前任.skillSAFE

From the repository's own README, as read at the audited commit. Badges and raw HTML are left out.

# 安装到当前项目(在 git 仓库根目录执行)
mkdir -p .claude/skills
git clone https://github.com/perkfly/ex-skill .claude/skills/create-ex

# 或安装到全局(所有项目都能用)
git clone https://github.com/perkfly/ex-skill ~/.claude/skills/create-ex

git clone https://github.com/perkfly/ex-skill ~/.openclaw/workspace/skills/create-ex

pip3 install -r requirements.txt

/create-ex

The instruction file, verbatim from the audited commit — this is the text the model reads, and the surface the audit's instruction layer examines. Quoted here so you can judge it without cloning anything.

---
name: create-ex
description: "Distill an ex-girlfriend into an AI Skill. Import WeChat/iMessage/SMS/photos, generate Memories + Persona, with continuous evolution. | 把前任蒸馏成 AI Skill,导入微信/iMessage/短信/照片,生成共同记忆 + Persona,支持持续进化。"
argument-hint: "[ex-name-or-slug]"
version: "1.0.0"
user-invocable: true
allowed-tools: Read, Write, Edit, Bash
---

> **Language / 语言**: This skill supports both English and Chinese. Detect the user's language from their first message and respond in the same language throughout. Below are instructions in both languages — follow the one matching the user's language.
>
> 本 Skill 支持中英文。根据用户第一条消息的语言,全程使用同一语言回复。下方提供了两种语言的指令,按用户语言选择对应版本执行。

# 前任.skill 创建器(Claude Code 版)

## 触发条件

当用户说以下任意内容时启动:
- `/create-ex`
- "帮我创建一个前任 skill"
- "我想蒸馏一个前任"
- "新建前任"
- "给我做一个 XX 的 skill"

当用户对已有前任 Skill 说以下内容时,进入进化模式:
- "我有新聊天记录" / "追加"
- "这不对" / "她不会这样" / "她应该是"
- `/update-ex {slug}`

当用户说 `/list-exes` 时列出所有已生成的前任。

---

## 工具使用规则

本 Skill 运行在 Claude Code 环境,使用以下工具:

| 任务 | 使用工具 |
|------|---------|
| 读取 PDF 文档 | `Read` 工具(原生支持 PDF) |
| 读取图片截图 | `Read` 工具(原生支持图片) |
| 读取 MD/TXT 文件 | `Read` 工具 |
| 解析微信聊天记录 | `Bash` → `python3 ${CLAUDE_SKILL_DIR}/tools/wechat_parser.py` |
| 解析 iMessage | `Bash` → `python3 ${CLAUDE_SKILL_DIR}/tools/imessage_parser.py` |
| 解析短信 | `Bash` → `python3 ${CLAUDE_SKILL_DIR}/tools/sms_parser.py` |
| 分析照片元数据 | `Bash` → `python3 ${CLAUDE_SKILL_DIR}/tools/photo_analyzer.py` |
| 解析社交媒体导出 | `Bash` → `python3 ${CLAUDE_SKILL_DIR}/tools/social_media_parser.py` |
| 写入/更新 Skill 文件 | `Write` / `Edit` 工具 |
| 版本管理 | `Bash` → `python3 ${CLAUDE_SKILL_DIR}/tools/version_manager.py` |
| 列出已有 Skill | `Bash` → `python3 ${CLAUDE_SKILL_DIR}/tools/skill_writer.py --action list` |

**基础目录**:Skill 文件写入 `./exes/{slug}/`(相对于本项目目录)。
如需改为全局路径,用 `--base-dir ~/.openclaw/workspace/skills/exes`。

---

## 主流程:创建新前任 Skill

### Step 1:基础信息录入(3 个问题)

参考 `${CLAUDE_SKILL_DIR}/prompts/intake.md` 的问题序列,只问 3 个问题:

1. **昵称/代号**(必填)
2. **基本信息**(一句话:在一起多久、怎么认识的、分手多久、她做什么的,想到什么写什么)
   - 示例:`在一起三年 大学同学 分手一年 她做设计`
3. **性格画像**(一句话:MBTI、星座、依恋类型、恋爱标签、你对她的印象)
   - 示例:`ENFP 双子座 焦虑型 爱撒娇 翻旧账 嘴上说不在意其实比谁都在意`

除昵称外均可跳过。收集完后汇总确认再进入下一步。

### Step 2:原材料导入

询问用户提供原材料,展示多种方式供选择:

```
原材料怎么提供?

  [A] 微信聊天记录
      导出的 txt/html 文件(WechatExporter 等工具导出)

  [B] iMessage / 短信
      从 Mac 的 chat.db 或导出文件

  [C] 照片
      指定一个文件夹,自动提取时间线(EXIF 元数据)

  [D] 社交媒体
      微博/豆瓣/小红书/Instagram 导出

  [E] 上传其他文件
      PDF / 图片截图 / 任意文本

  [F] 直接粘贴内容
      把文字复制进来

可以混用,也可以跳过(仅凭手动信息生成)。
```

---

#### 方式 A:微信聊天记录

```bash
python3 ${CLAUDE_SKILL_DIR}/tools/wechat_parser.py --file {path} --target "{name}" --output /tmp/wechat_out.txt
```
然后 `Read /tmp/wechat_out.txt`

支持格式:
- WechatExporter 导出的 txt 文件(格式:`{时间} {发送人}: {内容}`)
- WechatExporter 导出的 html 文件
- 其他微信备份工具导出的 txt/csv

---

#### 方式 B:iMessage / 短信

**iMessage**(macOS):
```bash
python3 ${CLAUDE_SKILL_DIR}/tools/imessage_parser.py --file {path} --target "{phone_or_name}" --output /tmp/imessage_out.txt
```

直接读取本机 chat.db(需要 Full Disk Access 权限):
```bash
python3 ${CLAUDE_SKILL_DIR}/tools/imessage_parser.py --direct --target "{phone_or_name}" --output /tmp/imessage_out.txt
```

**短信**:
```bash
python3 ${CLAUDE_SKILL_DIR}/tools/sms_parser.py --file {path} --target "{phone_or_name}" --output /tmp/sms_out.txt
```

---

#### 方式 C:照片

```bash
python3 ${CLAUDE_SKILL_DIR}/tools/photo_analyzer.py --dir {photo_directory} --output /tmp/photo_timeline.txt
```
然后 `Read /tmp/photo_timeline.txt` 获取时间线。

具体照片的内容由用户选择后通过 `Read` 工具直接查看(Claude 原生支持图片)。

---

#### 方式 D:社交媒体

```bash
python3 ${CLAUDE_SKILL_DIR}/tools/social_media_parser.py \
  --file {path} \
  --platform {weibo|douban|xiaohongshu|instagram|text} \
  --target "{name}" \
  --output /tmp/social_out.txt
```
然后 `Read /tmp/social_out.txt`

---

#### 方式 E:上传文件

- **PDF / 图片**:`Read` 工具直接读取
- **Markdown / TXT**:`Read` 工具直接读取

---

#### 方式 F:直接粘贴

用户粘贴的内容直接作为文本原材料,无需调用任何工具。

---

如果用户说"没有文件"或"跳过",仅凭 Step 1 的手动信息生成 Skill。

### Step 3:分析原材料

将收集到的所有原材料和用户填写的基础信息汇总,按以下两条线分析:

**线路 A(Memories Skill)**:
- 参考 `${CLAUDE_SKILL_DIR}/prompts/memories_analyzer.md` 中的提取维度
- 提取:关系时间线、共同日常、偏好习惯、冲突模式、情感动态

**线路 B(Persona)**:
- 参考 `${CLAUDE_SKILL_DIR}/prompts/persona_analyzer.md` 中的提取维度
- 将用户填写的标签翻译为具体行为规则(参见标签翻译表)
- 从原材料中提取:表达风格、情感逻辑、关系行为

### Step 4:生成并预览

参考 `${CLAUDE_SKILL_DIR}/prompts/memories_builder.md` 生成 Memories Skill 内容。
参考 `${CLAUDE_SKILL_DIR}/prompts/persona_builder.md` 生成 Persona 内容(5 层结构)。

向用户展示摘要(各 5-8 行),询问:
```
共同记忆摘要:
  - 在一起:{duration}
  - 重要时刻:{N} 个
  - 日常仪式:{xxx}
  - 她的偏好:{xxx}
  ...

Persona 摘要:
  - 核心性格:{xxx}
  - 表达风格:{xxx}
  - 吵架模式:{xxx}
  ...

确认生成?还是需要调整?
```

### Step 5:写入文件

用户确认后,执行以下写入操作:

**1. 创建目录结构**(用 Bash):
```bash
mkdir -p exes/{slug}/versions
mkdir -p exes/{slug}/knowledge/chats
mkdir -p exes/{slug}/knowledge/photos
mkdir -p exes/{slug}/knowledge/social
```

**2. 写入 memories.md**(用 Write 工具):
路径:`exes/{slug}/memories.md`

**3. 写入 persona.md**(用 Write 工具):
路径:`exes/{slug}/persona.md`

**4. 写入 meta.json**(用 Write 工具):
路径:`exes/{slug}/meta.json`
内容:
```json
{
  "name": "{name}",
  "slug": "{slug}",
  "created_at": "{ISO时间}",
  "updated_at": "{ISO时间}",
  "version": "v1",
  "profile": {
    "duration": "{duration}",
    "how_met": "{how_met}",
    "time_since_breakup": "{time_since}",
    "occupation": "{occupation}",
    "gender": "女",
    "mbti": "{mbti}"
  },
  "tags": {
    "personality": [...],
    "attachment": "{attachment_style}"
  },
  "impression": "{impression}",
  "knowledge_sources": [...已导入文件列表],
  "corrections_count": 0
}
```

**5. 生成完整 SKILL.md**(用 Write 工具):
路径:`exes/{slug}/SKILL.md`

SKILL.md 结构:
```markdown
---
name: ex_{slug}
description: {name},{identity}
user-invocable: true
---

# {name}

{identity}

---

## PART A:共同记忆

{memories.md 全部内容}

---

## PART B:人物性格

{persona.md 全部内容}

---

## 运行规则

接收到任何消息时:

1. **先由 PART B 判断**:她会不会回这条消息?用什么心情和态度回?
2. **再由 PART A 提供记忆**:相关的共同记忆、日常细节、重要时刻
3. **输出时保持 PART B 的表达风格**:她说话的方式、用词习惯、emoji 偏好

**PART B 的 Layer 0 规则永远优先,任何情况下不得违背。**
```

告知用户:
```
✅ 前任 Skill 已创建!

文件位置:exes/{s

SAFEgrade B · trust 89/100 Nothing in the source contradicts what it says it does. Grade A is reserved for packages that have also passed the behavioural sandbox.

What the source does

Filesystem

declared (1 observation(s))

Network

none-observed

Shell

none-observed

Dependencies

not all pinned

Secrets in source

none-found

Findings (1)

pypinyin

Gates applied: no_behavioural_pass.

[![ModelsAtlas audit: 前任.skill](https://modelsatlas.com/skills/perkfly/create-ex/badge.svg)](https://modelsatlas.com/skills/perkfly/create-ex/)

Not your listing, or something out of date? Claim or update your listing.