引言

这篇文章就不打算写什么技术原理了，轻松点，就简单地唠一唠。说起来很有趣，前段时间小马参加了一场PDP的性格测试，说实话，挺准的。但是深究AI的小马转头一想，这不就是AI能做的吗？对不起PDP分析老师了~~。我们今天就来聊一聊。

聊之前插播一个哈，小马的2025年博客之星主题文章创作得分进入前50了，路过的小主也可以动动发财的小手帮投一票哈 =》 https://www.csdn.net/blogstar2025/detail/138，感激不尽。

好了，进入正题。

一、PDP测试过程

小马先来描述一下整个过程。首先你需要做一套题目，凭借第一直觉你只要完成大概30-60道的选择题。

之后软件系统会生成一份报告，这份报告会分别展示本我，工作中的我，别人眼中的我 这三条情况，里边细节很多，小马就不赘述。网络上找了一张类似下图。

而后的报告分析文字基本也是会围绕着这三大块来分析。基本都是围绕着5只动物为性格5个维度来分析。

小马来模拟一个例子，先看“本我”的那个图，支配性最高，表达次之，说明是孔雀型的老虎，也就是说是个爱表达的老虎；能量风格“爆发”在上说明属于爆发型，能量在7，5格以上说明能力很足。继续来看“角色”的我，为适应环境工作将支配性、表达都刻意提升了，其他同理，自我满意度低，能量耗损接近两格（超两个为多）；最后一个“他人眼中的我”意思是，在别人眼里看你你是怎么样的，支配性、表达性调整成功确实提升了，耐心型、精确性都调整达到了预期，只是精确性下调有点多（是好是坏因环境而异吧）。调整得好好的很成功，这里为啥满意度还是低呢，讲白了是自我要求自我预期太高了。

好了，至此小马已经初步分析完了PDP报告，请你扫码3K米，哈哈哈哈。当然真正的报告下面还是有很多细节的文字的，在每一块都有非常详细的分析，但整体不离其宗。小马自认为分析得还是挺准的，你还别说，完成这样一次测试报告输出需要300-400米，而完成一次真人分析师给你解读大约需要3-4K米。那AI能解决这个事吗？

二、原理分析

但凡我们敲代码的都知道，只要一个事物具备一定的规律，那就可以写成代码逻辑来实现，更何况目前的AI乃至AIGC你就是不具备规律，它也能给你生成出来，Agent的自主决策能力这不就是么。扯远了，我们回来。
大家可以注意到，我上面提到的，这份报告是软件生成的，文字分析也是软件输出的。那就意味着，本身PDP也是有一套逻辑规律的，不然怎么写成代码逻辑的。这就好办了，小马特意去搜了下资料，并未找到相关文献和论文。

PDP性格测试百度百科上的文字介绍，PDP的问卷设计理论建立在美国心理学家Thurstone（1934），Cattell（1950），Guilford（1954），Fiske（1949），Daniels（1973），Horst（1968）等的研究基础之上。

很遗憾没找到论文，就是都在说核心原理是基于那五种动物的五个维度，至于拟定题目的原理并没有找到（但如果真的找到了，那些PDP测评机构都得喝西北风了吧）。

很多人说，不会的，人的实际场景很复杂，分析员还需要根据不同的人和环境做不同的分析和交流反馈的，AI代替肯定是不行的。

不过没关系的，根据以上的信息，题目是通过软件输出的测评报告，人工分析师的分析维度也是基于这份报告图结合被测评人的实际工作环境和职位来分析得。那是不是意味着，只要我的AI能收集到前置的被测评人实际工作职务和环境信息等，然后把分析员的经验进行AI模型训练，基本上AI就能代替分析员了，从理论上是完全可行的。

三、总结

首先，再次对不起PDP分析老师哈，可能小马这是一篇会被批判的文章。哈哈，但是AI的觉醒是不可阻挡的历史潮流，软件逻辑和经验总结能力，基于概率学和统计学原理的AI如今都能满足，AI可能即将在不久的将来完全替代PDP性格测试分析师，甚至小马还有看到目前网上已经有一些PDP AI应用崭露头角了，值得关注。

本文仅代表个人观点，如有不到之处，请谅解。