把「人是什么」（人类本体）与「人怎么生成」（人物引擎）彻底分开——
一个可复现、可验证、可跨项目共享的模拟人物生成方法。
一句话：先定义「人是什么」，再实例化「一个具体的人」。
这套方法把两件事彻底分开。第一件是「人是什么」：由人类本体统一给出语义权威，包括 18 个语义域、205 个概念、类型化关系和证据来源纪律。第二件是「人怎么生成」：由人物引擎把语义实例化为一个具体的人，最终组装成可以直接交给大模型扮演的系统提示。
精神科诊断不再是「人的根」，而是 18 个域中一个可选的健康模块——同一个人，带诊断或不带诊断，都是一份完整的档案。
persona_kernel.schema.json 定义。generate_persona()：16 步流水线、原型网格，生成 45 字段的基础人物档案，也用于复现已有的旧数据。generate_persona_kernel()：内部调用基础生成，再按防火墙包装成 18 域标准档案；AI-Ques、P003、Future-Self、Avatar 都用它。diagnosis_ontology.json 收录 ICD-11 第 06 章与 DSM-5-TR 的 278 个诊断（生成范围 37 个，含共病关联）。保留、不删除——只是挂载位置从「根」移到「一个域之下」。health_only 策略：诊断只允许影响健康域与当前状态。这不是口号，而是可测试的不变式——同一种子换诊断，所有非健康字段必须逐字节一致。life_events 由 events 数组承载，每条事件带 canonical_path="life_events.items"）。works_for 只能指向机构）。generate_persona() 出 45 字段基础档案；generate_persona_kernel() 出 18 域标准内核，默认 health_only 策略（其中 life_events 由 events 数组承载，每条带 canonical_path="life_events.items"）。ontology_native_fill 补全 5 个域共 59 个概念（角色、制度位置、文化语言、情境生态、资源约束），走独立随机数流。v2.5 起同时接进内核生成路径——v2.4 及以前只有建池脚本调用它，实时内核这 5 个域恒为空，与 web 三页数据口径不一致；现在两条路径同一套填充，18 个域全覆盖。life_facts_fill 再补 9 个原本空白的域（发展、迁徙与居住、关系、身体功能与健康、工作与经济参与、教育学习、身份自我概念、当前状态、生活方式惯例）。其中 8 条声明 storage=relation_graph 的路径进关系图而非域载荷，否则 validate() 直接拒绝。城乡与物质资源两键以本模块口径回写（原生采样器只出粗档/定性带，实测 12 例中 5 例城乡互相矛盾）。core/historical_events.py 收录 162 条世界大事（1950–2024，覆盖 101 国），每条带真实统计脚注（WHO / UN / NASA / 9·11委员会 / IAEA / UNHCR·IOM），数字与来源逐字保留。lifetime_events() 按「在世期间 + 国家 ISO-3 + 年龄门槛」三重过滤并按原始概率抽样，写入 context_ecology.historical_events 关系（canonical 目录声明 storage=relation_graph，谓词 experienced_event + 实体 event）。此前这一层只有 4 条通用启发式文案。pool.json 约 36MB，确定性分层采样，可逐字节复现。每卡含 172 国人口学（城市/宗教/族群/姓名）、社会事实层（life_facts：出生·家庭·五分位·四维状态·经济·精力分配）与 5 域本体原生块。| 借鉴对象 | 本项目怎么用 |
|---|---|
| BFO 上层本体 (Basic Formal Ontology) | 借鉴它的六种本体类型：实体、品质-倾向、角色、关系、过程-事件、状态，各自显式分治。角色不是事件（角色转换才是事件），状态不是特质，连续值与离散分类不混进同一棵树。 |
| 语义网 (RDF、OWL、SHACL) 与 Gruber 胜任力问题 | 「一个概念只有一个规范归属」相当于语义层的参照完整性与单一事实源；本体可投影为 RDF、OWL、SHACL 做漂移检查；184 条胜任力问题用作 Tier A 的机器验收。 |
| McKinsey 的 MECE 原则 | 改造成局部 MECE：只有回答同一问题、处于同一抽象层级的同级分类才要求互斥且穷尽；连续值、多值、关系、时间性事实显式声明自己的语义，不假装 MECE。 |
| 大五人格 (McCrae & Costa) | 明确降格为 personality_psychology 域下 temperament_traits 的一个特质模型，不是本体的 MECE 分区；它只做措辞微调，不覆盖人设原型（诊断条件化只存在于基础入口）。 |
| Will Storr 《The Science of Storytelling》 | 采用 Wound→Lie→Desire→Need 叙事因果链，落地为四个字段：初始创伤、失真信念、补偿性欲望、核心需要——让人物有「所以然」，而不只是「是什么」。 |
| Lajos Egri 三维角色论 + Weiland 《Creating Character Arcs》 | 核心欲望与核心恐惧构成静态维度，再叠加三种角色弧线（正向、负向、平坦），按临床轨迹映射 37 个诊断：27 个正弧、4 个负弧、6 个平坦弧。 |
| Beck 认知三角 + Bracha 5F 应激模型 | 失真信念分自己、世界、未来三个方向；应激反应分战斗、逃跑、冻结、讨好、自我伤害五类，各记录主要与次要反应。 |
| ICD-11 第 06 章 + DSM-5-TR + Holmes-Rahe + ACEs + Erikson | 诊断知识库（278 个诊断收敛到 37 个生成范围，含共病）；6 个语义域乘 4 个阶段的 143 个事件模板矩阵（带 LCU 应激评分）；触发器系统；Erikson 发展阶段字段。 |
| 普查与流行病学分层抽样 | 性别比按诊断加权（如神经性厌食 90% 为女性、注意缺陷与多动障碍 80% 为男性），6 个年龄带、7 级教育、52 国按世界人口加权——人口学来自真实分布，不是抛硬币。 |
| W3C PROV 溯源框架 | 五种认知来源：观察、测量、推断、生成、输入约束，互不冒充；推断与生成值必须携带溯源、置信度与时间类别；「未知」不等于「缺失」。 |
| W3C 的 CR 到 REC 发布纪律 | 本体变更受治理：先查注册表、定类型、验迁移、过门禁；发布门禁全绿才能转正为正式版；验证分级声明——机器门禁通过不等于人类验证，多 AI 共识不等于真值。 |
adjust_*_by_ocean() 在极端人格特质下会整体替换创伤、欲望、需要文本，人设原型被抹平。→ 原型专属模板优先，人格特质只做措辞微调；生成器刻意不向这些函数传人格特质值，并写进改动守则。health_only 防火墙落在契约测试上：同一种子换诊断，非健康的人格与人生史必须逐字节一致。诊断的影响被限定在健康域与当前状态载荷内。sha1(诊断键, 种子) 派生独立种子——新增 59 个概念之后，既有 34 个字段逐字节不变，与 Python 哈希种子也无关。非侵入式演化。python core/archetypes.py）。「覆盖了多少种人」从此是可回答的问题。works_for 指向机构、born_in 指向地点、uses_language 指向语言——参照完整性进入语义层。validate() 中被拒绝——数据质量靠模式强制，不靠口头约定。