SBTI的爆火

本文涉及的产品
对象存储 OSS,OSS 加速器 50 GB 1个月
简介: SBTI是MBTI的戏谑变体,借熟为人知的认知框架,用网络热梗命名(如“吗喽”“酒鬼”)替代严肃人格标签。纯前端实现、零后端依赖,结果稳定易传播。它不追求心理科学性,而是精准击中当代青年自嘲、情绪化表达需求,成为社交平台的现象级“状态名片”。以上服务部署全部托管oss

最近 SBTI,像是忽如一夜春风后的野草, 长满了朋友圈。
一觉醒来,满屏都是 嗯,我也是其中之一。
它一下子变成了朋友、同事之间茶余饭后的谈资,突然就火了,而且火得很夸张。

很自然地,我也顺手复刻了一版。代码仓库放在 https://github.com/felixzhang-glitch/SBTI-dev,复刻网站是 http://sbti.nginx.chat/

纯前端文件, 网站托管oss

从复刻过程里再回头看,这个东西本身并不重,纯前端计算,几乎没什么技术门槛。再往回看,它的风靡更像是一种大众情绪的击中,有点像前段时间的小龙虾。它未必真的改变了什么,但确实在那个时间点,击中了很多人一种很微妙、也很普遍的情绪。

借用了 MBTI 的认知框架,但替换了表达语言

SBTI 的第一层,并没有带来什么新的观点和逻辑,它更多是直接站在 MBTI 已经完成的认知普及之上,借了一个大家都熟悉的壳。

大众看到这类产品时,不需要再理解什么是人格维度、什么是心理画像,几乎不用费什么脑子,就会知道:这是一种新的、带有戏谑色彩的人格标签系统。

它延续了“测试—结果—转发”的经典路径,但把传统人格测试里偏中性、偏美化的表述,替换成了更具网络梗感和画面感的命名方式。于是,大众拿到的就不再是一个严肃的人格解释,而是一张更适合社交媒体传播的“状态名片”。比如我这个 MALO。
fe4b53d7f0d7ac10eab925b3df5b99fb.png

技术实现

拆开看,SBTI 并不复杂。它不是模型推理,更像一套很轻的规则系统,而且结果也很容易被穷举。整体就是前端本地计算:先通过题目得到各维度分数,再把分数离散成等级向量,最后和预设人格库做模式匹配。

92897a868936585535c6b6b9caa809a6.png

如果简单概括它的计算流程,大致是这样一条路径:先检查是否触发隐藏饮酒条件;如果触发,则直接返回 DRUNK;如果没有触发,就继续汇总各维度分数,转换等级,和预设人格 pattern 比较,计算距离与相似度,最后再判断是否低于 60% 阈值,低于则返回兜底人格 HHHH,否则返回最高匹配的人格类型。

这类实现有几个比较明显的特点。

第一,计算路径短。没有后端依赖,不依赖机器学习,也不依赖额外 API。

第二,结果稳定。相同输入必然得到相同输出,产品行为可预期。

第三,复刻成本低。页面、题库、规则和素材齐备后,复制和部署几乎没有太高门槛。

意味着它本质上更接近一个“内容产品”,而不是一个“能力产品”。用户并不在意它背后的算法先进性,真正重要的是:结果名称是否足够有梗,截图是否足够好发,是否能在熟人网络中迅速形成共鸣。

看看都有些啥

当前常规人格类型如下:

code 名称 pattern
CTRL 拿捏者 HHH-HMH-MHH-HHH-MHM
ATM-er 送钱者 HHH-HHM-HHH-HMH-MHL
Dior-s 屌丝 MHM-MMH-MHM-HMH-LHL
BOSS 领导者 HHH-HMH-MMH-HHH-LHL
THAN-K 感恩者 MHM-HMM-HHM-MMH-MHL
OH-NO 哦不人 HHL-LMH-LHH-HHM-LHL
GOGO 行者 HHM-HMH-MMH-HHH-MHM
SEXY 尤物 HMH-HHL-HMM-HMM-HLH
LOVE-R 多情者 MLH-LHL-HLH-MLM-MLH
MUM 妈妈 MMH-MHL-HMM-LMM-HLL
FAKE 伪人 HLM-MML-MLM-MLM-HLH
OJBK 无所谓人 MMH-MMM-HML-LMM-MML
MALO 吗喽 MLH-MHM-MLH-MLH-LMH
JOKE-R 小丑 LLH-LHL-LML-LLL-MLM
WOC! 握草人 HHL-HMH-MMH-HHM-LHH
THIN-K 思考者 HHL-HMH-MLH-MHM-LHH
SHIT 愤世者 HHL-HLH-LMM-HHM-LHH
ZZZZ 装死者 MHL-MLH-LML-MML-LHM
POOR 贫困者 HHL-MLH-LMH-HHH-LHL
MONK 僧人 HHL-LLH-LLM-MML-LHM
IMSB 傻者 LLM-LMM-LLL-LLL-MLM
SOLO 孤儿 LML-LLH-LHL-LML-LHM
FUCK 草者 MLL-LHL-LLM-MLL-HLH
DEAD 死者 LLL-LLM-LML-LLL-LHM
IMFW 废物 LLH-LHL-LML-LLL-MLL

额外可展示的人格有两个:

code 名称 触发方式
HHHH 傻乐者 常规人格最高匹配度低于 60% 时强制兜底
DRUNK 酒鬼 隐藏饮酒题触发

只看命名层面,会发现它和传统人格测试最大的区别,就是某种程度上的“不体面”。它换成了更短、更尖锐,也更接近自嘲语境的命名策略。像“拿捏者”“领导者”“思考者”对应的是掌控和输出;“多情者”“妈妈”“送钱者”对应的是关系投入;“无所谓人”“装死者”“僧人”对应的是抽离和自保;“吗喽”“小丑”“愤世者”“死者”“废物”“酒鬼”则更直接地落在黑色幽默和自嘲表达上。

某种意义上,它和算命有点像,和精确没什么强关联,但天然具备传播性。这些标签几乎天然适合截图、转发和二次解读。

大众情绪的命中

和小龙虾一样,它这一波传播热度,很大程度上来自于它在某个时间点命中了一次大众情绪。这种情绪投影,本身就具备很强的扩散能力。

SBTI 给人的“准”,并不主要来自测量能力,而来自这些标签对常见情绪切片的覆盖能力。它并没有试图像传统心理测评那样建立一个高可信度的人格解释系统,而是在做另一件事:给用户一个足够低成本的表达出口。

这点很重要。过去常见的人格测试,更偏向身份叙事,即告诉你“你是什么样的人”;而 SBTI 更接近状态叙事,即告诉你“你最近像什么”。前者追求相对稳定的人格归类,后者更适合瞬时情绪、自我调侃和社交表达。

从传播角度看,后者显然更符合今天的内容环境。因为多数用户转发结果图,并不是为了证明测试科学,而是为了用一个更轻、更安全的方式完成自我表达。表面上是在玩梗,实质上是在借标签输出近况。

相关链接

目录
相关文章
|
9天前
|
人工智能 数据可视化 安全
王炸组合!阿里云 OpenClaw X 飞书 CLI,开启 Agent 基建狂潮!(附带免费使用6个月服务器)
本文详解如何用阿里云Lighthouse一键部署OpenClaw,结合飞书CLI等工具,让AI真正“动手”——自动群发、生成科研日报、整理知识库。核心理念:未来软件应为AI而生,CLI即AI的“手脚”,实现高效、安全、可控的智能自动化。
34543 26
王炸组合!阿里云 OpenClaw X 飞书 CLI,开启 Agent 基建狂潮!(附带免费使用6个月服务器)
|
4天前
|
人工智能 自然语言处理 安全
Claude Code 全攻略:命令大全 + 实战工作流(建议收藏)
本文介绍了Claude Code终端AI助手的使用指南,主要内容包括:1)常用命令如版本查看、项目启动和更新;2)三种工作模式切换及界面说明;3)核心功能指令速查表,包含初始化、压缩对话、清除历史等操作;4)详细解析了/init、/help、/clear、/compact、/memory等关键命令的使用场景和语法。文章通过丰富的界面截图和场景示例,帮助开发者快速掌握如何通过命令行和交互界面高效使用Claude Code进行项目开发,特别强调了CLAUDE.md文件作为项目知识库的核心作用。
3956 14
Claude Code 全攻略:命令大全 + 实战工作流(建议收藏)
|
21天前
|
人工智能 JSON 机器人
让龙虾成为你的“公众号分身” | 阿里云服务器玩Openclaw
本文带你零成本玩转OpenClaw:学生认证白嫖6个月阿里云服务器,手把手配置飞书机器人、接入免费/高性价比AI模型(NVIDIA/通义),并打造微信公众号“全自动分身”——实时抓热榜、AI选题拆解、一键发布草稿,5分钟完成热点→文章全流程!
45427 148
让龙虾成为你的“公众号分身” | 阿里云服务器玩Openclaw
|
2天前
|
人工智能 机器人 开发工具
Windows 也能跑 Hermes Agent!完整安装教程 + 飞书接入,全程避坑
Hermes Agent 是一款自学习AI智能体系统,支持一键安装与飞书深度集成。本教程详解Windows下从零部署全流程,涵盖依赖自动安装、模型配置、飞书机器人接入及四大典型兼容性问题修复,助你快速构建企业级AI协作平台。(239字)
3167 10
|
2天前
|
人工智能 供应链 安全
|
11天前
|
人工智能 JSON 监控
Claude Code 源码泄露:一份价值亿元的 AI 工程公开课
我以为顶级 AI 产品的护城河是模型。读完这 51.2 万行泄露的源码,我发现自己错了。
5107 21
|
4天前
|
机器学习/深度学习 存储 人工智能
还在手写Skill?hermes-agent 让 Agent 自己进化能力
Hermes-agent 是 GitHub 23k+ Star 的开源项目,突破传统 Agent 依赖人工编写Aegnt Skill 的瓶颈,首创“自我进化”机制:通过失败→反思→自动生成技能→持续优化的闭环,让 Agent 在实践中自主构建、更新技能库,持续自我改进。
870 2