ECC brand-discovery 技能实战:Personality & Archetype 模块的品牌人格访谈方法论
ECC 仓库中的 brand-discovery 技能用结构化的多会话访谈帮助品牌确立身份,而 Module 40(Personality & Archetype)是其中回答"如果品牌是一个人,它会如何行事"这一核心问题的模块。本文基于 40_personality-archetype.md 模板,结合 SKILL.md 中定义的访谈纪律、状态协议与模块序列,完整讲解该模块采用的两套理论框架(Mark & Pearson 12 品牌原型、J. Aaker 五维品牌人格)、全部访谈问题设计与交付物结构,读者读完后可以理解如何把一个模糊的"品牌感觉"沉淀为主原型 + 阴影原型 + 五维评分 + 行为准则的可执行人格定义,并知道该结果如何流入最终品牌手册。
一、Module 40 在 brand-discovery 技能中的位置
brand-discovery 技能 的目标不是写一段品牌文案,而是产出一份完整的 90_SYNTHESIS.md——一份主品牌手册(master brandbook),供组织向设计师、写作者和外部协作者下达 brief。整个访谈跨越多个会话进行,答案随问随存到磁盘,以便后续会话断点续访。
该技能定义了一个严格的模块序列,Module 40 是第四站:
| 文件 | 标签 | 使用的框架 |
|---|---|---|
10_purpose-why.md |
Purpose / Why | Sinek 黄金圈、Lencioni |
20_positioning.md |
Positioning | Dunford "Obviously Awesome"、Moore 模板 |
30_audience-niche.md |
Audience & Niche | Baker《The Business of Expertise》、ICP |
40_personality-archetype.md |
Personality & Archetype | Mark & Pearson 12 原型、J. Aaker 5 维 |
50_voice-tone.md |
Voice & Tone | 品牌语音指南 |
60_narrative-story.md |
Narrative / Story | Neumeier trueline、品牌故事弧 |
70_founder-tension.md |
Founder Brands vs Studio Brand | Enns《Win Without Pitching》 |
90_SYNTHESIS.md |
Master Brandbook | Kapferer 棱镜、Aaker 品牌系统 |
(以上序列与框架对应关系引自 SKILL.md 的 Module sequence 表。)Module 40 的模块文件在仓库中存在两份完全相同的副本:.agents/skills/brand-discovery/references/40_personality-archetype.md 与 skills/brand-discovery/references/40_personality-archetype.md(经逐行比对内容一致,前者是面向 .agents 智能体目录的镜像)。
模块文件自身的定位声明是:建立品牌的角色(character)——如果它是一个人的话会如何行事。人格支配语气(tone)、视觉调性(visual register),以及什么感觉是 "on brand" 而非 "wrong"。文档给出的一个关键论断是:一个清晰的原型(a sharp archetype)能让上百个琐碎的决策自动完成——这正是 Module 40 存在的理由:把"品牌感觉"从创始人脑中不可传递的隐性知识,转化为团队任何人都能执行的判定标准。
二、理论框架一:Mark & Pearson 12 品牌原型
Module 40 声明的第一套框架是 Mark & Pearson 的 12 品牌原型。模板在 Raw 区列出了全部 12 个原型供受访者快速直觉反应:
Creator · Caregiver · Ruler · Jester · Regular Person · Lover · Hero · Outlaw · Magician · Innocent · Sage · Explorer
访谈对原型的用法体现在两个问题上:
- Archetype instinct(原型直觉):12 个中哪一个立刻产生共鸣?为什么?——要求受访者在理性分析之前先给出直觉选择及理由,这符合 SKILL.md 中"先采集原始语料、再在 Synthesis 中解读"的分工原则(Raw 区只存逐字回答,解读属于 Synthesis)。
- 反例锚定:创始人钦佩、但品牌绝不应成为的某个品牌或公众人物,以及具体要规避什么。这个问题对应 SKILL.md 中"Competitive contrast"投射技巧("Name one peer you admire but would never want to become"),在原型语境下它同时完成两件事:确定阴影原型的素材,并为 Synthesis 区的 "anti-personality" 一节提供反面参照。
三、理论框架二:J. Aaker 五维品牌人格
第二套框架是 J. Aaker 的五维品牌人格,每个维度及其子描述词在模板中完整给出,Synthesis 区要求对每个维度打 1–5 分(5 = 强烈适用)并给出证据:
| 维度 | 子描述词 | 评分 | 证据 |
|---|---|---|---|
| Sincerity | warm, honest, down-to-earth | ||
| Excitement | daring, spirited, imaginative | ||
| Competence | reliable, intelligent, successful | ||
| Sophistication | upper-class, charming | ||
| Ruggedness | outdoorsy, tough |
这一评分表是该模块最容易被下游复用的产物:它把"人格"从一个抽象名词变成了五个可量化、可对比、可复查的轴。评分不是让创始人拍脑袋打分,而必须附带 Evidence(证据列)——即 Raw 区中逐字回答的出处。这种"每个结论可回溯到原始语料"的约束,与整个技能"Raw 存逐字引语、Synthesis 存解读"的双分区设计是一致的。
四、Raw 区:六问访谈设计
模板的 ## Raw 区是访谈问题清单,共六个小节,全部要求逐字记录(verbatim quotes)。逐题看其设计意图:
-
"If the brand were a person, how would they walk into a room?"(如果品牌是一个人,它会怎样走进一个房间?) 这是一个投射技巧(projective technique),与 SKILL.md 访谈纪律第 6 条中列举的"每模块使用一次投射技巧以打破平台期"直接对应。让受访者用场景化叙事而非形容词描述品牌,往往能暴露出自我报告回答中看不出的气质信息(如"自信但低调"或"强势且喧闹")。
-
Archetype instinct:即第二节的原型直觉题。
-
创始人最自然使用的三个形容词:要求的是"最自然"(most naturally)的描述,即创始人不加思索脱口而出的词。这类自发词汇比深思熟虑的品牌描述更能反映真实人格基线,是 Aaker 评分的直接素材。
-
反例锚定(钦佩但绝不应成为的对象 + 具体规避点):为 anti-personality 提供素材,见第二节。
-
正例锚定:品牌在人格调性上向往的某个品牌或公众人物(whose personality register the brand aspires to)。与第 4 题构成"向往—规避"对偶,收窄人格定义的有效区间。
-
"品牌应让客户感到什么?(是 feel,不是 think)":刻意排除"让客户觉得我们很专业"这类认知层回答,只接受情绪层回答(如安心、被点燃、有掌控感)。情绪结果与原型强相关——Sage 通常指向"清醒/安心",Hero 指向"被激励",Caregiver 指向"被接纳"——因此这一问是原型选择与 Aaker 评分之间的交叉验证点。
Raw 区头部的 HTML 注释明确了记录纪律:<!-- Verbatim quotes and projective-technique responses. -->——只放逐字引语,不做改写。多创始人场景下 SKILL.md 还要求为引语加说话人归属(speaker attribution),并在多创始人模式下把各创始人答案分写至 founders/{participant}.md。
五、Synthesis 区:五段式交付物结构
## Synthesis 区定义了模块完成时必须产出的五类内容,这是模块"饱和判定"的实质标准:
5.1 主原型 + 阴影原型
| 项 | 内容 |
|---|---|
| Primary archetype | 原型名 + 一句话理由 |
| Secondary / shadow | 主原型有滑向什么风险;是什么让品牌保持诚实 |
阴影(shadow)概念要求回答者指出主原型"过度使用"后的变形形态(例如 Hero 用过头会变成好斗的自我证明,Sage 用过头会变成居高临下),并给出"保持诚实"的制衡机制。这一步把原型从单一标签升级为有边界的行为约束。
5.2 Aaker 人格评分
即第三节的五维 1–5 评分表,每维必须附证据。
5.3 人格落地:三条行为准则
"Personality in action (3 behavioural guidelines derived from the archetype)"——从原型中推导出恰好三条可执行的行为准则。数量为 3 而非更多是刻意的:准则少到可以被每个团队成员默背并当场用于判断。这也呼应模块目标声明——"一个清晰的原型让上百个小决策自动化",准则就是自动化的触发器。
5.4 反人格(anti-personality)
"What the brand must never sound or look like"——明确写出品牌永远不应听起来、看起来像什么。结合 Raw 区的反例锚定问题,这一节把"规避对象"升格为品牌级的否定性规范,是后续内容评审的否决清单。
5.5 与 Module 50 的开放问题
"Open questions / tensions with Module 50 Voice"——Module 40 的收尾必须显式列出与下一模块(Voice & Tone)的张力。人格是恒定的,语气随语境浮动(Voice is constant; tone shifts by context):Module 50 要求"两个不同写作者产出的文案听起来像同一个人",并给出声音光谱定位(Formal←→Casual 等五轴 1–5 标尺)与按内容类型的语气矩阵(首页标题 / 案例研究 / 提案 / 报错道歉 / 社交)。Module 40 的开放问题就是 Module 50 的输入——例如"主原型偏正式,但社交场景要求俏皮,如何在语气矩阵中处理"这类张力必须在模块边界被记录,而不是被静默丢弃。
六、访谈纪律:模块如何被"问"出来
模板本身只是骨架,实际产出质量由 SKILL.md 的访谈纪律保证,其中与 Module 40 直接相关的规则包括:
- 一次只问一个问题,禁止列清单式提问——清单式提问只会得到清单式回答。
- 每个回答后:简短复述 → 一个追问或收线,绝不静默跳过。
- Laddering(爬梯):对每个 "what" 回答追问 "Why does that matter to you?",通常两到四轮,直到核心价值观浮现。在 Module 40 中,它用来把"我觉得像个 Hero"追问到"为什么是 Hero——因为你看重什么"。
- 5 Whys:对信念或定位主张追到根因而非表面声明。
- 识别薄答案:回答空泛、术语堆砌或含糊时,要求给一个具体例子、客户故事或数字。
- 投射技巧每模块使用一次:即 Raw 区第一题。
- 饱和信号:连续两次追问没有新信息时,总结并收模块。
- 收线前必须落盘:写入结构化模块文件(Raw + Synthesis 两节),再更新
state.json检查点,并向用户确认 "Module X saved. State updated. Next: Y."。
七、状态持久化与多创始人协作
Module 40 的落盘产物是 modules/40_personality-archetype.md(品牌身份目录内),同时更新 state.json:
{
"session": "{brand_name}-brand-{YYYY-MM}",
"outputPath": "{path_to_brand_identity_directory}",
"completedModules": [],
"inProgressModule": "10_purpose-why.md",
"nextModule": "20_positioning.md",
"participants": ["founder-A"],
"lastUpdated": "{ISO-8601}"
}
Module 40 完成后,completedModules 应含 40_personality-archetype.md,inProgressModule 推进为 50_voice-tone.md。这意味着访谈可以跨天跨周进行:下次会话启动协议要求先检查已有模块文件与 state.json,读取进行中的模块文件、扫描其 Raw 区已捕获的答案,再用两三句话向用户报告当前模块、状态与剩余内容,然后询问"从这里继续,还是切换模块?"。
多创始人模式下有两个与 Module 40 直接相关的实现细节(见 SKILL.md 的 Multi-founder mode 一节):
- 每位创始人的答案写入
founders/{participant}.md而非主模块文件,participant名只允许字母数字与连字符,拒绝路径分隔符与特殊字符;moduleFile必须匹配 10–90 的枚举序列——Module 40 的落盘路径也因此是被校验过的。 - 所有创始人完成同一模块后执行 reconciliation pass:在模块文件中总结收敛点与分歧点,并把"productive tensions"标记给团队对齐工作坊。对人格模块来说,两位创始人对同一品牌给出不同主原型直觉是常见分歧,reconciliation 不是投票,而是把分歧本身记录为品牌张力的候选。
八、下游消费:Module 40 的产物去了哪里
Module 40 不是终点,它是 90_SYNTHESIS.md 主品牌手册的两处直接输入:
- Kapferer 品牌识别棱镜的 Personality 切面("character if the brand were a person")直接取自本模块的主原型结论。
- "4b. Aaker Brand System" 小节明确要求填写:主原型(Mark & Pearson)、次原型(if present)、Aaker 品牌身份四维(brand as product / organisation / person / symbol)、3–5 个品牌应独占的联想、品牌资产信号。
此外 SKILL.md 的 Related Skills 一节指明:当语音与语气模块需要一份独立的、基于来源素材的写作风格画像时,可衔接仓库内的 brand-voice 技能;而在 Module 50 的语气矩阵中,"人格是常量、语气随语境漂移"的分界正是 Module 40 的 anti-personality 与行为准则提供的约束。
九、适用前提与限制
- 本文适用前提是该文档作为 ECC
brand-discovery技能的模块模板使用:它本身是空模板(各评分表与编号列表待访谈填充),价值在于其结构——12 原型直觉题、正反例锚定对偶、五维评分表、主/阴影原型、三条行为准则、anti-personality 六类交付要素的完整组合。 - 该模块假设访谈在支持文件读写与多会话状态的智能体环境中运行(
state.json、modules/、founders/均为运行期产物,当前仓库中不存在实例化样例);模块序列要求按 10→90 顺序完成,允许用户请求跳模块但须在state.json中记录跳过。 - 关键文件索引:模块模板 40_personality-archetype.md、技能主文档 SKILL.md、下游语音模块 50_voice-tone.md、合成模板 90_SYNTHESIS.md、智能体接口元数据 .agents/skills/brand-discovery/agents/openai.yaml。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0623
Hy4-previewHy4 preview 是由腾讯混元团队研发的新一代混合专家(MoE)旗舰模型。模型总参数量 770B,每个 token 激活 49B,主干共包含78层,第一层采用标准 FFN,其余 77 层均为 MoE 结构,每层包含 256 个路由专家与 1 个共享专家,每个 token 激活 top-8 路由专家及共享专家。主干之外原生内置 1 层 MTP(总参数量 10B,激活 0.7B)以支持投机解码。Python00
GLM-5.3GLM-5.3 与 GLM-5.2 使用相同的基座模型——所有提升均来自后训练。与 GLM-5.2 相比,它在复杂编程和长程任务上的表现显著提升。Jinja00
GLM-5.3-FlashGLM-5.3-Flash (320B-A18B),是GLM-5系列的首个原生多模态模型。320B总参数,能力超过GLM-5.2Jinja00
Spark-X2.5-4BSpark-X2.5-4B 旨在让强大的 AI 更实用、更高效、更易获得。在广泛日常任务中表现强劲,涵盖对话、写作、翻译、推理、编码、工具调用以及智能体工作流,并在同等规模的开源模型中取得领先成绩。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
Spark-X2.5-1.7BSpark-X2.5-1.7B 旨在让强大的 AI 更加实用、高效且易于获取。这些模型在广泛的日常任务中表现出色,涵盖对话、写作、翻译、推理、编程、工具调用和智能体工作流,并在同等规模的开源模型中取得领先结果。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00