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
|
人工智能 运维 自然语言处理
智能运维新范式:阿里云网络 AI Ops Skills 赋能企业数字化转型
阿里云推出AI Ops Skills系列工具,以“自然语言即接口”理念革新网络运维:5大智能Skill覆盖故障诊断、EIP管理、全球加速、HTTPS升级和IPsec VPN,支持对话式操作、全流程自动化、安全审计与开箱即用,大幅提升效率、降低门槛、保障合规。(239字)
502 0
智能运维新范式:阿里云网络 AI Ops Skills 赋能企业数字化转型
|
存储 人工智能 安全
揭秘 MiniMax MaxClaw:如何用阿里云让“龙虾”企业级大规模落地
MiniMax 依托于阿里云容器服务 Kubernetes 版(ACK)和容器计算服务(ACS)提供的 ACS Agent Sandbox,为其最新发布的企业级平台 MaxClaw 构建了一套端到端的云原生 Agent 基础设施。
440 0
|
3天前
|
人工智能 API 开发者
阿里云发布为Agent而生的全新AI产品官网“千问云”,模型服务全面Skill、CLI化
5月20日,阿里云发布“千问云”(www.qianwenai.com)——专为Agent时代打造的AI模型服务平台,集成150+主流模型API,首创Skills与CLI工具链,支持模型选型、调用、用量管理等全链路自动化,助力开发者与Agent高效构建AI应用。
510 16
|
1月前
|
人工智能 机器人 Shell
在公司蒸馏我之前,我先赛博飞升
OpenClaw(龙虾)是一款开源AI数字分身框架,可本地或云端部署,支持多模型接入(Claude、Qwen、Ollama等)及钉钉/飞书/Telegram等10+聊天平台。它不止聊天,还能操作浏览器、读写文件、执行命令,并通过插件实现“蒸馏人物”、自动化办公等高级能力,主打隐私可控、真能干活。
395 9
|
存储 缓存 Linux
Linux RedHat7.4更换阿里云yum源(RHEL7.4)
Linux RedHat7.4更换阿里云yum源(RHEL7.4)
6449 0
|
16天前
|
人工智能 API Python
办公Agent如何真正提效?用数据对比说明:介入前后团队时间消耗变化
这是一份真实办公提效实验报告:20人团队引入办公Agent后,事务与沟通时间骤降56%,人均每周多出9小时有效工作时间。数据揭示——AI不替代人,而是接管填表、催办、写纪要等低价值衔接工作,让人回归核心创造。(239字)
106 7
|
1月前
|
人工智能 弹性计算 关系型数据库
阿里云企业新用户定义及专属优惠政策解读
阿里云面向企业新用户推出多重专属优惠:需完成企业实名认证、无历史付费记录、同一主体仅享一次。涵盖38元/年起的轻量服务器、199元/年u1实例、5亿算力补贴、最高4万元AI抵扣金及10万元出海资源包,助力中小企业降本增效、快速上云。
197 12
|
1月前
|
人工智能 移动开发 小程序
2026年在线教育系统发展趋势:多端融合与源码化部署成主流
2026年在线教育行业正在从流量竞争转向系统能力竞争,多端融合、在线教育系统源码部署、AI能力嵌入与私域运营整合成为核心趋势。本文从教育培训系统开发视角,解析Web端、APP、小程序一体化架构,以及私有化部署为何成为主流选择,为机构搭建网校平台和选择在线教育系统提供趋势参考。
|
1月前
|
算法 安全 测试技术
多智能体协同中的任务拆解与动作映射:关键指标对比与算法设计思路
本文聚焦2026年企业级多智能体落地核心瓶颈——任务拆解不准与语义到动作映射断层,提出“分层级树状拆解+分布式角色调度”算法及五维特征驱动的动作映射技术,构建可评估、可复用、强合规的工程化方案,并通过实测数据验证其在跨系统长链路任务中96.2%执行成功率与92.3%异常自修复率。
|
1月前
|
人工智能 自然语言处理 安全
Windows 一键部署 OpenClaw 中文版(包含新安装包)|纯图形化操作,告别命令行黑框
不用代码、不用终端、不用手动配置,这款 OpenClaw 汉化一键安装包,全程图形界面,点下一步即可完成安装,小白也能轻松部署。
Windows 一键部署 OpenClaw 中文版(包含新安装包)|纯图形化操作,告别命令行黑框