当前位置: 首页 > article >正文

SBTI打不开?手把手教你部署自己的人格测试(附源码链接)

网站打不开部署自己的SBTI人格测试附源码链接最近在B站刷到了一个很火的SBTI人格测试觉得挺有意思的。作为一名开发者我决定自己动手实现一个可以本地部署的版本。本文将带你从零开始用Flask框架搭建一个完整的人格测试网站。技术栈Flask 原生HTML/CSS/JavaScript项目地址部署自己的SBTI一、SBTI测试原理解析1.1 什么是SBTISBTI人格测试采用量表打分 向量匹配的混合机制通过30道常规题目从5个模型的15个维度分析用户的人格特征。1.2 五大模型与15个维度模型维度说明自我模型SS1-自尊自信S2-自我清晰度S3-核心价值评估自我认知和价值观情感模型EE1-依恋安全感E2-情感投入度E3-边界与依赖评估情感模式和亲密关系态度模型AA1-世界观倾向A2-规则与灵活度A3-人生意义感评估对世界的态度行动驱力AcAc1-动机导向Ac2-决策风格Ac3-执行模式评估行动力和决策方式社交模型SoSo1-社交主动性So2-人际边界感So3-表达与真实度评估社交风格1.3 赋分机制选项分值A选项 1分低分B选项 2分中分C选项 3分高分维度等级转换每个维度由2道题组成总分转换为等级2-3分 → L低4分 → M中5-6分 → H高人格匹配将用户的15维度等级向量与25种预定义人格模式进行匹配选出最接近的类型。二、项目架构设计2.1 项目结构sbti/ ├── app.py # Flask后端主文件 ├── templates/ │ └── index.html # 前端页面 ├── requirements.txt # Python依赖 └── README.md # 项目文档2.2 技术选型后端框架Flask 3.0.0轻量、简单、易上手前端技术原生HTML/CSS/JavaScript无需打包开箱即用数据存储内存存储无需数据库适合小型项目三、后端实现详解3.1 Flask应用初始化fromflaskimportFlask,render_template,request,jsonifyimportrandom appFlask(__name__)3.2 数据结构设计人格类型定义PERSONALITIES{HHHH:{name:HHHH,emoji:,desc:全维度高分罕见的全能型人格},SEALH:{name:SEALH,emoji:,desc:自信稳定情感投入乐观行动派},SEAHH:{name:SEAHH,emoji:,desc:自信独立情感充沛高执行力},DRUNK:{name:DRUNK,emoji:,desc:保温杯里泡枸杞的养生朋克},# ... 共25种人格类型}题目数据结构QUESTIONS[{id:1,dim:S1,# 对应维度text:别人夸你的时候你的第一反应是,options:[A. 先怀疑是不是在讽刺,B. 表面谦虚心里还挺受用,C. 坦然接受觉得理所当然]},# ... 共30道题]特殊题彩蛋SPECIAL_QUESTIONS[{id:31,type:drunk,text:保温杯里泡枸杞你觉得,options:[A. 养生达人,B. 朋克养生,C. 保温杯里泡白酒],trigger:C# 触发条件}]3.3 核心API实现API 1获取题目列表app.route(/api/questions,methods[GET])defget_questions():获取随机打乱的题目questionsQUESTIONS.copy()random.shuffle(questions)# 随机打乱顺序# 随机插入1道特殊题special_qrandom.choice(SPECIAL_QUESTIONS)insert_posrandom.randint(10,25)questions.insert(insert_pos,special_q)returnjsonify(questions)API 2计算测试结果app.route(/api/calculate,methods[POST])defcalculate_result():计算测试结果datarequest.json answersdata.get(answers,{})# 1. 检查是否触发DRUNK彩蛋forqid,answerinanswers.items():qnext((qforqinSPECIAL_QUESTIONSifstr(q[id])qid),None)ifqandq.get(type)drunkandanswerq.get(trigger):returnjsonify({personality:DRUNK,emoji:,name:DRUNK,desc:保温杯里泡枸杞的养生朋克,match_rate:100})# 2. 计算15个维度的分数dim_scores{}forqinQUESTIONS:qidstr(q[id])ifqidinanswers:answeranswers[qid]# 计算分数A1, B2, C3ifanswerA:score3ifq.get(reverse)else1elifanswerB:score2else:# Cscore1ifq.get(reverse)else3dimq[dim]ifdimnotindim_scores:dim_scores[dim][]dim_scores[dim].append(score)# 3. 转换为L/M/H等级dim_levels{}fordim,scoresindim_scores.items():totalsum(scores)iftotal3:levelLeliftotal4:levelMelse:levelHdim_levels[dim]level# 4. 匹配最佳人格类型best_matchfind_best_personality(dim_levels)personality_infoPERSONALITIES.get(best_match)returnjsonify({personality:best_match,emoji:personality_info[emoji],name:personality_info[name],desc:personality_info[desc],match_rate:85,dimensions:dim_levels})人格匹配算法deffind_best_personality(dim_levels):根据维度等级匹配最佳人格# 计算各模型的平均等级s_avgget_avg_level([dim_levels.get(S1),dim_levels.get(S2),dim_levels.get(S3)])e_avgget_avg_level([dim_levels.get(E1),dim_levels.get(E2),dim_levels.get(E3)])a_avgget_avg_level([dim_levels.get(A1),dim_levels.get(A2),dim_levels.get(A3)])ac_avgget_avg_level([dim_levels.get(Ac1),dim_levels.get(Ac2),dim_levels.get(Ac3)])# 组合成人格模式patterns_avge_avga_avgac_avgifpatterninPERSONALITIES:returnpatternreturnHHHH# 默认返回defget_avg_level(levels):计算平均等级level_map{L:1,M:2,H:3}scores[level_map.get(l,2)forlinlevelsifl]ifnotscores:returnMavgsum(scores)/len(scores)ifavg1.5:returnLelifavg2.5:returnMelse:returnH四、前端实现详解4.1 UI设计思路参考原版网站采用清新的绿色主题:root{--bg:#f6faf6;/* 背景色 */--panel:#ffffff;/* 卡片背景 */--text:#1e2a22;/* 文字颜色 */--accent:#6c8d71;/* 主题色 */--accent-strong:#4d6a53;/* 深色主题 */--shadow:0 16px 40pxrgba(47,73,55,0.08);/* 阴影 */--radius:22px;/* 圆角 */}4.2 页面结构采用三屏切换设计!-- 首页 --dividhome-screenclassscreen activedivclasscard heroh1SBTI 人格测试/h1buttononclickstartTest()开始测试/button/div/div!-- 测试页面 --dividtest-screenclassscreendivclassprogressspanidprogress-bar/span/divdividquestion-container/divbuttononclicknextQuestion()下一题/button/div!-- 结果页面 --dividresult-screenclassscreendivclassresult-emoji/divdivclassresult-nameSEALH/divdivclassresult-desc自信稳定情感投入乐观行动派/div/div4.3 核心JavaScript逻辑开始测试asyncfunctionstartTest(){constresponseawaitfetch(/api/questions);questionsawaitresponse.json();showScreen(test-screen);renderQuestion();}渲染题目functionrenderQuestion(){constqquestions[currentIndex];constcontainerdocument.getElementById(question-container);container.innerHTMLdiv classquestion-card div classquestion-text${currentIndex1}.${q.text}/div div classoptions${q.options.map((opt,i)div classoption${answers[q.id]opt[0]?selected:} onclickselectOption(${q.id}, ${opt[0]})${opt}/div).join()}/div /div;updateProgress();}提交测试asyncfunctionsubmitTest(){constresponseawaitfetch(/api/calculate,{method:POST,headers:{Content-Type:application/json},body:JSON.stringify({answers})});constresultawaitresponse.json();showResult(result);}显示结果functionshowResult(result){document.getElementById(result-emoji).textContentresult.emoji;document.getElementById(result-name).textContentresult.name;document.getElementById(result-desc).textContentresult.desc;document.getElementById(result-match).textContent匹配度:${result.match_rate}%;// 显示维度分析constdimLabels{S1:自尊自信,S2:自我清晰度,S3:核心价值,E1:依恋安全感,E2:情感投入度,E3:边界与依赖,// ... 其他维度};// 渲染维度网格// ...showScreen(result-screen);}五、项目亮点与优化5.1 题目随机化每次测试时题目顺序都会随机打乱避免记忆答案questionsQUESTIONS.copy()random.shuffle(questions)5.2 隐藏彩蛋机制在题目中随机插入特殊题选择特定答案触发彩蛋# 检查是否触发DRUNK彩蛋ifanswerC:# 选择保温杯里泡白酒returnDRUNK人格5.3 反转题处理部分题目Q14、Q27的选项分值顺序相反ifanswerA:score3ifq.get(reverse)else1# 反转题A3分5.4 响应式设计使用CSS媒体查询适配移动端media(max-width:640px){.hero h1{font-size:32px;}.result-emoji{font-size:60px;}}5.5 进度条动画实时显示测试进度提升用户体验functionupdateProgress(){constprogress((currentIndex1)/questions.length)*100;document.getElementById(progress-bar).style.widthprogress%;}六、部署与运行6.1 本地运行# 1. 克隆项目gitclone https://github.com/yourusername/sbti-test.gitcdsbti-test# 2. 安装依赖pipinstallFlask3.0.0# 3. 运行项目python app.py# 4. 访问网站# 打开浏览器访问 http://localhost:50006.2 生产环境部署使用Gunicorn部署pipinstallgunicorn gunicorn-w4-b0.0.0.0:5000 app:app6.3 Docker部署FROM python:3.9-slim WORKDIR /app COPY requirements.txt . RUN pip install -r requirements.txt COPY . . CMD [python, app.py]七、效果展示首页测试页面结果页面八、常见问题Q1: 为什么选择Flask而不是DjangoA:Flask更轻量适合小型项目。本项目只需要几个API接口不需要Django的复杂功能。Q2: 为什么不使用数据库A:题目和人格类型数据是固定的不需要动态修改使用内存存储即可。如果需要保存用户测试记录可以后续添加数据库。Q3: 匹配算法准确吗A:本项目采用简化的匹配算法主要用于学习和娱乐。如需更精确的匹配可以使用曼哈顿距离或欧氏距离计算相似度。Q4: 可以商用吗A:本项目仅供学习交流使用原始测试设计版权归原作者所有。九、总结这是一个非常适合初学者的Flask实战项目代码简洁易懂功能完整。你可以在此基础上进行扩展添加更多有趣的功能。项目源码SBTI如果觉得有帮助欢迎Star⭐和Fork在这里插入图片描述需要注意仅供娱乐SBTI不是专业心理测评结果不具备心理学依据半随机性多次测试可能得到不同结果这很正常勿当真不要将测试结果用于诊断、面试、相亲等严肃场合作者初衷B站UP主蛆肉儿串儿最初是为了劝朋友戒酒而设计参考资料Flask官方文档https://flask.palletsprojects.com/原版SBTI测试https://sbti.unun.dev/提示本文所有代码均已在GitHub开源欢迎下载学习如有问题欢迎在评论区讨论。

相关文章:

SBTI打不开?手把手教你部署自己的人格测试(附源码链接)

网站打不开?部署自己的SBTI人格测试(附源码链接) 最近在B站刷到了一个很火的SBTI人格测试,觉得挺有意思的。作为一名开发者,我决定自己动手实现一个可以本地部署的版本。本文将带你从零开始,用Flask框架搭…...

Zemax多重结构仿真分光板的光路设计与优化

1. 分光板光路仿真的核心挑战 在光学系统设计中,分光板是实现光束分束的关键元件。传统单一路径仿真无法准确模拟分光板同时产生的透射和反射光路,这正是Zemax多重结构功能大显身手的地方。我曾在激光雷达接收端设计中,就遇到过需要同时分析分…...

告别云函数和自建域名:手把手教你用CDN和合法域名搭建CobaltStrike 4.9.1匿名基础设施

红队基础设施匿名化实战:基于CDN与合法域名的CobaltStrike 4.9.1架构设计 在攻防对抗的持续升级中,红队基础设施的隐蔽性与抗溯源能力已成为决定行动成败的关键因素。传统云函数方案虽然降低了部署门槛,但其高度标准化的流量特征和有限的配置…...

别再只用Entity了!Cesium性能优化实战:用Primitive实例化渲染1000个建筑模型

突破Cesium性能瓶颈:用Primitive实例化渲染千级建筑模型的实战指南 当数字孪生城市项目需要展示数千栋建筑时,Entity API的便捷性反而成为性能杀手——帧率骤降、交互卡顿成为常态。这并非Cesium引擎的极限,而是我们尚未掌握其底层渲染能力的…...

树莓派与PC间无线视频流传输:基于Python和OpenCV的实时图像处理方案

1. 项目背景与需求分析 当你用树莓派做自动驾驶小车或者远程监控项目时,最头疼的问题之一就是实时视频传输。传统SSH方式虽然能显示图像,但就像用老旧水管输水——流量一大就卡顿,连带机电控制也受影响。我去年做智能巡检机器人时就踩过这个坑…...

FPGA开发中通信协议与接口的选型策略与实战场景解析

1. FPGA通信协议与接口选型的核心考量因素 第一次接触FPGA通信选型时,我被各种协议参数搞得晕头转向。直到在工业控制项目中因为选错协议导致数据丢包,才真正理解"没有最好的协议,只有最合适的方案"这句话的含义。选型就像给不同性…...

G-Helper:拯救华硕笔记本性能的3个关键技巧与实战指南

G-Helper:拯救华硕笔记本性能的3个关键技巧与实战指南 【免费下载链接】g-helper Lightweight, open-source control tool for ASUS laptops and ROG Ally. Manage performance modes, fans, GPU, battery, and RGB lighting across Zephyrus, Flow, TUF, Strix, Sc…...

Dify平台上的LiuJuan20260223Zimage模型部署与优化

Dify平台上的LiuJuan20260223Zimage模型部署与优化 在当今AI应用快速发展的背景下,高效部署和优化模型成为很多开发者的实际需求。本文将分享在Dify平台上部署LiuJuan20260223Zimage模型的实践经验,帮助你在生产环境中获得更好的性能和稳定性。 1. 理解L…...

Verilog数组操作实战:从基础到高级赋值技巧

1. Verilog数组基础:从零开始理解硬件数据结构 第一次接触Verilog数组时,我完全被那些方括号搞晕了。直到在项目中真正用上数组,才发现它简直是硬件描述语言中的瑞士军刀。简单来说,Verilog数组就是一组整齐排列的数据盒子&#x…...

手把手教你用Simulink搭建二极管钳位型三电平SVPWM闭环系统(附模型下载)

从零构建三电平逆变器仿真:Simulink实战指南 在电力电子领域,三电平逆变器因其优异的谐波性能和效率优势,已成为中高压应用的首选拓扑。而二极管钳位型结构凭借其简单的实现方式,让工程师能够以较低成本获得高质量的输出波形。本文…...

、SEATA分布式事务——XA模式煞

MySQL 中的 count 三兄弟:效率大比拼! 一、快速结论(先看结论再看分析) 方式 作用 效率 一句话总结 count(*) 统计所有行数 最高 我是专业的!我为统计而生 count(1) 统计所有行数 同样高效 我是 count(*) 的马甲兄…...

STK11.2 实战:从三维空间到二维平面的卫星相对运动可视化分析

1. 为什么需要卫星相对运动可视化分析 在航天任务中,两颗或多颗卫星之间的相对运动关系分析是至关重要的。想象一下,你正在指挥一场太空芭蕾,需要确保每位舞者(卫星)都能在正确的时间出现在正确的位置,既不…...

时变分位数ΔCoVaR模型代码功能说明

时变动态分位数CoVaR、delta-CoVaR,分位数回归 △CoVaR测度 溢出效应 动态 Adrian2016基于分位数回归方法计算动态条件在险价值。 R语言代码,代码更换数据就能用,需要修改的地方都已标明,并且举例怎么修改 每一行代码都有注释&am…...

大模型SLA指标体系构建,从推理吞吐QPS、上下文长度衰减率到幻觉率基线校准的7维监控矩阵

第一章:大模型工程化服务等级协议SLA设计 2026奇点智能技术大会(https://ml-summit.org) 大模型工程化落地的核心挑战之一,在于将非确定性推理能力封装为可度量、可保障、可运维的生产级服务。SLA设计不再是传统API响应延迟与可用性的简单延伸&#xff…...

高效查询:C++二分查找在年龄统计中的应用实践

1. 为什么需要二分查找处理年龄统计? 最近在做一个学生管理系统时,遇到了一个很有意思的问题:系统里有10万名学生信息,需要频繁查询某个年龄段的起止位置。最开始我用的是最简单的线性查找,结果每次查询都要遍历整个数…...

拆穿名词诈骗!用大白话理解晦涩难懂的AI概念朔

1. 架构背景与演进动力 1.1 从单体到碎片化:.NET 的开源征程 在.NET Framework 时代,构建系统主要围绕 Windows 操作系统紧密集成,采用传统的封闭式开发模式。然而,随着.NET Core 的推出,微软开启了彻底的开源与跨平…...

5个实用技巧优化你的媒体元数据管理体验

5个实用技巧优化你的媒体元数据管理体验 【免费下载链接】jellyfin-plugin-metatube MetaTube Plugin for Jellyfin/Emby 项目地址: https://gitcode.com/gh_mirrors/je/jellyfin-plugin-metatube MetaTube是一款专为Jellyfin和Emby设计的开源插件,它通过自动…...

再次革新 .NET 的构建和发布方式(一)追

本文能帮你解决什么? 1. 搞懂FastAPI异步(async/await)到底在什么场景下能真正提升性能。 2. 掌握在FastAPI中正确使用多线程处理CPU密集型任务的方法。 3. 避开常见的坑(比如阻塞操作、数据库连接池耗尽、GIL限制)。 …...

Dify 1.3.1离线部署保姆级教程:手把手解决Docker镜像拉取失败问题

Dify 1.3.1离线部署全攻略:从镜像获取到故障排查的完整解决方案 在当今AI应用开发领域,Dify作为一款开源的LLM应用程序开发平台,正受到越来越多开发者的青睐。然而,在实际部署过程中,网络环境限制往往成为阻碍开发者快…...

从零备份到量产部署:RK3588文件系统迁移全流程指南(含Ubuntu/Debian/麒麟系统适配)

从零备份到量产部署:RK3588文件系统迁移全流程指南(含Ubuntu/Debian/麒麟系统适配) 1. 企业级文件系统迁移的核心挑战 在RK3588芯片组的量产部署中,文件系统迁移往往成为最耗时的环节。我曾亲历一个汽车电子项目,团队花…...

从领域驱动到本体论:AI 时代的架构方法论变了韵

从0构建WAV文件:读懂计算机文件的本质 虽然接触计算机有一段时间了,但是我的视野一直局限于一个较小的范围之内,往往只能看到于算法竞赛相关的内容,计算机各种文件在我看来十分复杂,认为构建他们并能达到目的是一件困难…...

Pixel Language Portal部署教程:Windows WSL2环境下Hunyuan-MT-7B运行指南

Pixel Language Portal部署教程:Windows WSL2环境下Hunyuan-MT-7B运行指南 1. 引言:开启你的像素翻译冒险 想象你正站在一个16-bit像素世界的传送门前,手中握着一把能打开33种语言大门的钥匙。这就是Pixel Language Portal(像素…...

美团面试:为什么要用分布式缓存?本地缓存呢?多级缓存一致性如何保证?创

从 UI 工程师到 AI 应用架构者 13 年前,我的工作是让按钮在 IE6 上对齐; 13 年后,我用 fetch-event-source 订阅大模型的“思维流”,用 OCR 解锁图片中的文字——前端,正在成为 AI 产品的第一道体验防线。 最近&#x…...

Unity新手必看:如何用Input系统实现FPS游戏的键盘鼠标控制(附完整代码)

Unity FPS游戏开发实战:Input系统高级控制与优化技巧 第一次在Unity中尝试制作FPS游戏时,我花了两天时间才让角色不再像喝醉酒一样摇晃行走。键盘和鼠标输入的微妙配合、视角旋转的平滑处理、不同设备间的控制切换——这些看似基础的功能背后藏着许多新手…...

前端性能排查实战:Chrome Network面板里Timing那7个阶段到底怎么看?

Chrome Network面板Timing分析实战:从指标到性能优化 页面加载缓慢时,Chrome DevTools的Network面板中的Timing指标就像犯罪现场的指纹,每个数字背后都隐藏着性能问题的真相。但面对Queueing、Stalled、TTFB这些专业术语,很多开发…...

MySQL在事务中如何实现串行化_使用select lock in share mode查询

SELECT ... LOCK IN SHARE MODE 只阻塞其他事务的 SELECT ... FOR UPDATE 和 UPDATE/DELETE,不阻塞普通 SELECT 或其他共享锁;它允许多个事务同时读,但无法防止并发修改,需配合排他锁或原子更新使用。SELECT ... LOCK IN SHARE MO…...

COMSOL环偶极子增强磁光克尔效应

comsol环偶极子增强磁光克尔效应最近在玩COMSOL模拟磁光克尔效应的时候,发现环偶极子结构对增强效果特别有意思。这玩意儿就像给光波装了个磁力放大器,咱们今天直接上干货,看看怎么用COMSOL玩转这个现象。先搞明白环偶极子怎么在模型里构建。…...

SQL复杂数据聚合_嵌套子查询与GROUP BY配合

GROUP BY后不可直接选择未分组且未聚合的字段,MySQL 5.7和严格模式PostgreSQL会报错1055;正确做法是用子查询、窗口函数或ANY_VALUE()(需确认组内无差异),并注意NULL处理、索引优化与语义边界。GROUP BY 后不能直接选未…...

运算放大器电流流向的3个常见误区,硬件工程师必看避坑指南

运算放大器电流流向的3个常见误区,硬件工程师必看避坑指南 在硬件电路设计中,运算放大器(Op-Amp)作为模拟电路的核心器件,其电流流向的理解直接影响电路性能与稳定性。然而,即使是经验丰富的工程师&#xf…...

从聊天到办公全能:Kimi AI的隐藏功能大揭秘(含Prompt优化技巧)

从聊天到办公全能:Kimi AI的隐藏功能大揭秘(含Prompt优化技巧) 在AI工具井喷式发展的今天,Kimi AI凭借其独特的多场景适应能力,正在重新定义"智能助手"的边界。这款最初以聊天功能进入大众视野的工具&#x…...