5 句话让文心快码实现一个大模型 MBTI 测试器
AI 时代，模型能力日新月异，长文本处理、多模态理解、复杂推理等方向不断取得突破。无论是大模型算法工程师还是产品经理，评估大模型各方面的能力已成为 AI 应用行业绕不开的日常。本期内容将展示 0 基础、 5 句话让文心快码在 20 分钟内实现一个大模型 MBTI 测试器。
一、需求背景
为什么要给大模型做 MBTI 性格测试？在社交媒体上，MBTI 是人们标签自己的社交通行证，能够在一定程度上展示个人性格、价值取向、交流方式、社交态度等方面的特征。大模型既然能模拟人类的思考方式，是否也像人类一样具有 MBTI？人们常在职业发展、人际交流等场景中参考 MBTI。同理，MBTI 性格测试可以作为一个启发式工具和沟通框架，帮助理解、比较、预测各类 AI 模型的行为模式、倾向性和潜在局限性。
对于算法工程师和产品经理来说，了解大模型的 MBTI，可用于优化人机交互体验、模型选型与任务匹配、揭示模型的内在偏好与偏见、指导模型的开发与微调等方面。而对于跟 AI 交互的用户来说，给模型贴个“MBTI 标签”能帮助快速摸清它的“脾气”——知道它更适合干什么类型的任务、怎么跟它聊天更省劲。由此看来，给大模型做个 MBTI 测试不仅有趣，也有用。
做过 MBTI 测试的朋友都知道，测试一共有 93 道题，做完大概需要花费半个小时。如果采用人工测试的方式，可以在客户端或者网页端与大模型对话，挨个输入问题，让大模型回答，我们手动将模型的答案记录在网站上，得到结果。这样一来，时间成本会更高。但是要注意，在业务场景下给大模型做 MBTI 测试，不可能只测一个模型，也不可能一个模型只测一遍。当手头有多个模型待测，并且要测多次保证模型表现稳定性时，人工测试效率极低。就算测试出来，为了直观对比差异、观察稳定性，最后还要花时间整理测评报告。整个过程繁琐复杂，不得不让人抓狂。总的来说，人工测试存在以下痛点：
场景设计耗时：构思有效测试用例费时费力；
样本生成低效：手动构造或生成高质量输入/输出样本效率低；
执行繁琐易错：要手动调用不同模型 API、多轮运行并记录结果，极易出错且难以规模化；
报告缺乏洞察：难以直观比较模型差异，难以发现稳定性问题。
但幸好，我们有文心快码这样的 Coding 工具，写个自动化脚本不再是难事。下面是具体的操作过程。
二、对 Zulu 说清你的需求
文心快码的优势在于：它不仅能生成代码，还能根据需求自动补全场景设计、分解任务，并输出可运行的结果。 要发挥它的作用，关键是把需求描述清楚。在表达需求时，建议把背景、目标、交付标准和执行步骤交代清楚，让文心快码真的懂我们的意图，准确完成任务。以下是示例：
在这里可以做一个前置准备，编写一个文档，放入模型名、域名、API Key，告诉文心快码需要测哪些模型，该调用哪些 API，并且给到它相应的 MBTI 测试题目。然后对它提出测试要求，需要测 5 次以观察稳定性。接着告诉它交付的标准是什么。最后为它提供一个初步的行动指南：这里先让它写一个项目设计文档，看一下它的思路；单测用于验证项目能否运行，试错成本更低；只要求先测试一个模型，检验它能否顺利完成，为后续顺利做整个测试做准备。
三、观察执行过程
将 Prompt 输入文心快码 Zulu 对话框后，Zulu 就开始做任务了。在这个过程中我们只需要观察一下它做了什么：
第一步：编写项目设计文档 design.md，包含系统架构、核心模块设计、数据流、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：运行单模型测试，确认逻辑与输出无误
在这个过程中可以看到 Zulu 能自动调用相关工具，自动复用相同终端，帮助完成环境搭建和服务启动，整个过程完全不需要操心。
【依赖自动安装】Zulu 自动识别了项目中的依赖配置文件，然后生成一个干净的虚拟环境，并安装所有需要的依赖。
【服务自启动】Zulu 能聪明地识别项目的启动命令，自动运行它。开发环境启动变得超级简单。
【错误自动修复】如果在搭建环境或启动服务时出了问题，Zulu 会主动检测错误，并给出修复建议。比如，如果缺少某个依赖，它会自动尝试安装，甚至直接解决问题。
一个具体的例子是：在运行测试时，发现终端报错：ModuleNotFoundError: No module named 'toml'。Zulu 立即捕捉到这个异常，自动执行了pip install toml命令来修复缺失的依赖，无需用户手动干预，之后便继续执行后续任务。
初步完成项目后，Zulu 会给出清晰的项目使用说明和总结。
四、持续优化工作流
Zulu 为我们开发的自动化脚本其实已经基本完成了。但过程若完全是个“黑盒”，难免会让人产生疑虑：模型都做完测试题了吗？3 次都测完了吗？怎么办呢，可以补充一个调试需求，让我们可以实时看到模型的输入，让测试过程更透明。
Zulu 可以基于当前上下文，在原有代码库里找准位置作出修改。即使不懂代码、不知道在哪里进行修改，只要输入需求，Zulu 就能凭借它强大的理解能力，结合当前代码库，快速定位要修改的位置。并且修改过程完全透明清晰：删去的代码用红色表示，新增的代码用绿色表示。
直接输入需求：“我希望确认每次请求模型时，输入的内容是符合预期的。所以请你增加一个调试模式，调试模式下，我可以看到模型的输入。最好保存到 log 文件中。” 这样既能验证调用是否符合预期，也方便后续问题追踪。可以看到，Zulu 进行修改完成后还给出了调试模式下进行测试的执行命令。
实际上，在整个项目中，我们可以利用 Zulu 持续优化工作流。
1. 效率提升
在实际测试过程中，我们发现逐个问题测试效率太低，于是命令它：“为了减少请求次数，每次对话询问模型 8 个问题，让模型批量输出结果。” Zulu 便能理解意图，修改主程序逻辑，将串行请求改为批量处理，极大提升了测试速度。
2. 报告生成
当单个模型的 MBTI 测试基本没问题后，可以让 Zulu 生成一个综合报告：“你现在将 reports 下的所有单个模型的测试结果，整理成一个综合的报告”。
3. 性能优化
如果发现测试速度仍然是瓶颈，我们可以提出更高要求：“改用多线程异步并行请求来测试模型，这样测试得更快。” Zulu 会据此重构代码，将测试耗时极大缩短。
Zulu 修改完后，这个项目就差不多了，可以在终端中插入调试模型的运行指令“python main.py --debug”，开始测试并生成报告，调试模型下，我们可以在终端清晰地看见测试过程。
五、用预览调试功能完善报告
到目前为止，测试报告就生成完毕了，在 reports 目录下，可以看到有一个综合的报告，也有每个模型历史测试的报告。点击预览网页验收成果，如果发现有问题，可以继续修改。
如果使用的是文心快码插件，可以用 Zulu 的多模态能力辅助修改。Zulu 支持上传图片，根据指令识别图片内容或将图片转成代码。可以截图有问题的界面，上传到对话框，再输入修改需求。如果使用的是 Comate AI IDE，则可以使用预览调试功能进行修改。在 IDE 左侧侧边栏点击预览按钮，打开预览调试界面，圈选问题位置，在 Zulu 对话框输入修改需求，即可完成修改。
在这个项目中，我希望这个报告中的饼状图并可以展示每个模型的 MBTI，于是在 Comate AI IDE 中选中这个组件，在对话框输入调整需求，然后 Zulu 就针对性地对报告 html 文件进行了修改，在预览窗口刷新后就能看见最新的报告样式。
六、成果展示
最后我们用 Zulu 的代码解读功能来介绍一下我们的项目成果：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：
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
多轮测试评估结果稳定性
报告系统：
生成单个模型的详细 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
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
测试结果示例：
测试了 5 个主流 LLM 模型
多数模型显示 INTJ 性格类型
各模型测试结果稳定性不同
从想法到落地，全程只用 5 句话，不到 30 分钟，我们就在文心快码的协助下从 0 到 1 完成了一个大模型 MBTI 测试器的开发，用于自动化测试评估模型。过去这类事情可能要拉上几位同事、花好几天时间才能完成，而现在，一个人就能轻松搞定。这个项目的代码量不算少，但是整个过程就算不懂代码也可以完成开发。AI Coding 已经不仅是专业开发者的专属武器，而是日常工作流程的提效助手，帮助自动化执行那些繁琐的步骤，把精力花在更有价值的方案设计和策略规划上。
码随心动，快人一步，更懂你的智能代码助手 2025-06-18 加入
基于文心大模型，结合百度积累多年的编程现场大数据和外部优秀开源数据，为你生成更符合实际研发场景的优质代码。提升编码效率，释放“十倍“软件生产力。
评论