§ 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.
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).
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.
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.
§ 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 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
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
背景: 为什么需要 PMM-8+
市面"AI 人格分析"绝大多数是 prompt engineering 套娃 — 让 GPT 自己生成 MBTI 类结果, 同一个输入会漂移, 没有数学保证. 而传统测评 (MBTI / 大五 / Hogan) 全部停在 L1: 告诉你你是谁.
PMM-8+ 在 L1-L4 全栈工作 — 把人格画像变成 可计算的结构化对象:
- L3 命名 100% 确定性 (5⁸ 全表查表, LLM 完全不参与)
- L1 算法 100% 数学 (translation_loss / synergy / SHS / stress)
- L2 表达 LLM 仅做文字渲染 + 严格 JSON schema + 水印短语锁定
- L4 工程化对冲 — 同根同源剖析 + 可执行机制设计
一句话定位
8 维度
每维度有两个极端, 加 5 个具体 tag (含中间偏向). 笛卡尔积 5⁸ = 390,625.
展开 8 维度完整对照表
| # | 代号轴 | 中文名 | 中文两极 | 英文两极 | 5 个 tag |
|---|---|---|---|---|---|
| 01 | O ↔ I | 互动偏好 | 外向 ↔ 内向 | Outgoing ↔ Introvert | O / O(I) / O|I / I(O) / I |
| 02 | C ↔ A | 认知焦点 | 具象 ↔ 抽象 | Concrete ↔ Abstract | C / C(A) / C|A / A(C) / A |
| 03 | H ↔ L | 价值导向 | 情感 ↔ 逻辑 | Heart ↔ Logic | H / H(L) / H|L / L(H) / L |
| 04 | B ↔ X | 认知风格 | 线性 ↔ 非线性 | Linear (Beta) ↔ X-style | B / B(X) / B|X / X(B) / X |
| 05 | ED ↔ ID | 动机来源 | 外驱 ↔ 内驱 | Externally-Driven ↔ Internally-Driven | ED / ED(ID) / ED|ID / ID(ED) / ID |
| 06 | PR ↔ AR | 风险偏好 | 保守 ↔ 进取 | Preserve ↔ Aggressive-Risk | PR / PR(AR) / PR|AR / AR(PR) / AR |
| 07 | VE ↔ SE | 情绪调节 | 外露 ↔ 压制 | Ventilate ↔ Suppress-Emotion | VE / VE(SE) / VE|SE / SE(VE) / SE |
| 08 | ST ↔ LT | 目标取向 | 短期 ↔ 长期 | Short-Term ↔ Long-Term | ST / ST(LT) / ST|LT / LT(ST) / LT |
代号字符串格式
- 分隔, 量化分数可选括号写 (72):I-A-L-X-ID-AR(PR)-SE-LTI(22)A(78)L(18)X(82)-ID(20)-AR(PR)(68)-SE(78)-LT(75)三层架构
L1
算法层
100% 数学. 零 LLM. translation_loss (双人翻译损耗) / synergy_gain (协同增益) / SHS (团队系统健康度) / stress_regression (压力退行).
L2
表达层
LLM 文字渲染. 但严格 JSON schema 控制结构, 水印短语锁定风格 (典型的 / 三段式 / 翻译损耗), 不能编造代号或维度.
L3
命名层
5⁸ = 390,625 组合全表查表. 100% 确定性. 通俗版"深思的孤勇者" + 象征版"深渊灯塔" + 画像类型. 同一代号永远返回同一结果.
为什么 5⁸ 而不是 2⁸
2⁸ = 256 太粗糙. 真实人格是连续谱, 强制二分会丢信息.
每维度 5 个 tag 区分四档:
- 极端 (左端 / 右端): 该维度高度纯粹, 例如 I (纯内向)
- 偏向: 主导但有少量另一极, 例如 I(O) (内向偏外向)
- 平衡: 两极同等表达, 例如 I|O (平衡)
5 个 tag × 8 维度 = 39 万组合, 每个都有独立代号. 这个数足够表达细微差异, 又能全表枚举.
0-100 量化光谱 + 非对称分段
5 档只是命名层的离散投射. 底层每个维度都是 0-100 连续值, 5 档只是为了人脑可读 + 全表枚举的"采样".
非对称分段
API 里你可以选两种形式提交代号:
- 5 档形式:
I-A-L-X-ID-AR(PR)-SE-LT— L3 命名走全表, 同输入永远同输出. - 量化形式:
I(22)A(78)L(18)X(82)-ID(20)-AR(PR)(68)-SE(78)-LT(75)— 0-100 精确分数, L1 算法 (loss / synergy / SHS) 能用上.
这是 PMM-8+ 区别于 MBTI 16 类 / 16Personalities 256 类的根本: 无限精度, 每个人都是独立坐标, 不是被塞进有限的"类型箱".
维度交叉涌现 (不是简单加和)
8 维度不是独立可加. 真实人格里, 维度交叉会涌现新行为模式 — 这是 PMM-8+ 区别于大五的核心. 大五给你 5 个百分位, 但 OCEAN 5 维度之间几乎不交叉. PMM-8+ 显式建模交叉.
展开 5 组维度交叉示例
| 交叉对 | 涌现模式 | 示例 |
|---|---|---|
| I × A (内向 × 抽象) | 深思型 — 独处沉淀概念 | 深思的孤勇者 |
| I × ED (内向 × 外驱) | 隐性能动 — 默默执行外部期待 | 需要 1-on-1 强对冲 |
| AR × LT (进取 × 长期) | 战略冒险 — 押注式长线投入 | 高 R&D 投入企业家 |
| VE × ST (外露 × 短期) | 高速反应型 — 但情绪决策风险 | 客服 / 危机响应岗 |
| L × B × ST (逻辑 × 线性 × 短期) | 工程师型 — 精确但战术 | 需要 LT 互补搭档 |
涌现 ≠ 加和
L1-L4 个人认知层 (Personal Stack)
重要 scope 区分
在个人这个尺度里, 现有所有人格测评 — MBTI / 大五 / Hogan — 都停在 L1: 告诉你你是谁. PMM-8+ 在 L1-L4 全栈工作, 一口气再往下挖三层:
展开 L1-L4 详细内容
L1
你是谁
Who you are · 终极代号 + 画像
5⁸ = 390,625 种结构性独特身份, 每个有独立中文人格化命名 (深思的孤勇者) + 象征代号 (深渊灯塔). MBTI 只有 16 种.
L2
你会怎么做
What you'll do · 场景行为预测 + 压力退行轨迹
高压下你会躲、炸, 还是反而更冷静? 静态测评做不到, PMM-8+ 把人格「动起来」给出三段映射: 舒适区 → 边界区 → 退行区.
L3
你和谁兼容
Who fits you · CRU 级翻译损耗 / 增益评估
不是模糊的「星座配对」. translation_loss (双人沟通损耗) + synergy_gain (协同增益) 给会计级数字结论. 0.18 = 沟通顺畅, +0.41 = 互补型搭档.
L4
你怎么进化
How to evolve · 同根同源剖析 + 工程化对冲
拖延 ← 长期思考过载 → 对冲机制: 自动打卡. 高冷 ← 内向 × 抽象 → 对冲: 强制 1-on-1 节奏. 不是鸡汤, 是给一套可执行的机制.
为什么这个赛道过去 80 年没人做
跨尺度分析: 不止个人
上面的 L1-L4 只覆盖个人尺度. PMM-8+ 还有 3 个超越个人的分析尺度, 用同一套 8 维度做底层:
展开 4 个分析尺度详细卡片
INDIVIDUAL
个人L1-L4 个人认知层
8 维度 → 终极代号 → 行为预测 → 同根剖析 + 工程化对冲. 模式一: 个体画像分析. 模式七: 优缺点深度报告 (HTML 可交付).
PAIR
双人认知翻译损耗 + 协同增益
Autoencoder 编码 / 信道 / 解码三段模型 → CRU 统一单位的 translation_loss + 三种增益类型 (共振 / 互补 / 张力). 模式三: 双人关系分析. 模式六: 匹配/互补建议.
TEAM
多人12 核心生态位 + SHS
4 族 12 生态位 (认知引擎 / 决策中枢 / 创造执行 / 系统稳定) + 隶属度向量诊断 + 6 种管道效率 + 系统健康度评分. 模式四: 团队 / 系统诊断.
SYSTEM-FIT
系统适配压力退行 + 跨系统联动
人在岗位 / 团队 / 任务的适配评分 + 压力下的退行轨迹建模 + 跨系统联动效应矩阵. 不只测静态匹配, 还测动态稳定性.
对比表: 4 尺度 × 核心模型 × 适用场景
| 分析尺度 | 核心模型 | 数学输出 | 适用场景 |
|---|---|---|---|
| 个人 (1 人) | L1-L4 + 维度交叉涌现 | 代号 + 8 维度 + 涌现组合 | 自我认知 / 优缺点报告 / 教练 |
| 双人 (2 人) | Autoencoder 翻译损耗 + 协同增益 | translation_loss(CRU) + 增益向量 | 招聘配对 / 关系咨询 / 合伙人匹配 |
| 多人 (3+ 人) | 12 生态位 + SHS + 退行检测 | 12 维隶属度向量 + 健康度分 | 团队组建 / 组织诊断 / 缺位检测 |
| 系统适配 | 压力退行 + 跨系统联动矩阵 | 适配评分 + 退行轨迹 + 联动效应 | 岗位调整 / 项目分配 / 抗压测试 |
同一个引擎, 4 个尺度
不需要重复测评 · 不需要切换模型 · 一套代号通吃 4 个尺度.
三层命名层 · 输入 vs 输出 vs 压缩
每个用户输入对应一个唯一的 8 维度组合, 输入空间共 5⁸ = 390,625 种 — 这是"独立坐标"层 (任意两个人都能区分).
代号层不是 1:1 映射 — 它通过字段化拼接 + 同类合并把 39 万维度组合压缩到更紧凑、人脑可读的名字空间. 三种形式各有压缩比:
通俗短代号
深思的孤勇者
× 585 个 · 3-5 字 · 头像 / 名片用 · 压缩比 668:1
通俗长代号
深思的颠覆者 · 孤勇者
× 8,190 个 · 6-9 字 · 报告标题用 · 压缩比 48:1
象征代号
深渊灯塔
× ≈ 2,401 个 · 4 字 · 海报 / 仪式感 · 地形 × 光源
长版本压缩公式 (48:1)
长版本 = 认知前缀词 + 身份名 + " · " + 动力角色词- · 认知前缀词 (来自 O/I × C/A, 5×5=25 → 合并后) = 13 种
- · 身份名 (L/H × B/X, 5×5=25 → 合并后) = 14 种
- · 动力角色词 (VE/SE × PR/AR × ID/ED × ST/LT, 5⁴=625 → 合并后) = 45 种
- → 13 × 14 × 45 = 8,190 长版本中文代号
- → 短版本去掉身份名: 13 × 45 = 585
完整对照表: 4 命名层 × 数量 × 压缩比 × 示例
| 命名层 | 唯一组合数 | 压缩比 vs 输入 | 示例 |
|---|---|---|---|
| PMM-8+ 输入维度 | 390,625 | — | I-A-L-X-ID-AR(PR)-SE-LT |
| 通俗 · 长版本 | 8,190 | ≈ 48:1 | 深思的颠覆者 · 孤勇者 |
| 通俗 · 短版本 | 585 | ≈ 668:1 | 深思的孤勇者 |
| 象征版 (地形 + 光源) | ≈ 2,401 | ≈ 163:1 | 深渊灯塔 |
为什么压缩 ≠ 丢失信息
对比传统测评: MBTI 只有 16 个标签 (ENTJ / INFP / ...) · 16Personalities 加 A/T 后缀 32 个 · PMM-8+ 通俗长代号 8,190 个 · 输入空间 390,625 个独立坐标.
4 大应用场景
从个人成长到企业人才战略, 同一套底层引擎. 三协议兼容 (Anthropic / OpenAI / 原生) 让它能嵌入任何 AI Agent / Copilot.
展开 4 大应用场景
Individual
个人发展
在你最舒服、最放松的状态下, 想清楚到底适合做什么工作、在哪个圈子最能发挥. 不用硬逼自己迎合, 找到真正匹配你的位置.
Goal Tracking
目标导航
根据你的特点 (性格 / 能力 / 资源) + 想达到的目标, 算出离理想状态的距离 + 一套可执行步骤. 像导航一样, 每条路怎么走、需要多少时间.
Leadership / Talent
高管教练 · 人才战略
企业人才评估 + 团队动力学诊断. CRU 级 translation_loss / synergy_gain 让招聘 / 组队 / 晋升不再凭感觉.
AI-Driven Planning
AI 驱动智能化规划
三协议兼容 + BYOM (Max+ 解锁), 把 HiPMM 嵌入你自己的 AI Agent / Copilot, 让模型理解你的用户人格, 自动调整交互风格.
确定性保证
L3 不调用 LLM
POST /v1/codename 完全不烧 LLM token, 不调任何外部服务. 它是一次 Python dict 查表, 几毫秒返回, 100% 可复现.所以同一个客户输入 I-A-L-X-ID-AR(PR)-SE-LT 永远返回 "深思的孤勇者" — 跨进程, 跨时间, 跨版本都一致.