任务编排
你更依赖连续完整的时间块，还是习惯让多个任务同时保持推进？
单线深潜一件一件做深
↔多线并行切换中推进
7A WORKSTYLE × PLACE MATCHING你不是一种元素，
你不是一种元素，
你有一套上班姿势。
沿着一个平平无奇的7A工作日，用11道情境题形成四维办公画像，再把连续分数翻译成空间需求，为每个人找到今天真正适合他的角落。
NOT A PERSONALITY JUDGEMENT
不是能力测评
不是能力测评
不问“你够不够专注”，
只问“你习惯怎样完成工作”。
01 BEHAVIOR MODEL四个维度，
四个维度，
组合成16种办公人格
每个维度都描述一种工作偏好，两端没有好坏。四个维度各取主要倾向，构成2⁴＝16型；同时保留0—100的连续分数用于精细匹配。
干扰阈值
经过、谈话和临时请求会明显消耗你，还是可以被你自然过滤？
刺激敏感需要保护注意力
↔环境耐受能在动静中工作
思考回路
你通常先在脑中形成答案，还是通过与人交谈逐渐把问题想清楚？
独自内化先想好再表达
↔对话激发边说边生成
空间策略
你喜欢经营一个稳定据点，还是根据任务阶段在不同空间之间移动？
驻点扎根固定位置更安心
↔游走切换换位置即换状态
为什么不用“忍耐力、专注力”？
它们带有能力高低。大家会本能选择“高忍耐、高专注”，答案容易失真。
行为偏好没有标准答案。单线和并行、敏感和耐扰，都能直接对应不同空间条件。
16种7A人格原型
点击任一形象，可载入对应的四维样本与一句人物注释
02 A DAY IN 7A跟着一天的动线，
跟着一天的动线，
选出真实的上班姿势
11道题依次经过推门上班、打工午饭、准备放学和上班狂想。每题直接四选一，不出现倾向A或倾向B。
示例结果已载入0 / 11
准备开始
点击左侧按钮开始测试；也可以先浏览16种7A人格，或直接体验后面的空间匹配。
选择原则回答“真实发生的我”
没有正确答案每一种上班姿势都成立
完成后自动更新人物与场景结果
蜓
蜻蜓队长
自主巡场裁判 · 并・耐・内・游
哪里有问题哪里就有他，先判断局势，再把自己派到现场。
四维连续值
类型清晰度 —形象是封面，分数才是引擎。 16个形象让结果更容易被记住；空间匹配始终使用完整连续值，而不是只看角色名称。
STABLE / 稳定画像蜻蜓队长四维行为分数，描述长期工作习惯。
＋
CONTEXT / 当下情境今日任务与时段今天需要专注、协调、创意，还是恢复？
＝
NEED / 空间需求八维共同坐标人物和场景终于可以被同一把尺比较。
03 PERSON × PLACE把办公人格，
把办公人格，
翻译成空间需求
角色名称不会直接匹配某个座位。四维分数先被翻译为八维空间需求，再叠加今日任务，与7A每个角落的空间供给进行比较。
TRANSLATION LAYER
四维的人，如何遇见八维的景？
例如“刺激敏感”会提高安静和包裹需求，“游走切换”会提高流动自由和空间变化需求，“对话激发”会提高社交可达性。每条映射都可以公开解释和调校。
单线深潜 ↑安静 · 办公支撑 ↑更需要连续时间块和完整桌面
刺激敏感 ↑包裹 · 安静 ↑降低经过、谈话和视觉干扰
对话激发 ↑社交 · 开放 ↑提高偶遇和随时交流的可能
游走切换 ↑流动 · 变化 ↑支持根据任务快速更换据点
章
PART 2 RESULT / 当前参与匹配的人物
你是 蜻蜓队长
自主巡场裁判：哪里有问题哪里就有他，先判断局势，再把自己派到现场。
→
PART 3 INPUT / 不是按角色名乱配四维分数已带入空间计算
系统先把人物分数转换为空间需求，再与每个角落逐项比较。
01 TODAY'S TASK / 今天要做什么
02 TIME / 什么时候去
LIVE RANKING
—7A场景排行
WHY THIS PLACE
需求 / 供给为什么推荐这里？
—综合契合度
—
—
人的今日需求场景实时供给
AI THE LEARNING LAYERAI不是算命，
AI不是算命，
而是让系统越用越懂人
透明规则先完成第一版匹配；AI负责从真实语言、空间图像和使用反馈中补充信息，让题目更少、空间更新更快、解释更像在说“我”。
UNDERSTAND理解人的真实表达从开放题、访谈和工作描述中识别行为信号，并动态选择最有区分度的下一题。
→
TRANSLATE理解空间的“值”从平面图、照片、传感器和人工标注中生成场景画像，并随人流和时段更新。
→
LEARN从选择结果中校准记录“推荐了哪里、去了没有、感觉如何”，逐步学习每个人真正重视的空间条件。
规则负责算得清
四维分型、八维场景、匹配权重全部可公开查看，避免AI像黑箱一样随口给答案。
AI负责看得懂、越用越准
它处理非结构化信息和个体反馈，不取代用户判断，也不把角色类型包装成心理诊断。