太长不看。Persona Atlas 能将一位公众人物转化为一幅可实际度量的行为画像。你只需输入一个名字，一个小模型智能体就会在开放网络上研究该人物，撰写一份有据可查的档案，然后以其口吻回答一组固定的开放式“思考”问题。每个回答都会被转化为嵌入向量，这样一来，人物形象就不再是一大段文字，而变成了空间中的一个点。将几位思想家并排放置，你就能看出谁倾向于怀疑，谁倾向于幽默，谁倾向于冷静的抽象。其背后的核心理念是：人格主要关乎风格，而非算力，因此即便进行对话的模型是小模型，这种人格特质也能得以保留。而这，正是本次“小模型构建黑客松”的全部意义所在。

观看简短导览：研究一个人物形象，比较几个形象，阅读特质热力图。

播放器加载失败？在 YouTube 上观看。

引发此项目的那个问题

如果你能让苏格拉底、丘吉尔和一位硅谷创始人共处一室，向他们提出同一个无法回答的问题，然后观察他们各自以多么不同的方式寻求答案，那会怎样？大多数基准测试衡量的是模型知道什么。而 Persona Atlas 追求的是更难捉摸的东西，即某个特定思维是如何运作的，并且它试图让这一点变得可见，而不仅仅是声称如此。

运作方式

一次运行包含三个步骤。

首先，研究。一个具备工具调用能力的智能体执行真实的网络搜索，提取人物画像，并整理出一份公开档案、一份有据可查的事实清单（每条事实都链接回它实际访问过的来源），以及一份“风格假设”，即它对这个人会如何应对一个前所未见的问题所做的最佳猜测。

其次，该人物形象回答基准测试：十个关于身份、伦理、真理、自由意志、意义和机器意识的刻意设计的开放式提示词。这些问题没有正确答案，这是故意的。正是这类问题，会让一个人的人格特质流露出来，而非模型的原始能力。

第三，每个回答都变成一个嵌入向量。这便将每个人物形象转化成了可比较的点：将两个形象并排放置，就能测量它们回答之间的距离。

比较思维

选择任意已保存的角色，对比视图会执行两项操作：它会衡量这些角色在嵌入向量空间中的答案相距多远，给出一个数值来反映整个群体的分歧程度；同时，它会根据十个特质锚点（严谨性、清晰度、创造力、怀疑精神、自信、友善、幽默感、好奇心、务实性、抽象性）对每个角色进行评分，并以特质倾向热力图的形式呈现。

该网格采用双中心化处理，这比听起来要重要得多。一个暖色单元格绝不意味着在某种绝对意义上“该特质得分高”。它表示，与你恰好放在一起的其他角色相比，这个角色更倾向于该特质。将几个截然不同的角色并排放置，各行便会拉开差距：一个角色在幽默感和自信方面呈现暖色，另一个则在抽象性和怀疑精神方面呈现暖色。

底层机制

所有功能均通过 Hugging Face 推理提供商在托管的小型模型上运行：一个紧凑的生成器驱动智能体，一个轻量级嵌入模型负责几何计算，外加实时网络和图像搜索用于事实锚定。前端采用 Gradio，包含三个标签页：研究一次运行、比较已保存的角色、以及检查完整的智能体追踪记录，以便你自行验证它是否依赖真实来源，而非凭空捏造。系统预置了一套角色，因此页面加载后即可进行比较，无需任何 token。

立即尝试

首先打开“比较已保存的角色”标签页，或者研究一个新角色并将其添加到角色图谱中：huggingface.co/spaces/build-small-hackathon/persona-atlas