用途：persona 面向客户研究场景，帮助在正式田野调查投入前，先构建可复用的 AI 用户画像小组，用开放式问题探索客户动机，并对信息、报价和产品概念做压力测试。工作流受 TinyTroupe 启发，分为生成画像、模拟互动、提取与分析三步。
主要能力：支持主题驱动与细分驱动两种建组模式，默认 5 人，细分模式默认 15 人；支持 --count、--market（如 us、japan、uk 等国家代码或自由描述）、--segments、--panel 等参数。三个命令为 /persona generate、/persona ask、/persona concept-test，分别用于建组、开放式动机探索和结构化选择比较。模拟采用每个画像独立子进程运行，以降低相互影响；结果输出规范化的 results.json 与 run_metadata.json，并生成 report.md、results.csv、summary.json 及可选图表。
使用方式：先建组，例如 /persona generate Running shoe shoppers in the US，可用 --count 调整人数、--segments 启用细分流程；随后用 /persona ask 提开放式问题，或用 /persona concept-test 比较多个方案。面板校验可运行 python scripts/validate_panel.py --panel-dir personas/{survey-id} --requested-count {count} --json；模拟可运行 python scripts/simulate_survey.py --config {config-path} --backend claude-cli；分析运行 scripts/analyze_results.py。模拟模型可选 sonnet、haiku、fable、opus 等。
适用场景：消费品、鞋服、美妆、食品饮料等领域的画像建组、信息与卖点比较、包装对比、竞品比较、功能组合和价格语境下的价值框架研究。
限制：资料未提供该工具的具体收费与价格信息；模型成本、并发数、预算上限等仅在资料中给出参数说明。报告质量依赖画像多样性与回答结构校验，官方建议重视建组多样性和 JSON 结构验证，并优先保证质量而非速度。