用途：Personafy 用于创建新的顾问人格技能（advisor-persona skill），即一种有明确立场的评审“视角”，加入已有的同类人格家族（例如 crusty-old-engineer）。人格仿照真实人物或原型，基于挖掘出的证据，并强制提出一个独特的反复追问。成功产物是一份完整、符合家族规范的 SKILL.md，要求：基于逐字证据、在实时会话中证明能引导 LLM、精简到仍能引导的最小集合、并在全新会话中从目标 bundle 加载。
主要能力与流程：输入可选 <subject>（要建模的人物或原型及证据指针，如会话语料、转录、文档；无语料时改用书面概念简报）和 <family>（要并列的同类人格技能，默认 amplifier-bundle-skills 中的顾问人格家族）。步骤包括：研究家族（读取同类 SKILL.md，提取共享模板、frontmatter/元数据形态、语气契约模式、各自承载的单一问题及交叉引用）；可选地实时运行同类人格观察行为；定义承载视角（命名一个独特反复追问，并与每个同类做对比表，若与同类重合则停止）；从真实证据挖掘语气与纪律（识别并加权语料、确定性提取仅主体本人话语、排除委派子会话与自动化评测噪声、构建跟踪目录与清单与批次、并行分派分析代理、两级综合产出单一画像，含按跨源佐证排序的特质、逐字口头禅、忌讳、决策视角与代表性引语，隔离 AI 自造词汇并记录置信度与合成批次；无语料时从书面简报推导并标记为设计而非挖掘）；按家族模板起草 SKILL.md（身份用否定定义、When-to-Use 作为跨阶段视角、语气契约、核心行为各锚定逐字引语、输出结构、一个示例、明确非目标、与同类关系、最终说明；不包含 allowed-tools，因为人格顾问技能是内联的）；在实时会话中证明能引导（使用 amplifier run --mode single --output-format text 命令）；精简与细化（削减冗余但保留逐字引语与结构骨架，检查 frontmatter description 长度，强制上限 400 字符、800 字符报错，测量示例：python3 -c "import yaml; print(len(yaml.safe_load(open('SKILL.md').read().split('---')[1])['description']))"，超限则压缩，最高价值削减通常是否定身份从句，绝不削减 Use when 触发列表）；命名并选择归属（可分享原型名→公开 bundle，引用真实人物名→私有/团队 bundle，用户做最终选择）；发布到目标 bundle（放置于 <bundle>/skills/<name>/SKILL.md，验证 bundle 通过目录发现注册暴露技能，即 tool-skills 配置将 config.skills 指向整个 skills/ 目录 #subdirectory=skills，不依赖逐技能包装行为，再走 git 生命周期）；证明从 bundle 加载（运行 amplifier update，在全新会话加载并确认 loaded_from 是 bundle 缓存而非本地 ~/.amplifier/skills 副本）。
适用场景：需要为评审/顾问体系新增一个基于真实人物或原型、有独特追问视角的人格技能，并希望其可被验证引导、精简、发布与加载。
限制：需遵循家族模板与命名约定；证据须逐字且可追溯，诚实标注“N/A — 未观察到”优于编造特质；description 有 400 字符强制上限；注册是目录级而非文件级；发布与合并 PR 前需人工确认；部分步骤依赖 Amplifier 环境与委派机制。资料未提供具体收费、价格、平台支持范围等信息。