测评是 schema，不是问卷

从外面看，职业测评像一份带着观点的表格：几十道题、几个字母、一份 PDF。正是因为这种理解，大多数测评工具最终死在文件夹里——它们优化的是那份产物，而不是数据。

ProfileClaw 从相反的方向构建。测评是一个测量 schema，问卷只是它的界面。真正有趣的事情都发生在最后一道题之后——数据如何被结构化、版本化、供给。

测评是一种测量

以 RIASEC 为例。它不是六个字母，而是几十道已作答的题目收敛成六个维度分，每个分数带着由作答一致性与极端程度推导出的置信度。大五用五个因子对工作风格做同样的事；我们的价值观与技能测评又各是一张带独立计分方法的表。

具体地说：48 道已答题变成 6 个兴趣维度；四份测评的 22 个维度收敛成一份画像。题目只是采集机制——schema（维度、分数、置信度、版本）才是下游系统真正消费的东西。

三层，三种受众

最关键的设计决策是这个：原始作答、维度分数、叙事摘要，是三种不同的产品，作为独立的层分别存储与供给。

• 作答是证据地层——最敏感的一层，用于审计与重新计分，几乎不适合任何消费方；
• 分数是定量层——可比较、可排序、对机器友好；
• 摘要是叙事层——大多数 agent 和人真正想要的东西，且是可以直接引用的语言。

集成方读取的不是“这份数据”，而是某一个层。选哪个层，本身就是授权决策。教练可以被授予分数；问答 agent 拿到摘要；除非本人明确同意，谁也拿不到作答。

版本不是可选项

测评方法会改进。计分方法会重新校准，题目会打磨。如果你的中间层没有 schema 版本，那么每一次改进同时也是对历史的一次静默改写——昨天的结论，被明天的方法悄悄重新解释。

每一份 ProfileClaw 画像都带版本。当计分方法变化时，对旧作答重新计分是一个显式的、可见的动作——画像带着完整历史迁到新版本，绝不会被原地重新解释。任何下游都可以固定、比较或迁移。

置信度，否则等于没说

自陈数据有信号质量。一个作答前后不一的人，产出的和作答干净稳定的人是不同种类的真相，而把这种差异抹平的中间层是在用四舍五入撒谎。

所以置信度作为一等字段，与每个分数一同交付。读到“艺术型 0.84、置信度 0.81”的消费方可以相应地加权——或者追问，或者复核。没有置信度的数字会引来下游的过度自信；我们宁可把不确定性交出去，也不把它藏起来。

一个信封，两种传输

同一份画像，走 REST 和走 MCP 读到的形状一致。程序拿到 JSON；agent 客户端拿到原生工具。一个规范形状，没有各说各话的方言——对不同客户端说不同话的中间层不是中间层，是一个披着营销预算的兼容性问题。

问卷从来不是产品。它只是门。门后面那个 schema，才是让人类数据可以被 harness 真正依赖的东西。