SBTI 赛博人格测试 – 源码深度分析

SBTI/├── data/                    # 测试数据（核心）│   ├── questions.json       # 30道题库│   ├── dimensions.json      # 15个维度定义│   ├── types.json           # 27种人格类型│   └── config.json          # 评分参数配置├── src/                     # 源代码│   ├── engine.js            # ⭐ 评分算法（核心）│   ├── quiz.js              # 答题流程控制│   ├── result.js            # 结果页渲染│   ├── chart.js             # 雷达图（Canvas API）│   ├── share.js             # 分享功能│   ├── utils.js             # 工具函数│   ├── main.js              # 入口│   └── style.css            # 样式（CSS变量）├── docs/│   └── analysis.md          # 官方数据分析报告├── index.html               # 入口页面├── package.json             # 依赖配置└── vite.config.js           # Vite构建配置

// src/engine.jsexport function calcDimensionScores(answers, questions) {  const scores = {}  for (const q of questions) {    if (answers[q.id] == null) continue    scores[q.dim] = (scores[q.dim] || 0) + answers[q.id]  }  return scores}

export function scoresToLevels(scores, thresholds) {  const levels = {}  for (const [dim, score] of Object.entries(scores)) {    if (score <= thresholds.L[1]) levels[dim] = 'L'    else if (score >= thresholds.H[0]) levels[dim] = 'H'    else levels[dim] = 'M'  }  return levels}

{  "scoring": {    "levelThresholds": {      "L": [2, 3],  // 总分2-3 → L（低）      "M": [4, 4],  // 总分4   → M（中）      "H": [5, 6]   // 总分5-6 → H（高）    }  }}

S1维度总分：5 → HS2维度总分：4 → MS3维度总分：3 → L

// 等级转数值const LEVEL_NUM = { L: 1, M: 2, H: 3 }export function matchType(userLevels, dimOrder, pattern) {  const typeLevels = parsePattern(pattern)  // 解析pattern字符串  let distance = 0  let exact = 0  for (let i = 0; i < dimOrder.length; i++) {    const userVal = LEVEL_NUM[userLevels[dimOrder[i]]] || 2    const typeVal = LEVEL_NUM[typeLevels[i]] || 2    const diff = Math.abs(userVal - typeVal)    distance += diff    if (diff === 0) exact++  }  const similarity = Math.max(0, Math.round((1 - distance / 30) * 100))  return { distance, exact, similarity }}

distance = Σ |userVal_i - typeVal_i|相似度 = (1 - distance / 30) × 100%

用户向量：  [H, H, L, M, H, M, L, L, H, M, H, H, L, M, H]            [3, 3, 1, 2, 3, 2, 1, 1, 3, 2, 3, 3, 1, 2, 3]CTRL类型：  [H, H, H, H, M, H, M, H, H, H, H, H, M, H, M]            [3, 3, 3, 3, 2, 3, 2, 3, 3, 3, 3, 3, 2, 3, 2]差值绝对值：[0, 0, 2, 1, 1, 1, 1, 2, 0, 1, 0, 0, 1, 1, 1]曼哈顿距离 = 12相似度 = (1 - 12/30) × 100% = 60%精准命中（diff=0的维度）= 7个

export function determineResult(userLevels, dimOrder, standardTypes, specialTypes, options = {}) {  // 1. 计算所有类型的匹配度  const rankings = standardTypes.map((type) => ({    ...type,    ...matchType(userLevels, dimOrder, type.pattern),  }))  // 2. 排序：距离升序 → 精准命中降序 → 相似度降序  rankings.sort((a, b) =>     a.distance - b.distance ||     b.exact - a.exact ||     b.similarity - a.similarity  )  const best = rankings[0]  const drunk = specialTypes.find((t) => t.code === 'DRUNK')  const hhhh = specialTypes.find((t) => t.code === 'HHHH')  // 3. 酒鬼彩蛋覆盖  if (options.isDrunk && drunk) {    return {      primary: { ...drunk, similarity: best.similarity, exact: best.exact },      secondary: best,      rankings,      mode: 'drunk',    }  }  // 4. 傻乐者兜底（相似度<60%）  if (best.similarity < 60 && hhhh) {    return {      primary: { ...hhhh, similarity: best.similarity, exact: best.exact },      secondary: best,      rankings,      mode: 'fallback',    }  }  // 5. 正常匹配  return {    primary: best,    secondary: rankings[1] || null,    rankings,    mode: 'normal',  }}

┌─────────────────────────────────────────────────┐│           用户完成30道题                         ││      { q1: 2, q2: 3, ..., q30: 1 }              │└─────────────────┬───────────────────────────────┘                  │                  ▼┌─────────────────────────────────────────────────┐│      Step 1: calcDimensionScores()              ││      每维度2题求和 → { S1: 5, S2: 4, ... }     │└─────────────────┬───────────────────────────────┘                  │                  ▼┌─────────────────────────────────────────────────┐│      Step 2: scoresToLevels()                   ││      分数转等级 → { S1: 'H', S2: 'M', ... }    │└─────────────────┬───────────────────────────────┘                  │                  ▼┌─────────────────────────────────────────────────┐│      Step 3: matchType() × 25种类型             ││      计算曼哈顿距离、精准命中、相似度           │└─────────────────┬───────────────────────────────┘                  │                  ▼┌─────────────────────────────────────────────────┐│      Step 4: determineResult()                  ││      排序 + 特殊覆盖                            ││                                                 ││      isDrunk? ──Yes──> DRUNK（酒鬼）            ││          │                                      ││          No                                     ││          │                                      ││      similarity < 60%? ──Yes──> HHHH（傻乐者）  ││          │                                      ││          No                                     ││          │                                      ││      正常匹配 → 最佳类型                         │└─────────────────────────────────────────────────┘

{  "id": "q1",  "dim": "S1",  "text": "我是一只阴暗的老鼠...",  "options": [    { "label": "我哭了。。", "value": 1 },    { "label": "这是什么。。", "value": 2 },    { "label": "这不是我！", "value": 3 }  ]}

{  "code": "CTRL",  "pattern": "HHH-HMH-MHH-HHH-MHM",  "cn": "拿捏者",  "intro": "怎么样，被我拿捏了吧？",  "desc": "恭喜您，您测出了全中国最为罕见的人格..."}

HHH-HMH-MHH-HHH-MHM│││ │││ │││ │││ │││S1  E1  A1  Ac1 So1S2  E2  A2  Ac2 So2S3  E3  A3  Ac3 So3

{  "scoring": {    "levelThresholds": {      "L": [2, 3],      "M": [4, 4],      "H": [5, 6]    },    "fallbackThreshold": 60  },  "display": {    "dimensionsPerRow": 5,    "showRarity": true  }}

// 纯函数示例export function calcDimensionScores(answers, questions) {  // 输入 → 输出，无副作用}export function matchType(userLevels, dimOrder, pattern) {  // 输入 → 输出，无副作用}

data/├── questions.json    # 修改题目├── types.json        # 修改人格类型├── dimensions.json   # 修改维度定义└── config.json       # 修改评分参数

// 维度数值转换const LEVEL_NUM = { L: 1, M: 2, H: 3 }const normalizedValue = LEVEL_NUM[level] / 3  // 归一化到0-1// Canvas绑制ctx.beginPath()ctx.moveTo(centerX, centerY)for (let i = 0; i < 15; i++) {  const angle = (Math.PI * 2 / 15) * i - Math.PI / 2  const value = normalizedValues[i]  const x = centerX + radius * value * Math.cos(angle)  const y = centerY + radius * value * Math.sin(angle)  ctx.lineTo(x, y)}ctx.closePath()ctx.fillStyle = 'rgba(76, 103, 82, 0.3)'ctx.fill()

import { defineConfig } from 'vite'export default defineConfig({  base: './',  build: {    outDir: 'dist',    assetsDir: 'assets'  }})

SBTI维度          Big Five维度─────────────────────────────S1 自尊自信   ←→   神经质(N)的逆向So1 社交主动性 ←→  外向性(E)Ac3 执行模式   ←→  尽责性(C)E1 依恋安全感  ←→  宜人性(A)的部分

E1 依恋安全感：  - 高分（H）→ 安全型依恋  - 中分（M）→ 矛盾型依恋  - 低分（L）→ 回避型依恋E2 情感投入度：  - 高分（H）→ 焦虑型倾向  - 低分（L）→ 回避型倾向E3 边界与依赖：  - 高分（H）→ 强边界感（回避型）  - 低分（L）→ 弱边界感（焦虑型）

得分概率：2分：1/9  ≈ 11.1%  (1+1)3分：2/9  ≈ 22.2%  (1+2 或 2+1)4分：3/9  ≈ 33.3%  (1+3 或 2+2 或 3+1)5分：2/9  ≈ 22.2%  (2+3 或 3+2)6分：1/9  ≈ 11.1%  (3+3)

// 曼哈顿距离distance = Σ |userVal_i - typeVal_i|// 欧氏距离distance = √(Σ (userVal_i - typeVal_i)²)

用户：[3,3,3,3,3,3,3,3,3,3,3,3,3,3,3]类型：[1,1,1,1,1,1,1,1,1,1,1,1,1,1,1]曼哈顿距离 = 15 × |3-1| = 30欧氏距离 = √(15 × 4) = √60 ≈ 7.75

{  "id": "q1",  "dim": "S1",  "text": "你的题目文字",  "options": [    { "label": "选项A", "value": 1 },    { "label": "选项B", "value": 2 },    { "label": "选项C", "value": 3 }  ]}

{  "code": "YOUR",  "pattern": "HHH-HMH-MHH-HHH-MHM",  "cn": "你的类型名",  "intro": "一句话开场白",  "desc": "详细描述（200-300字）"}

{  "scoring": {    "levelThresholds": {      "L": [2, 3],   // 调整阈值      "M": [4, 4],      "H": [5, 6]    },    "fallbackThreshold": 60  // 调整兜底阈值  }}

# Fork项目# 修改 data/ 目录下的JSON文件# Settings → Pages → Source: GitHub Actions

git clone https://github.com/pingfanfan/SBTI.gitcd SBTInpm installnpm run dev    # 开发npm run build  # 构建# 部署 dist/ 目录