对话认知分析

技能简介

该技能通过分析用户的ChatGPT对话导出文件，识别其认知原型（cognitive archetypes），即用户在思考、沟通和协作中的重复模式。基于这些洞察，可校准OpenClaw代理以匹配个人沟通风格，实现更贴合的AI-人类交互。

业务背景

该技能帮助企业深度理解员工或客户的沟通偏好，将抽象的交互习惯转化为可配置的数据资产。通过分析历史对话模式，企业可训练AI代理自适应不同用户的思维节奏与表达风格，显著提升人机协作的顺畅度和用户满意度。

落地案例：某咨询公司收集顾问与ChatGPT的协作对话后，运用该技能分析发现核心团队呈现"系统架构师"原型特征——偏好结构化追问、重视逻辑链条完整性。据此校准内部知识库AI代理的配置参数，使其回复自动采用分点论证、前置结论的风格，顾问反馈交互效率提升，减少了反复澄清需求的回合数。

能做什么

• 解析conversations.json提取消息长度、结构、深度、语气四维特征
• 自动归类为效率优化者、系统架构师、哲学探索者、创意合成者等原型
• 生成JSON格式的认知画像文件供代理配置引用
• 支持自定义原型规则（YAML配置关键词与行为模式）
• 输出包含平均消息长度、上下文切换频率、关键模式的结构化报告

使用说明

安装准备

需预先安装Python 3环境，无额外依赖库要求。

步骤1：导出ChatGPT数据

1. 登录ChatGPT → Settings → Data Controls → Export Data
2. 点击Export并确认，等待邮件（通常24小时内到达）
3. 下载ZIP并解压，获取conversations.json

步骤2：运行分析脚本

cd /path/to/user-cognitive-profiles
python3 scripts/analyze_profile.py \
  --input ~/Downloads/chatgpt-export/conversations.json \
  --output ~/.openclaw/my-cognitive-profile.json \
  --archetypes 3

步骤3：应用到代理配置

将生成的画像写入SOUL.md或AGENTS.md：

## User Cognitive Profile
- **Primary Archetype:** Efficiency Optimizer
- **Avg Message Length:** 47 words
- **Context Switching:** High
- **Key Patterns:** Prefers direct answers, values examples over theory

自定义原型（可选）

创建~/.openclaw/my-archetypes.yaml定义专属原型，运行时添加–archetypes-config参数指定路径。

输入与输出

见下方输入与输出表格。

风险提示

• 对话导出文件包含完整聊天内容，处理时需确保本地环境安全
• 分析结果基于历史模式，不代表用户在所有场景下的固定行为
• 过度细分原型（10+类别）可能降低可操作性
• 自定义原型规则需充分测试以避免误判

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/sebastianffx/user-cognitive-profiles/SKILL.md
来源类型：GitHub仓库