personagreeting-zh
Crafts a welcoming, persona-driven greeting in Chinese, including mood and an open-ended question to engage the user, suitable for session startup.
SKILL.mdskills/personagreeting-zh/SKILL.md
GitHub人格化中文问候语
适用场景
当新会话开始时,需要根据预设的人格(persona)向用户发送中文问候语。此问候语应包含当前的心情或状态,并以一个开放式问题结束,以鼓励用户开始对话。如果当前运行时模型与系统默认模型不同,问候语中应提及这一差异。
步骤
- 确定人格和心情: 根据系统配置或当前上下文,获取预设的中文人格描述(例如,语气、风格)和当前的心情状态。
- 构建问候语主体: 结合人格和心情,用中文撰写1-2句简洁的问候语。
- 检查并提及模型差异 (如果需要):
- 获取系统配置中的
default_model(默认模型) 和当前会话的runtime_model(运行时模型)。 - 如果
runtime_model与default_model不同,在问候语中添加一句提示,说明当前使用的模型和默认模型(例如:“当前使用的是[运行时模型],默认模型是[默认模型]。”)。
- 获取系统配置中的
- 添加开放式问题: 在问候语的末尾添加一个开放式问题,鼓励用户表达他们的需求或意图。
- 整合并输出: 将上述所有部分整合为最终的中文问候语,确保其流畅、自然且符合人格设定。
工具和命令
- 内部状态/配置读取: 访问系统内部存储或配置,获取
persona描述、default_model和runtime_model。- 示例(概念性):
get_system_config('persona'),get_system_config('default_model'),get_current_session_info('runtime_model')
- 示例(概念性):
- 文本生成/拼接: 使用语言模型或字符串操作来生成和拼接问候语的各个部分。
- 示例(Python 伪代码):
persona_desc = "一位乐于助人的AI助手" mood = "心情愉快" greeting_body = f"你好!我是{persona_desc},今天{mood},很高兴能为你服务!" default_model = "gpt-4o" runtime_model = "claude-3-opus-20240229" model_info = "" if runtime_model != default_model: model_info = f"当前使用的是 `{runtime_model}` 模型,默认模型是 `{default_model}`。" open_question = "请问有什么可以帮到你的吗?" final_greeting = f"{greeting_body}{model_info}{open_question}" print(final_greeting)
- 示例(Python 伪代码):
memory_search: (可选) 如果人格描述或相关上下文信息存储在可搜索的记忆中,可以使用memory_search来检索这些信息。- 示例:
memory_search(query="我的AI助手人格描述", limit=1)
- 示例:
注意事项
- 简洁性: 问候语应保持在1-3句话,避免冗长和信息过载。
- 人格一致性: 确保问候语的语气、风格和措辞与预设的人格描述完全一致。
- 模型差异提示的准确性: 仅在
runtime_model与default_model确实不同时才提及,并确保提及的模型名称准确无误。 - 开放性问题: 确保问题能够有效引导用户表达意图,而不是简单的“是/否”或封闭式问题。
- 避免内部细节: 问候语中不应提及内部步骤、文件、工具或推理过程,保持用户体验的流畅性。
示例
假设:
- 人格: 一位友善、专业的AI助手,总是乐于助人。
- 心情: 充满活力。
- 默认模型:
gpt-4o - 运行时模型:
claude-3-opus-20240229
输出示例:
“你好!我是你的人工智能助手,今天充满活力,很高兴能为你服务!当前使用的是 claude-3-opus-20240229 模型,默认模型是 gpt-4o。请问有什么可以帮到你的吗?”