用5句话打造文心快码的MBTI大模型测试器！

在人工智能快速发展的今天，模型的处理能力不断提升，特别是在长文本解析、多模态理解和复杂推理等领域的突破。无论是负责算法开发的工程师，还是产品经理，评估大模型的各项能力已成为 AI 行业的日常工作之一。本期将介绍如何在 20 分钟内，使用文心快码和只需 5 句话构建一个 MBTI 性格测试器，即便是零基础也能轻松上手。

一、需求分析背景

为何要为大模型设计 MBTI 性格测试？在社交网络上，MBTI 被视为人们自我标识的工具，能够在一定程度上反应个体的性格特质、价值观、交流风格及社交态度。既然大模型具备模拟人类思维的能力，那么它是否也会拥有 MBTI 性格特征呢？在职业发展和人际交往等诸多场合中，人们经常参考 MBTI，同样地，对 AI 模型进行 MBTI 性格测试也可以作为一种启发式工具，帮助分析、比较和预测模型的行为模式、倾向以及潜在的局限性。

对算法工程师和产品经理而言，了解大模型的 MBTI 特性有助于改善 人机交互体验、选择合适的模型以匹配任务、揭示模型的内在偏好与偏见，并为模型的开发和调优提供指导。而对于与 AI 进行互动的用户来说，给模型贴上“MBTI 标签”能够快速了解它的“脾气”——即知道它在什么类型的任务中表现更佳，怎样与之交流更加高效。因此，为大模型进行 MBTI 性格测试不仅富有趣味性，也具有实用价值。

参加过 MBTI 测试的朋友都了解，测试一共包含 93 个问题，完成全套测试大约需要 30 分钟。如果采用人工方式进行测试，用户需在客户端或网页上与大模型逐个提出问题，记录每个答案，这样一来，时间成本就会显著提高。然而，需要注意的是，在实际应用中，进行 MBTI 性格测试时，不可能只对一个模型进行测试，也不可能只测试一次。当需要测试多个模型，且为了确保模型表现的稳定性而进行多次测试时，人工测试的效率显得极为低下。即使最终得到测试结果，为了清晰比较不同模型的差异和观察稳定性，仍需耗费时间整理测评报告。整个流程繁琐复杂，难免让人感到沮丧。总体来看，人工测试主要存在以下问题：

场景设计耗时：构思有效的测试用例既耗时又费力；

样本生成低效：手动构建或生成高质量输入 / 输出样本的效率低下；

执行繁琐易错：手动调用不同模型的 API、进行多轮测试并记录结果，极易出错且难以实现规模化；

报告缺乏洞察：难以直观比较模型之间的差异，也难以发现稳定性问题。

幸运的是，我们可以借助文心快码这一编程工具，轻松编写自动化脚本。接下来将详细介绍具体的操作步骤。

二、清晰表达你的需求给 Zulu

文心快码的强大之处在于：它不仅可以生成代码，还能根据需求自动补充场景设计、分解任务，并输出可直接运行的结果。要最大化利用其功能，关键是准确描述需求。在表达需求时，建议详细说明背景、目标、交付标准和执行步骤，以便文心快码能够真正理解我们的意图，准确执行任务。以下是一个示例：

可以提前准备一个文档，包含模型名称、域名、API 密钥，明确告诉文心快码需要测试的模型，并指明要调用的 API，同时提供相应的 MBTI 测试题目。接着提出测试要求，表明需要进行 5 次测试以观察稳定性。此后，告知交付标准，最后提供初步的行动指引：首先让它编写一个项目设计文档，以便了解其思路；然后进行单模型测试以验证项目的可运行性，这样在试错成本更低的情况下为后续全量测试做好准备。

三、观察执行过程

将你的提示输入到文心快码 Zulu 对话框中后，Zulu 便会开始执行任务。在此过程中，我们只需关注它的操作：

第一步：编写项目设计文档 design.md，内容包括系统架构、核心模块设计、数据流和测试计划等部分。

第二步：开发核心测试模块。

第三步：开发报告生成模块。

第四步：开发主程序模块。

第五步：进行单模型测试，确认逻辑和输出是否正确。

在这个过程中，我们可以看到Zulu 能够自动调用相关工具，复用相同的终端，协助完成环境搭建和服务启动，整个过程无需我们操心。

【依赖自动安装】Zulu 自动识别项目中的依赖配置文件，并生成干净的虚拟环境，安装所有所需的依赖。

【服务自启动】Zulu 能够智能识别项目的启动命令，自动运行它，使开发环境的启动变得极为简单。

【错误自修复】如果在环境搭建或服务启动过程中出现问题，Zulu 会主动检测错误并提供修复建议。例如，当缺少某个依赖时，它会自动尝试安装，甚至直接解决问题。

例如 ：在运行测试时，若终端报错：ModuleNotFoundError: No module named ‘toml’。Zulu 会立即捕捉到这个异常， 自动执行 pip install toml 命令来修复缺失的依赖，无需用户手动干预，随后继续执行后续任务。

项目初步完成后，Zulu 将提供清晰的项目使用说明和总结。

四、不断优化工作流程

Zulu 为我们开发的自动化脚本基本上已经完成了。但若整个过程是个“黑盒”，难免会引发疑虑：模型是否完成了所有测试？三次测试是否都已完成？如何应对呢？可以添加一个调试需求，以便实时观察模型的输入，使测试过程更加透明。

Zulu 可以根据当前的上下文，在原有代码库中精准定位并进行修改。即使不懂代码、不清楚如何修改，只需输入需求，Zulu 凭借其强大的理解能力，结合现有代码库，迅速找到需要修改的地方。而且，修改过程完全透明：删除的代码以红色标示，新增的代码以绿色标示。

通过 Zulu 优化 MBTI 模型测试流程的全面指南

在工作中，直接输入需求：“希望确认每次请求模型时，输入内容是否符合预期。因此，请增加一个调试模式，让我能够查看模型的输入，最好能将其记录到日志文件中。”这样做不仅能验证调用是否如预期，还便于后续问题的追踪。经过 Zulu 的修改后，调试模式下的执行命令也被提供出来以供测试。

实际上，在整个项目中，Zulu 的应用能够持续优化我们的工作效率。

1. 提升效率

在实际测试中，我们意识到逐一测试问题的效率太低，因而我们命令 Zulu：“为了减少请求次数，每次对话询问模型 8 个问题，以便模型能够批量输出结果。”Zulu 迅速理解了我们的意图，调整了主程序逻辑，将串行请求转换为批量处理，这大幅提升了测试的速度。

2. 自动生成报告

在单个模型的 MBTI 测试基本没有问题的情况下，我们可以指示 Zulu 生成综合报告：“请将 reports 目录下所有单个模型的测试结果整理成一份综合报告。”

3. 性能进一步优化

如果测试速度依然是个问题，我们可以提出更高的要求：“请改用多线程异步并行请求来测试模型，以便加快测试速度。”在这种情况下，Zulu 会重构代码，从而极大缩短测试耗时。

完成 Zulu 的调整后，项目基本就绪。我们可以在终端中输入调试模型的运行指令“python main.py –debug”，开始测试并生成报告。在调试模式下，测试过程将清晰可见。

五、通过预览调试功能完善报告

到此为止，测试报告已经生成，在 reports 目录下可以找到综合报告以及每个模型的历史测试报告。通过预览网页可以验收成果，若发现问题，仍可进行修改。

如果使用文心快码插件，Zulu 的多模态能力也能协助修改。Zulu 支持上传图片，并根据指令识别图片内容或将其转化为代码。可以截取有问题的界面并上传到对话框，再输入修改需求。如果使用的是 Comate AI IDE，则可利用预览调试功能进行修改。只需在 IDE 的左侧边栏点击预览按钮，打开预览调试界面，圈选问题位置，然后在 Zulu 对话框输入修改需求，就能完成修改。

在这个项目中，我希望 报告中的饼图能够展示每个模型的 MBTI 类型，因此在 Comate AI IDE 中选中这个组件，输入调整需求，Zulu 便对报告的 html 文件进行了针对性修改，刷新预览窗口后，便能看到最新的报告样式。

六、展示我们的成果

最后，我们利用 Zulu 的代码解读功能介绍我们的项目成果：我们实现了一个用于测试不同 LLM 模型 MBTI 性格类型的 Python 项目，主要功能包括：

1. 核心测试功能：

• 使用标准 MBTI 测试题目评估 LLM 模型

• 支持批量测试多个模型

• 异步执行提高测试效率

• 多轮测试评估结果的稳定性

2. 报告系统：

• 生成每个模型的详细 HTML 报告

• 创建多模型对比报告

• 包含可视化图表展示测试结果

• 记录历史测试数据

3. 技术特点：

• 基于 Python 3.12 开发

• 使用 aiohttp 等异步库

• 集成 Chart.js 进行数据可视化

• 完善的日志记录系统

4. 测试结果示例：

• 对五种主流的 LLM 模型进行了评测

• 大部分模型表现出 INTJ 性格特征

• 不同模型的测试结果稳定性各异

从构想到实现，仅用 5 句话，耗时不足 30 分钟，在文心快码的支持下，我们成功开发出一个大模型 MBTI 测试器，旨在实现模型的自动化评估。以往需要几位同事共同协作、耗时数天才能完成的任务，现在一个人就能轻松搞定。尽管这个项目的代码量不小，但即使没有编程基础的人也能顺利完成开发。AI 编程工具现已不再是专业程序员的专属利器，而是提升日常工作效率的得力助手，帮助简化繁琐的流程，使得我们能将时间和精力投入到更具价值的方案设计和战略规划上。