朴素做法:每道题存一个 "维度" + "方向" 字段,答完 20 题后遍历分数树做 if-else 判断。16 个人格 = 16 个 if-else 分支 + 嵌套------又多又乱。真实做某个 MBTI 梗化测评 app 时试了另一个思路:4 维度各算一个分数 → 拼成 "C±S±E±A±" 签名字符串 → 查表映射到 16 个人格。整个算法 100 行以内,加人格直接改表就行。记录一下,顺便分享给有需要的朋友。
一、4 维度的 MBTI 变种
原版 MBTI 的 4 维度(E/I、S/N、T/F、J/P)心理学味道太重,面向年轻用户时太严肃。这个 app 做了梗化的 4 维度:
| 维度 | 字母 | 正方向 | 负方向 |
|---|---|---|---|
| C 伪装力 | Camouflage | 擅长伪装 | 不会装 |
| S 精神状态 | Sanity | 清醒 | 疯批 |
| E 自我度 | Ego | 关注自己 | 关注他人 |
| A 行动力 | Action | 行动派 | 想想派 |
2 × 2 × 2 × 2 = 16 种组合,对应 16 个人格:
C+S+E+A+= "六边形悍匪"(全部正方向,拉满型)C-S-E+A-= "阳光抑郁症"C+S-E-A-= "微笑卷王"C-S-E-A-= "暴走炸药包"- ... 等等
每个维度独立二元,所以直接按正负拼签名就能唯一识别。
二、题目的数据结构
typescript
interface QuizQuestion {
id: string
text: string // "你在社交场合更倾向于..."
dimension: Dimension // 这题测哪个维度
options: string[] // 4 个选项
}
enum Dimension {
C = 'c',
S = 's',
E = 'e',
A = 'a',
}
// 分数映射:选项 index → 该维度加/减分
const SCORE_MAP: number[] = [+2, +1, -1, -2]
4 个选项的分数:
- Option 0 → +2(强正方向)
- Option 1 → +1(弱正方向)
- Option 2 → -1(弱负方向)
- Option 3 → -2(强负方向)
每道题只测一个维度,分数直接加到对应维度的总分。
三、题库分 4 维度 + 氛围题
typescript
// 常规题(每个维度 N 道)
const WORKPLACE_REGULAR_QUESTIONS: QuizQuestion[] = [
{ id: 'wc1', dimension: Dimension.C, text: '...', options: [...] },
{ id: 'wc2', dimension: Dimension.C, text: '...', options: [...] },
// ... 每个维度 8-12 道
]
// "氛围题"(format breakers,不计分,纯娱乐)
const WORKPLACE_FORMAT_BREAKERS: QuizQuestion[] = [
{ id: 'wf1', dimension: Dimension.C, text: '...', options: [...] },
// ...
]
氛围题 是不计分的梗题("选一个你会喝的奶茶"),只是让测评不那么像考试。工程上和常规题一样走流程,只是题目库分开。
题库总共 ~100 道:workplace 和 student 两套(工作人 vs 学生版本),各 40-50 道。
四、每次测评:抽题 + 洗牌
每次用户开始测评只用一小部分题(不是全部),每个维度抽 4 道 + 1 道氛围题:
typescript
// QuizEngine.ets:47
export function selectQuestions(pack: QuizPack): QuizQuestion[] {
const selected: QuizQuestion[] = []
// 1. 每个维度抽 4 道常规题
[Dimension.C, Dimension.S, Dimension.E, Dimension.A].forEach((dimension) => {
const pool = shuffledQuestions(questionsByDimension(pack, dimension))
selected.push(...pool.slice(0, 4))
})
// 2. 抽 1 道氛围题
const breakers = pack === QuizPack.Workplace ? WORKPLACE_FORMAT_BREAKERS : STUDENT_FORMAT_BREAKERS
const pickedBreaker = shuffledQuestions(breakers)[0]
if (pickedBreaker !== undefined) {
selected.push(pickedBreaker)
}
// 3. 把题目的顺序打乱
return shuffledQuestions(selected)
}
function shuffledQuestions(questions: QuizQuestion[]): QuizQuestion[] {
const next = [...questions]
// Fisher-Yates shuffle
for (let index = next.length - 1; index > 0; index -= 1) {
const swapIndex = Math.floor(Math.random() * (index + 1))
const current = next[index]
next[index] = next[swapIndex]
next[swapIndex] = current
}
return next
}
Fisher-Yates shuffle 比朴素 sort((a,b) => Math.random() - 0.5) 分布更均匀。原理:从后往前遍历,每个位置随机和前面任一位置交换。
双重 shuffle:
- 第一次 shuffle 是在每个维度的题库内部洗,然后 slice(0, 4) 抽 4 道
- 第二次 shuffle 是把 4 维度 × 4 + 1 氛围 = 17 道题全部打乱,让 UI 展示的题目顺序随机
用户体验 :每次测评题目都不一样 ,但维度分布一致(每维度 4 道)。重测时不会觉得"背答案"。
五、算分:遍历一次累加
typescript
export function calculateScores(questions: QuizQuestion[], answers: number[]): DimensionScores {
const scores: DimensionScores = { c: 0, s: 0, e: 0, a: 0 }
questions.forEach((question, index) => {
const answerIndex = answers[index]
const score = SCORE_MAP[answerIndex] ?? 0
if (question.dimension === Dimension.C) {
scores.c += score
}
if (question.dimension === Dimension.S) {
scores.s += score
}
if (question.dimension === Dimension.E) {
scores.e += score
}
if (question.dimension === Dimension.A) {
scores.a += score
}
})
return scores
}
一次遍历 O(N)。每道题 O(1) 判断维度然后加分。
氛围题的 dimension 字段设成什么:无所谓。因为选项分数都是 0 的话(氛围题 SCORE_MAP 返回 0),加 0 不影响结果。真实代码里氛围题的选项分数是 0 或者 dimension 不在 CSEA 里。
六、签名字符串 → 人格
最后一步:根据 4 个维度的正负拼签名字符串,查表拿人格:
typescript
// QuizEngine.ets:105
export function resolvePersonality(scores: DimensionScores): PersonalityItem {
const key = `C${scores.c >= 0 ? '+' : '-'}S${scores.s >= 0 ? '+' : '-'}E${scores.e >= 0 ? '+' : '-'}A${scores.a >= 0 ? '+' : '-'}`
return personalityForCode(codeForSignature(key))
}
// 签名 → 人格 code 的映射表
const SIGNATURE_TO_CODE: Record<string, string> = {
'C+S+E+A+': 'HEX', // 六边形悍匪
'C+S+E+A-': 'ELE', // 优雅吸血鬼
'C-S-E+A-': 'SUN', // 阳光抑郁症
'C+S-E-A-': 'SMI', // 微笑卷王
'C-S-E+A+': 'HFC', // 高功能疯批
'C-S-E-A+': 'BOM', // 暴走炸药包
// ... 16 个
}
export function codeForSignature(signature: string): string {
return SIGNATURE_TO_CODE[signature] ?? 'HEX' // 默认 fallback
}
// 人格 code → 完整人格对象
export function personalityForCode(code: string): PersonalityItem {
for (let index = 0; index < PERSONALITIES.length; index += 1) {
if (PERSONALITIES[index].code === code) {
return PERSONALITIES[index]
}
}
return PERSONALITIES[0]
}
签名字符串 示例:
- scores =
{ c: 5, s: -3, e: 7, a: 1 }→ signature ="C+S-E+A+"→ code ="HFC"→ personality ="高功能疯批" - scores =
{ c: -2, s: 4, e: -6, a: 0 }→ signature ="C-S+E-A+"→ code ="ELG"→ personality ="精分绅士"
正负判断用 >= 0 :边界 0 归到正方向。理由是:
- 测试样本不够多时分数很接近 0,归负方向会把一半用户划走
- 正方向在视觉上通常是"积极的那一面",默认给正
七、PersonalityItem 的完整数据
每个人格对象带丰富元数据:
typescript
interface PersonalityItem {
code: string // 'HEX'
name: string // '六边形悍匪'
tagline: string // '不管什么场合都能应付'
description: string // 长篇描述
strengths: string[] // 优势清单
weaknesses: string[] // 劣势清单
rivalCode: string // 克星:这个人格最怕的另一个
partnerCode: string // 伙伴:这个人格最合拍的另一个
color: string // 代表色
}
const PERSONALITIES: PersonalityItem[] = [
{
code: 'HEX',
name: '六边形悍匪',
tagline: '不管什么场合都能应付',
description: '...',
strengths: ['社交', '伪装', '清醒', '行动'],
weaknesses: ['累'],
rivalCode: 'BOM', // 怕"暴走炸药包"(无法预测)
partnerCode: 'ELE', // 和"优雅吸血鬼"配
color: '#8B5CF6',
},
// ... 15 个
]
rivalCode / partnerCode :人格互动图谱 。后面做"灵魂碰撞机"(输入两个用户的人格,输出关系文案)时用到。
八、什么时候这个算法够用
MBTI 梗化测评 :满足。目标是娱乐 + 分享,不是心理学诊断。
什么时候要更复杂:
- 真实心理学量表 (如 Big Five):需要李克特 5 分量表 + 因子分析 。每个因子不只是"正负",是连续得分(0-100)。 UI 展示也是条形图不是贴标签
- 机器学习人格 :收集大量用户的回答作训练集,用 K-means 聚类自动发现"自然的人格类型"而不是预设 16 种。但这需要 1000+ 真实用户数据
不要为了"更科学"过度工程 。本篇的 app 定位是娱乐 + 社交,签名字符串映射的粗颗粒就是它的卖点。
踩坑清单
- 4 维度各算一个分数,拼
"C±S±E±A±"签名字符串做分类 - SCORE_MAP: +2, +1, -1, -2,选项 index 直接映射分数
- 每道题只测一个维度,
.dimension字段决定加到哪个总分 selectQuestions从题库每维度抽 4 道 + 1 氛围题- Fisher-Yates shuffle ,不要用
sort((a,b) => Math.random() - 0.5) - 签名字符串用 >= 0 判断正方向(边界 0 归正)
- 签名 → 人格 code → 完整人格对象,三级查表
- 人格对象带 rivalCode / partnerCode 支持后续人格互动功能
- 氛围题分数 0 不影响统计,但增加娱乐感
尾声
最小算法原则:
- 4 维度 × 4 选项 × 分数累加 = 一次遍历 O(N)
- 签名字符串 = 4 位串,Record 查表 O(1)
- 16 人格表 = 一份 const 数组,没有运行时推导
整个算法 100 行以内。加人格不改代码,改表。加维度(变成 5 维度 32 人格)要重写签名字符串生成,但也就几行。
独立开发者的测评类 app 都可以套这个 pattern------性格测试、恋爱类型、职业倾向、消费习惯测评。核心是找到几个独立的二元维度,拼签名,查表。
一个意外发现:rivalCode / partnerCode 这种"人格之间的关系"字段 比每个人格的描述本身更能带动社交分享。用户测完想找谁和自己配,谁是克星 ,自然去问朋友"你测的是啥"。这是产品增长的小机关,算法层只花两个字段的代价。