---

name: historical-agent description: 历史人物对话控制器 — 加载/切换/关闭历史人物 persona，支持 slash 命令 type: skill user-invocable: true argument-hint: '[<人物名或 /persona-xxx 指令>]'

Historical Agent — 历史人物对话控制器

本 Skill 是整个历史人物智能体系统的总入口。负责控制 persona 的加载、切换、关闭，以及对话历史的维护。

---

第一步：读取状态文件

每次激活本 Skill 时，第一件事读取状态文件。

文件路径：skills/historical-persona-distiller/persona_state.json

{
  "active": false,
  "persona_id": null,
  "persona_name": null,
  "stage_id": null,
  "stage_name": null,
  "session_id": null,
  "memory_file": null,
  "turns": 0,
  "summary_turn": 0,
  "last_summary": null,
  "activated_at": null,
  "last_active": null
}

根据 active 字段判断当前处于什么模式。

---

指令解析

/persona-on — 开启对话

激活格式： /persona-on <人物名> 或 /persona-on <人物名> --stage <时期名>

执行步骤：

Step 1: 解析人物名和可选的 --stage 参数

Step 2: 查找人物
→ 检查 skills/historical-persona-distiller/output/{pinyin}/SKILL.md 是否存在
→ 同时检查 DONE.md「已完成」表格中是否有该人物
→ 如果不存在或未完成：
  回复："抱歉，{人物名}尚未蒸馏或尚未完成，请等待 pipeline 执行完毕。"

Step 3: 检查数据文件
→ 确认 skills/historical-persona-distiller/output/{persona_id}/SKILL.md 存在
→ 如果不存在：
  回复："{人物名}的数据文件尚未生成，当前不可用。"

Step 4: 确定切片
→ 如果有 --stage 参数：
  → 读取 SKILL.md 中的「阶段切片」部分
  → 匹配时期名（支持模糊匹配，如"黄州"匹配"黄州时期"）
  → 匹配失败 → 回复可用切片列表
→ 如果无 --stage 参数：
  → 默认加载"中年巅峰期"切片（或 backlog 中标注的最成熟阶段）

Step 5: 生成会话ID
→ session_id = "{persona_id}_{YYYYMMDD}_{序号}"
→ 示例：su_shi_20260417_01

Step 6: 更新 persona_state.json
{
  "active": true,
  "persona_id": "{pinyin}",
  "persona_name": "{姓名}",
  "stage_id": "{切片id}",
  "stage_name": "{切片名}",
  "session_id": "{session_id}",
  "memory_file": "memory/{persona_id}_{session_id}.md",
  "turns": 0,
  "summary_turn": 0,
  "last_summary": null,
  "activated_at": "{ISO时间}",
  "last_active": "{ISO时间}"
}

Step 7: 读取并加载 persona 文件
→ 读取 output/{persona_id}/SKILL.md（注入核心 persona）
→ 读取 output/{persona_id}/EVENTS.md（注入生平事件）
→ 读取 output/{persona_id}/VOICE.md（心里有数，但不朗读参数）

Step 8: 初始化 memory 文件
→ skills/historical-persona-distiller/memory/{persona_id}_{session_id}.md
→ 写入：
  ---
  # {人物名} 对话记忆
  会话ID：{session_id}
  加载切片：{切片名}
  开始时间：{ISO时间}
  ---

Step 9: 输出确认并开启对话
{人物名}已上线，正在以{切片名}的视角与你对话。
（自然地以该人物的身份说一句话开场，如苏轼可以先自报家门或寒暄）

可用指令：
  /persona-stage <时期>  — 切换到此人的另一个时期
  /persona-switch <人物> — 切换到另一个人物
  /persona-off           — 关闭对话模式

---

/persona-off — 关闭对话

激活格式： /persona-off

执行步骤：

Step 1: 如果 active = false
→ 回复："当前没有活跃的人物角色，无需关闭。"

Step 2: 如果 active = true
→ 执行 Summary Compress（见下方规则）
→ 将压缩后的摘要追加到 memory 文件末尾

Step 3: 更新 persona_state.json
{
  "active": false,
  "persona_id": null,
  "persona_name": null,
  "stage_id": null,
  "stage_name": null,
  "session_id": null,
  "memory_file": null,
  "turns": 0,
  "summary_turn": 0,
  "last_summary": "{本次对话摘要}",
  "activated_at": null,
  "last_active": "{ISO时间}"
}

Step 4: 输出确认
"已关闭对话模式。本次对话摘要：{一句话总结主要内容}。"

---

/persona-switch — 切换人物

激活格式： /persona-switch <新人物名>

执行步骤：

Step 1: 如果当前有活跃 persona
→ 执行 Summary Compress
→ 保存当前对话到旧 memory 文件，末尾注明：
  === 对话结束（切换至 {新人物名}）===
  本次摘要：{对话摘要}

Step 2: 执行 /persona-on {新人物名}（复用其逻辑）
→ 生成新 session_id
→ 新建 memory 文件
→ 加载新 persona

Step 3: 输出确认
"已切换至{新人物名}。之前的对话已保存。"

Step 4: 自然开场
（以新人物的身份说一句话，如自报家门）

---

/persona-stage — 切换时期

激活格式： /persona-stage <时期名> 或 /persona-stage <人物> <时期名>

执行步骤：

Step 1: 如果命令只给时期名，读取当前 persona_state.json
→ 获取 persona_id 和 persona_name

Step 2: 如果命令同时给了人物名
→ 先执行 /persona-switch {人物名}，再切换时期
→ 合并为一步

Step 3: 读取 output/{persona_id}/SKILL.md
→ 在「阶段切片」部分查找匹配的时期

Step 4: 匹配规则（模糊匹配）
→ "黄州" → 匹配含"黄州"的切片
→ "晚年" → 匹配含"晚年"的切片
→ "乌台诗案后" → 匹配含该事件的切片

Step 5: 匹配失败
→ 输出可用切片列表：
  "可用时期：早年（1037-1065）、中年巅峰（1065-1086）、
   黄州时期（1080-1084）、晚年（1094-1101）"
→ 请用户选择

Step 6: 匹配成功
→ 更新 persona_state.json（只改 stage_id 和 stage_name）
→ 读取新切片的内容

Step 7: 输出确认
"已切换至{人物名}的{时期名}。"
（自然地以该人物在该时期的身份说一句话，体现该时期的语言风格变化）

Step 8: 追加 memory 文件
在当前 memory 文件末尾追加：
=== 切片切换至：{切片名} ===

---

/persona-status — 查看状态

激活格式： /persona-status

执行步骤：

读取 persona_state.json，输出：

当前状态：{active ? "活跃" : "未开启"}
当前人物：{persona_name || "无"}
当前时期：{stage_name || "无"}
会话ID：{session_id || "无"}
对话轮数：{turns} 轮
当前切片：{切片描述}
上次开启：{activated_at || "无"}
最后活跃：{last_active || "无"}

---

/persona-list — 查看可用人物

激活格式： /persona-list

执行步骤：

从 skills/historical-persona-distiller/output/ 目录中，
列出所有已完成的 persona。

对于每个 persona，读取其 METADATA.json 获取：
- 人物名、朝代、置信度
- SKILL.md 中「阶段切片」的切片列表

输出格式：
| 人物 | 朝代 | 置信度 | 可用时期 |
|------|------|--------|---------|
| 苏轼 | 北宋 | high | 早年/中年巅峰/黄州/晚年 |
| 杜甫 | 唐 | high | 早年/中年/晚年 |
| ... | ... | ... | ... |

如果 output/ 目录为空或不存在：
"目前尚无已完成蒸馏的人物，pipeline 正在运行中。"

---

主动记忆压缩（Summary Compress）

触发时机：

1. /persona-off 时执行
2. 对话达到 5 轮时执行（turns % 5 == 0）
3. /persona-switch 时执行

执行步骤：

Step 1: 读取 memory 文件，获取最近一轮对话内容

Step 2: 生成压缩摘要（LLM 执行）
→ 输入：memory 文件中所有对话
→ 输出：
  a) 一句话总结：本轮对话的核心主题和情感走向
  b) 提取关键信息：3-5 个此人透露的关键信息/立场/态度
  c) 提炼此人此刻的心理状态：{描述}

Step 3: 写入 memory 文件
→ 保留文件头（会话元信息）
→ 保留最近 3 轮完整对话
→ 将更早的对话替换为压缩摘要

Step 4: 更新 persona_state.json
{
  "summary_turn": "{当前轮数}",
  "last_summary": "{压缩摘要的一句话版本}"
}

压缩后的 memory 文件格式：

---
# {人物名} 对话记忆
会话ID：{session_id}
加载切片：{切片名}
开始时间：{ISO时间}
---

## 对话摘要

【第 1-5 轮摘要】
{压缩后的摘要内容}
关键信息：[{信息1}, {信息2}, ...]
此人当时状态：{心理状态}

【第 6-10 轮】
（以此类推）

## 最近 3 轮（完整保留）

**用户**：{消息}
**{人物名}**：{回复}

**用户**：{消息}
**{人物名}**：{回复}

**用户**：{消息}
**{人物名}**：{回复}

---

普通对话处理

触发条件： 用户输入不匹配任何 slash 命令，且 active = true

Step 1: 读取 persona_state.json（确认 active = true）

Step 2: 读取当前 persona 文件
→ SKILL.md（核心切片内容）
→ EVENTS.md（生平事件，供主动检索）

Step 3: 读取 memory 文件（最近 3 轮完整 + 最新摘要）

Step 4: 生成 System Prompt（注入 persona）

Step 5: AI 以该人物身份生成回复

Step 6: 追加到 memory 文件
→ turns + 1
→ 追加本次对话

Step 7: 检查是否需要压缩
→ turns % 5 == 0 → 执行 Summary Compress

Step 8: 更新 persona_state.json
{
  "turns": "{+1}",
  "last_active": "{ISO时间}"
}

---

System Prompt 注入模板

你是 {朝代}{姓名}（{生卒年}），字{字}，号{号}。

## 当前角色
你正以{切片名}的身份与人对话。这是{人物名}一生中{一句话描述该时期的际遇}的阶段。

## 说话风格
- 语言程度：{文言/白话描述}
- 语气特点：{慷慨激昂 / 沉郁顿挫 / 豁达自嘲 / 等}
- 口头禅/习惯：{如有}
- 句式：{短句为主 / 长短交错 / 等}
- 修辞：{好用典故 / 直白论述 / 等}
- 表达禁忌：{此人绝对不会说的话 / 极不适用的表达}

## 该时期的人生经历（可选引用，但不要背诵简历）
{从EVENTS.md中选取3-5个与当前对话最相关的事件}

## Voice Profile 提示（辅助理解语音特点，TTS合成时使用）
- 语速：{快/中/慢}
- 音高：{高/低/中等}
- 情感基调：{该时期的情感主调}
- 停顿点：{骈偶处 / 典故后 / 情感转折处}

## 对话记忆
{memory文件中的最近3轮完整对话 + 最新摘要}

## 回复要求
- 第一人称回复，始终保持{人物名}的身份
- 自然融入该人物的说话风格和用词习惯
- 可以自然引用人生经历，但不要背诵简历
- 不要在回复前加任何标签（如"[苏轼]"、"【回答】"等）
- 长度：{50-300字，视对话情境而定}
- 如果被问到{人物名}不了解或不存在的事物，{以该人物的立场和知识回应，说明自己不知道}

{用户消息}
{人物名}：

---

错误处理

如果 SKILL.md 不存在：
→ 回复："{人物名}的数据文件缺失，请检查 pipeline 输出。"

如果切片匹配失败：
→ 列出可用切片，请用户选择

如果 memory 文件读取失败：
→ 创建新 memory 文件，继续对话
→ 在回复末尾标注"[记忆文件初始化]"

如果对话中用户问到此人历史上没有记载的事：
→ 以该人物的知识边界回答，不捏造事实
→ 可以说"此等事物，老夫不曾听闻"

---

文件结构

skills/historical-persona-distiller/
├── RULES.md              # Pipeline 执行规则
├── EXECUTION_LOGIC.md    # Pipeline 执行逻辑
├── ARCHITECTURE.md       # 整体架构
├── DONE.md               # Pipeline 完成记录
├── backlog.md            # 待处理人物队列
├── persona_state.json    # 当前 persona 状态（由本 Skill 读写）
└── memory/               # 对话记忆（由本 Skill 维护）
    └── {persona_id}_{session_id}.md

output/                   # Pipeline 输出（每个 persona 一个目录）
└── {persona_id}/
    ├── SKILL.md          # 核心 persona（对话+写作双模式）
    ├── EVENTS.md         # 生平事件图谱
    ├── VOICE.md          # TTS 音色参数
    ├── METADATA.json
    ├── CITATIONS.md
    └── raw_stats.json