Level 01
L1
Who are you
你是谁
5⁸ = 390,625 输入坐标 → 8,190 通俗长代号 / 585 短代号 / 2,401 象征代号 (压缩比 48:1). 不是 MBTI 16 类, 是会计级独立坐标 + 人脑可读中文命名.
- 5⁸ = 390,625 输入坐标
- 8,190 长代号: 深思的颠覆者 · 孤勇者
- 585 短代号: 深思的孤勇者
- 2,401 象征代号: 深渊灯塔
Issue №.0.6.0·May 2026
Personality Matrix Model · PMM-8+
把人格,写成代号.
390,625 种确定性代号查表·三协议兼容 (Anthropic / OpenAI / 原生)·你已有的 SDK 改一行 baseURL, 就接.
「『深思的孤勇者』不是 LLM 编的, 是 5⁸ 表里查的.」
I-A-L-X-ID-AR(PR)-SE-LT·深渊灯塔
独立坐标
390,625
5⁸ 输入 · MBTI 仅 16
分析尺度
4
个人 · 双人 · 多人 · 系统适配
个人层全栈
L1→L4
Personal · vs 其他 L1 标签
协议兼容
3
Anthropic · OpenAI · 原生
§ 01
你的 SDK
已经能接.
HiPMM Engine 同时讲三种 wire protocol. Anthropic 客户改 base_url, OpenAI 客户改 baseURL, 一行配置, 五分钟接入.
model 字段决定走哪个 HiPMM 模块 · codename / individual-* / symbolic
Anthropic SDK · Python
from anthropic import AsyncAnthropic
client = AsyncAnthropic(
base_url="https://api.hipmm.com/v1",
api_key="hipmm_sk_..."
)
msg = await client.messages.create(
model="hipmm/codename",
messages=[{"role": "user",
"content": "I-A-L-X-ID-AR(PR)-SE-LT"}],
)OpenAI SDK · TypeScript
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.hipmm.com/v1",
apiKey: "hipmm_sk_..."
});
const r = await client.chat.completions.create({
model: "hipmm/codename",
messages: [{ role: "user",
content: "I-A-L-X-ID-AR(PR)-SE-LT" }]
});HiPMM 原生 · Python
★ 推荐
from hipmm import HiPMM
client = HiPMM(api_key="hipmm_sk_...")
result = client.codename.create(
code="I-A-L-X-ID-AR(PR)-SE-LT"
)
print(result.data.short)
# 深思的孤勇者§ Core · 核心能力
个人 · 双人 · 多人 · 系统适配
不是标签,
是多尺度动态整合.
MBTI / 大五 / Hogan 给你一个静态标签 — 而且只看一个人.
HiPMM 把 8 维度做动态、情境化、跨尺度的整合分析: 从个人认知 (L1-L4) 到双人翻译损耗、多人生态位、系统适配度 — 4 个分析尺度 + 个人层 4 个递进深度.
Scope: 个人 · 双人 · 多人 · 系统适配
Personal stack: L1 你是谁 → L2 你会怎么做 → L3 你和谁兼容 → L4 你怎么进化
传统测评 · 静态标签
INTJ · 大五百分位 · HDS 暗面
- · 一次测, 一辈子贴标签
- · 维度独立打分, 不交叉
- · 不考虑场景 / 关系 / 压力
- · 给类型, 不给路径
HiPMM · 动态整合分析
代号 + 行为预测 + 关系评估 + 进化路径
- · 情境化: 同代号在不同场景下展现不同侧面
- · 维度交叉涌现 (I × A → 深思型, 不是 I + A 加和)
- · 压力退行轨迹 + 关系动力学 + 时间演化
- · 给可执行机制, 不给类型箱
§ Scope · 分析尺度
同一引擎 · 4 个尺度
不只看一个人. 双人 · 团队 · 系统适配 同一套引擎.
L1-L4 描述的是个人认知层的递进深度. HiPMM 在这之外, 还做跨尺度分析 — 翻译损耗 (双人) · 生态位 (多人) · 系统适配 + 退行 (人-系统).
INDIVIDUAL
01 / 04个人 · L1-L4 个人认知层
8 维度 → 终极代号 → 行为预测 → 优缺点同根剖析 + 工程化对冲. 单人画像 / 优缺点深度报告.
390,625 输入坐标8,190 长代号L1→L4 全栈
PAIR
02 / 04双人 · 认知翻译损耗 + 协同增益
Autoencoder 编码 / 信道 / 解码三段模型. 给出 CRU 统一单位的 translation_loss + 三种增益类型 (共振 / 互补 / 张力).
CRU 级精度8 维度 × 双向6 种管道效率
TEAM
03 / 04多人 (生态位) · 12 核心生态位 + SHS 系统健康度
认知引擎 / 决策中枢 / 创造执行 / 系统稳定四族 12 位. 隶属度向量诊断 + 退行漂移检测.
12 生态位4 族功能群SHS 评分
SYSTEM-FIT
04 / 04系统适配 · 压力退行 + 跨系统联动矩阵
人在岗位 / 团队 / 任务里的适配评分 + 压力下的退行轨迹建模 + 跨系统联动效应. 不只测静态匹配, 还测动态稳定性.
退行轨迹建模跨系统联动矩阵动态稳定性评分
§ Personal · 个人认知层
L1 → L4 递进深度
在「个人」这一尺度里, 我们再往下挖四层.
Level 02
L2
What you'll do
你会怎么做
场景行为预测 + 压力退行轨迹. 静态测评做不到 — 这是 HiPMM 把人格「动起来」的层.
- 高压下你会躲 / 炸 / 冷静? — 给出预测轨迹
- 舒适区 → 边界区 → 退行区 三段映射
Level 03
L3
Who fits you
你和谁兼容
CRU 级翻译损耗 / 增益评估 / 共振互补诊断. 不是模糊「星座配对」, 是会计级关系评估.
- translation_loss = 0.18 → 沟通良好
- synergy_gain = +0.41 → 互补型搭档
Level 04
L4
How to evolve
你怎么进化
优缺点同根同源剖析 + 工程化对冲方案. 不是鸡汤 — 是给一套可执行机制.
- 拖延 ← 长期思考过载 → 对冲机制: 自动打卡
- 高冷 ← 内向 × 抽象 → 对冲机制: 强制 1-on-1 节奏
§ Positioning
理解自己 → 选对关系 → 放大优势 / 对冲缺陷.
Closed-Loop Cognitive OS · for Individuals
§ Versus · 对比
MBTI · Big5 · Hogan · PMM-8+
其他工具停在 L1. PMM-8+ 再往下挖三层.
| 维度 | MBTI | 大五 (Big5) | Hogan | PMM-8+ |
|---|---|---|---|---|
| 身份精度 | 16 类 | 5 维度百分位 | HDS 11 暗面 | 5⁸ = 390,625 输入 · 8,190 长代号 |
| 量化方式 | 二分标签 | 连续百分位 | 离散 + 百分位 | 0-100 光谱 · 非对称分段 |
| L1 你是谁 | ✓ 标签 | ✓ 分数 | ✓ 报告 | ✓ 代号 + 画像 |
| L2 行为预测 | ✗ | ✗ | ⚠ 部分 | ✓ 场景 + 压力退行 |
| L3 关系评估 | ⚠ 模糊匹配 | ✗ | ✗ | ✓ CRU 级损耗 / 增益 |
| L4 工程化对冲 | ✗ | ✗ | ✗ | ✓ 同根剖析 + 机制 |
| 交付形态 | 测试结果 | 评分报告 | 选拔工具 | 可计算 API + SDK |
身份精度
- MBTI
- 16 类
- Big5
- 5 维度百分位
- Hogan
- HDS 11 暗面
- PMM-8+
- 5⁸ = 390,625 输入 · 8,190 长代号
量化方式
- MBTI
- 二分标签
- Big5
- 连续百分位
- Hogan
- 离散 + 百分位
- PMM-8+
- 0-100 光谱 · 非对称分段
L1 你是谁
- MBTI
- ✓ 标签
- Big5
- ✓ 分数
- Hogan
- ✓ 报告
- PMM-8+
- ✓ 代号 + 画像
L2 行为预测
- MBTI
- ✗
- Big5
- ✗
- Hogan
- ⚠ 部分
- PMM-8+
- ✓ 场景 + 压力退行
L3 关系评估
- MBTI
- ⚠ 模糊匹配
- Big5
- ✗
- Hogan
- ✗
- PMM-8+
- ✓ CRU 级损耗 / 增益
L4 工程化对冲
- MBTI
- ✗
- Big5
- ✗
- Hogan
- ✗
- PMM-8+
- ✓ 同根剖析 + 机制
交付形态
- MBTI
- 测试结果
- Big5
- 评分报告
- Hogan
- 选拔工具
- PMM-8+
- 可计算 API + SDK
§ 02 · Dimensions
八维度 · 5⁸ 全表
每维 5 个 tag, 8 维度笛卡尔积 = 390,625 种组合. L3 命名层 100% 确定性查表, 零 LLM 漂移.
每维 5 档 · 不是二分
以 O ↔ I 为例, 不是只有"外向 / 内向"两个值, 而是 5 档刻度: O (纯外向) · O(I) (外向偏内向) · O|I (平衡) · I(O) (内向偏外向) · I (纯内向). 5 档 × 8 维度 = 5⁸ = 390,625 组合. 完整 5 档语义见 HiPMM 模型详解.
01O ↔ I互动偏好
IOutgoing ↔ Introvert
外向 ↔ 内向
02C ↔ A认知焦点
AConcrete ↔ Abstract
具象 ↔ 抽象
03H ↔ L价值导向
LHeart ↔ Logic
情感 ↔ 逻辑
04B ↔ X认知风格
XLinear ↔ X-style
线性 ↔ 非线性
05ED ↔ ID动机来源
IDExternal-Drive ↔ Internal-Drive
外驱 ↔ 内驱
06PR ↔ AR风险偏好
AR(PR)Preserve ↔ Aggressive-Risk
保守 ↔ 进取
07VE ↔ SE情绪调节
SEVentilate ↔ Suppress-Emotion
外露 ↔ 压制
08ST ↔ LT目标取向
LTShort-Term ↔ Long-Term
短期 ↔ 长期
合计组合数
390,625
5⁸ 全空间查表. 每个组合都有通俗代号 + 象征代号, 含画像类型判定.
§ 03 · BYOM
你的 LLM 不出
你的账户.
Bring-Your-Own-Model 模式. 你传入自己的 Anthropic / OpenAI / DeepSeek API key, prompt 和返回完全在你的 LLM 账户处理. HiPMM Engine 仅记录 prompt_hash + token 计数, 不存任何原文.
- 数据合规
- prompt I/O 永不出客户账户
- 模型自选
- 同一接口换 Claude / GPT / DeepSeek
- 价格优惠
- 算法服务费砍 60% (10→4 cost_units)
- 审计完备
- 仅 prompt_hash + 计数留底
POST /v1/analyze/individual
mode: byom_proxy
{
"code": "I-A-L-X-ID-AR(PR)-SE-LT",
"options": { "depth": "deep" },
"llm_config": {
"mode": "byom_proxy",
"provider": "deepseek",
"api_key": "sk-你自己的",
"base_url": "https://api.deepseek.com/v1"
}
}→ cost_units: 4·managed 模式: 10 (砍 60%)