Skip to content
Back to skills

Geracao Perfis Psicologicos E Roleplay

ASecurity

Extrai perfis psicologicos de personagens e configura LLM local para entrevistas in-character sem drift de persona.

  • 666 stars
  • 0 votes
  • 0 copies
  • 0 views
  • Added October 8, 2026
ai-agentsgogit

Works with

  • cli

Security analysis

A100/100

Scanned October 8, 2026

npx -y skills add majiayu000/claude-skill-registry --skill geracao-perfis-psicologicos-e-roleplay --agent claude-code

Installs into .claude/skills of the current project.

Are you the author of Geracao Perfis Psicologicos E Roleplay?

Add the live security badge to your README. It updates with every re-scan.

Security grade badge for Geracao Perfis Psicologicos E Roleplay
[![Security: A — Skills Directory](https://www.skillsdirectory.com/api/skills/majiayu000-geracao-perfis-psicologicos-e-roleplay/badge)](https://www.skillsdirectory.com/skills/majiayu000-geracao-perfis-psicologicos-e-roleplay)

More formats (shields.io, HTML) on the badges page. Keep it an A: scan every change in CI with Pro.

SKILL.md
---
name: geracao-perfis-psicologicos-e-roleplay
description: Extrai perfis psicologicos de personagens e configura LLM local para entrevistas in-character sem drift de persona.
---
# geracao-perfis-psicologicos-e-roleplay

## Descrição
A skill `geracao-perfis-psicologicos-e-roleplay` extrai perfis psicológicos estruturados (fichas) de personagens a partir de suas ações descritas no manuscrito e configura agentes de linguagem locais para encenar o personagem em entrevistas interativas (chatbot in-character). Ela permite ao autor debater ideias, testar a consistência das falas e explorar o subtexto dramático conversando diretamente com a persona do personagem criado.

## Quando usar
Gatilhos concretos e observáveis:
- O escritor solicita a criação de uma nova ficha de personagem ou clica em "Atualizar Ficha por NLP".
- O autor ativa o painel de "Chat de Entrevista de Personagem" na interface lateral do editor.
- O sistema precisa auditar se uma cena em digitação respeita as características psicológicas cadastradas do personagem (consistência comportamental).

Quando NÃO usar:
- Para responder a perguntas factuais da wiki sobre o mundo (usar a skill `recuperacao-conhecimento-qfs-narrativo`).
- Em brainstorms de ideias soltas sem definição de personagens específicos.

## Pré-requisitos
- Modelo de linguagem local de alta capacidade instrucional (ex: Qwen-2.5-7B ou Llama-3-8B quantizado).
- Snapshots do Grafo Temporal de Entidades (GTE) contendo o histórico de ações do personagem.
- Ficha de personagem base (Markdown/JSON) com campos de Metas e Medos.

## Processo (passo a passo executável)
1. **Extração de Papéis de Ação (Agent/Patient Classification):**
   - Varrer o grafo de eventos narrativos extraído do livro.
   - Classificar as aparições do personagem em:
     - `Agent` (quando o personagem executa a ação ativa, ex: confrontar, construir, ferir).
     - `Patient` (quando o personagem sofre a ação passiva, ex: ser atacado, receber doação).
2. **Derivação de Traços de Personalidade:**
   - Analisar a proporção das categorias de ação no histórico do personagem.
   - Atribuir classificações de traços sob o modelo Big Five (OCEAN) ou perfis arquétipos:
     - Alta taxa de ações agressivas/combate $\rightarrow$ Perfil: *Confrontador / Assertivo*.
     - Alta taxa de ações de diálogo conspiratório/mentira $\rightarrow$ Perfil: *Cauteloso / Manipulador*.
3. **Compilação da Ficha de Personagem (Markdown):**
   - Alimentar os dados estruturados no arquivo da wiki do personagem contendo a descrição de seus traços derivados, sua rede social ativa, seu arco de valência atual e suas metas pendentes.
4. **Prompting do Chatbot In-Character (ArcANE):**
   - Montar o prompt de sistema do LLM local contendo:
     - Biografia, idade, traços psicológicos e vocabulário estilístico do personagem.
     - Histórico de eventos importantes sofridos pelo personagem até a cena ativa.
     - Instrução estrita de encenação (ex: *"Responda às perguntas do autor fingindo ser o personagem [Nome]. Fale em primeira pessoa. Respeite as informações contidas na sua ficha e no seu histórico. Não mencione que você é um modelo de IA."*)
5. **Orquestração da Conversação:**
   - Iniciar o chat interativo na UI. A cada turno de resposta, injetar no contexto da janela a cena e as restrições mais recentes do GTE para evitar desvios lógicos.

## Parâmetros e configuração
- `MAX_ROLEPLAY_CONTEXT_TOKENS`: Limite máximo de tokens de contexto da conversa para evitar perda de foco de persona. Padrão: `4096`.
- `PERSONA_CREATIVITY_TEMP`: Temperatura do LLM configurada para o chatbot de persona (um valor menor evita alucinações de fatos). Padrão: `0.70`.
- `MIN_ACTION_SAMPLES`: Quantidade mínima de eventos necessários no histórico para disparar a derivação automática de traços. Padrão: `10`.

## Armadilhas e como evitá-las
- **Armadilha:** Drift de Persona e Fatos: o chatbot simulador de personagem começa a alucinar e inventar fatos ou parentescos que não existem na história original do romance, rompendo a consistência do livro.
  **Mitigação:** Bloquear a geração livre sem ancoragem. Injetar no prompt do chatbot um filtro de contexto estrito contendo os nós vizinhos do personagem no Grafo Temporal de Entidades. O System Prompt deve conter a instrução de rejeição: *"Se o autor perguntar algo sobre o seu passado que não esteja listado na sua biografia ou histórico fornecidos, responda que você não se lembra ou desvie do assunto mantendo a sua persona."* (ArcANE, 2026).

## Critérios de validação (Definition of Done)
- [ ] A ficha gerada e os traços psicológicos derivados de forma autônoma atingem no mínimo 90% de acurácia factual sob auditoria manual de amostragem.
- [ ] O chatbot in-character não cita que é uma inteligência artificial em 100% dos testes de regressão de diálogo e recusa-se a inventar fatos não-ancorados.

## Fundamentação científica
- MARCUS (2022) - Event-Centric NLP Pipeline for Character Arcs - arXiv 2022
- ArcANE Benchmark (2026) - Do Role-Playing Language Agents Stay in Character? - arXiv 2026
- AustenAlike Benchmark (2024) - Evaluating Computational Representations of Character - arXiv 2024

## Requisitos do projeto relacionados
- RF-166 (biografias)
- RF-167 (ficha estruturada)
- RF-168 (chatbot interativo)

## Maturidade e riscos de adoção
**Nível:** Emergente/Experimental.
*Risco: Manter a persona de forma estável por longas conversas sem sofrer desvios estilísticos ou alucinações é um desafio em aberto em LLMs de 7B locais.*
*Fallback para v1:* O chatbot atua apenas como gerador de fichas passivo em markdown. Desativar a entrevista de chat in-character interativa baseada em grafos temporais dinâmicos na v1 se o modelo de 7B local apresentar falhas constantes de drift.

## Exemplos
**Entrada (Prompt de Entrevista):**
```text
[Autor]: "Kael, por que você odeia o feiticeiro Érebo?"
[Snapshot da Ficha]: { "Nome": "Kael", "Inimigo": "Érebo", "Motivo": "Érebo assassinou o mentor de Kael" }
```
**Saída esperada (Resposta do Chatbot):**
```text
"Aquele desgraçado tirou a única pessoa que acreditou em mim. O Érebo vai pagar por cada gota de sangue do meu mestre."
```
**Caso de falha conhecido:**
O chatbot responder: "Eu odeio o Érebo porque ele roubou minha nave espacial" (em um romance medieval de fantasia pura, sofrendo de drift de contexto do modelo).

Attribution

Is this your skill, or is something wrong with this listing? Request removal or report an issue. Author removals are honored within 72 hours.

Comments

Loading comments…

Newsletter

Get the weekly list of safe new skills, and the ones we pulled.