用数万条真实聊天记录生成 skill 后，发现“像”但“不像”——记录一下缺口分析，供项目改进参考：
- 静态平均问题：多年的聊天数据生成的她是一个“平均值”——建议支持时间线人格（按关系阶段建模：初期/热络期/分离后），对话时按当前状态调用对应阶段
- 情境感知缺失：深夜 vs 白天、压力 vs 放松、冲突 vs 日常——同一个人的表达方式完全不同——建议情境触发器
- 泛化 vs 关系特异：现在学到的是“她说话的方式”——缺“她对你说话的方式”——关系动力学（对方如何向你求助/撒娇/试探）需要单独建模
- 统计 vs 理解：高频词/句式只是外壳——需要语义层（理解“为什么这样说”背后的情绪逻辑）
- 反话与潜台词：很多人习惯用“反话”表达需求（嘴上说没事、其实在等你哄）——需要弦外之音解码层
- 进化闭环：对话后的自动总结（session_summary）→ 长期记忆 → 越聊越像本人
- 多模态：语音（语气/停顿）、表情包、图片——表达不只靠文字
- 用户校准机制：用用户确认过的“锚点句”测试 persona——不像就自动修正
用数万条真实聊天记录生成 skill 后，发现“像”但“不像”——记录一下缺口分析，供项目改进参考：