出:
1. 星座原型分析
2. 8维全息扫描
3. 7层人格建模
4. 路径和轴分析
5. 矛盾整合方案
6. 3-5年演化预测
7. 阶段性行动计划
关键要点:
- 依次执行Phase 2和Phase 3所有步骤
- 脚本输出需要智能体深度解读
- 最终报告体现系统的整合性和深度
- 提供可操作的实践建议

示例3: 矛盾整合专项

场景/输入: 用户感到内在矛盾，要求深度分析和整合
预期产出:
1. 8维扫描识别矛盾模式
2. 轴分析识别核心张力
3. 矛盾深度挖掘（类型/深度/影响）
4. 整合方案和实践指导
5. 演化追踪监控整合进展
关键要点:
- 重点执行矛盾相关步骤
- 识别高影响力矛盾
- 提供可操作的整合实践
- 建立演化追踪机制

资源索引

构建脚本

scripts/demand_diagnostic.py - 需求诊断系统(参数:input, clarify)
scripts/research_orchestrator.py - 调研编排系统(参数:os-type, target, output-dir, mode)
scripts/framework_extractor.py - 框架提取器(参数:research-dir, target, output)
scripts/os_builder.py - HumanOS构建器(参数:framework, template-dir, os-type, output)
scripts/quality_validator.py - 质量验证器(参数:skill-file, research-dir)
scripts/source_analyzer.py - 源分析器(参数:sources-dir)

分析脚本

scripts/zodiac_engine.py - 星座识别和原型加载(参数:birthday)
scripts/holographic_scanner.py - 8维全息扫描(参数:profile, zodiac)
scripts/personality_modeler.py - 7层人格建模(参数:prototype, scan, personal)
scripts/path_mapper.py - 路径和节点映射(参数:model)
scripts/axis_analyzer.py - 核心轴分析(参数:model, scan)
scripts/paradox_miner.py - 矛盾深度挖掘(参数:model, scan, axis)
scripts/evolution_tracker.py - 演化追踪(参数:base-state, new-state)
scripts/neural_network_sim.py - 神经网络模拟(参数:model, scan, mode)
scripts/ultimate_generator.py - 整合生成引擎(参数:所有参数可选)

注意事项

所有脚本都是独立命令行工具，可直接运行
Phase 0-1用于构建HumanOS，Phase 2-3用于深度分析和演化
质量验证必须通过（≥75分）才能交付HumanOS
神经网络模拟是理论框架，实际应用时需谨慎解释
7层人格模型和5个核心轴是理论框架，需要结合实际理解
矛盾挖掘需要用户配合，提供真实反馈
演化追踪需要持续数据收集，单次预测有不确定性
充分利用智能体能力解释脚本输出，提供人性化解读
复杂任务需要多轮对话，逐步深入
信息源黑名单：知乎、微信公众号（中文人物用B站/喜马拉雅/权威媒体）