本文深度拆解了近期爆火的「SBTI」人格测试，揭示其背后「人工创意+AI 辅助」的开发模式及基于 15 维向量空间距离的匹配算法逻辑。
📝 详细摘要
文章针对社交媒体爆火的「SBTI」人格测试进行了技术溯源与算法拆解。分析指出，该项目在文案生成上表现出明显的 LLM 风格（如 GPT-4/Claude 辅助），但在核心创意与谐音梗命名上体现了人类策划的独特性。技术实现上，这是一个零依赖的纯原生前端项目。核心算法逻辑被归纳为：通过 31 道题映射至 5 大模型、15 个细分维度，将原始分归档为 L/M/H 三档并转化为 15 维向量，最终通过计算用户向量与预设模板间的曼哈顿距离及精确命中数，匹配出相似度最高的人格结果。此外，文章还提到了由 AI 习惯衍生的「MBAI」等新兴变体。
💡 主要观点
- SBTI 是「人工主导+AI 辅助」协作的典型产物。 文案风格具有高度的 LLM 修辞特征，如强调稀有感和幽默比喻，但核心谐音梗命名和创意逻辑由人类完成。
💬 文章金句
- 代码、文案部分可能是 GPT-4 或 Claude 之类的工具帮忙写的，但整体创意，应该还是由人来操刀的。
- SBTI 的算法逻辑不是直接测试人格类型，而是给你 15 个小标签，然后用数学距离找跟你「最像的人设」。
- 系统会先看总差最小的，再看完全匹配最多的，最后看相似度最高的。而排在第一位的那个人格模板，就是系统认定和你最接近的人格结果。
📊 文章信息
AI 评分：86
来源：量子位
作者：梦瑶
分类：人工智能
语言：中文
阅读时间：12 分钟
字数：2901
标签： SBTI, 算法拆解, Vibe Coding, 向量匹配, 人格测试