perkfly/ex-skill/ex-skill

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：

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

1. 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

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）：

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）：

python3 ${CLAUDE_SKILL_DIR}/tools/imessage_parser.py --direct --target "{phone_or_name}" --output /tmp/imessage_out.txt

短信：

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

方式 C：照片

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

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）：

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：

{
  "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：

---
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/{slug}/
触发词：/{slug}（完整版）
        /{slug}-memories（仅共同记忆）
        /{slug}-persona（仅人物性格）
 
如果用起来感觉哪里不对，直接说"她不会这样"，我来更新。

进化模式：追加文件

用户提供新文件或文本时：

1. 按 Step 2 的方式读取新内容
2. 用 Read 读取现有 exes/{slug}/memories.md 和 persona.md
3. 参考 ${CLAUDE_SKILL_DIR}/prompts/merger.md 分析增量内容
4. 存档当前版本（用 Bash）：

``bash python3 ${CLAUDE_SKILL_DIR}/tools/version_manager.py --action backup --slug {slug} --base-dir ./exes ``

1. 用 Edit 工具追加增量内容到对应文件
2. 重新生成 SKILL.md（合并最新 memories.md + persona.md）
3. 更新 meta.json 的 version 和 updated_at

进化模式：对话纠正

用户表达"不对"/"她不会这样"时：

1. 参考 ${CLAUDE_SKILL_DIR}/prompts/correction_handler.md 识别纠正内容
2. 判断属于 Memories（时间/地点/偏好）还是 Persona（性格/沟通）
3. 生成 correction 记录
4. 用 Edit 工具追加到对应文件的 ## Correction 记录 节
5. 重新生成 SKILL.md

管理命令

/list-exes：

python3 ${CLAUDE_SKILL_DIR}/tools/skill_writer.py --action list --base-dir ./exes

/ex-rollback {slug} {version}：

python3 ${CLAUDE_SKILL_DIR}/tools/version_manager.py --action rollback --slug {slug} --version {version} --base-dir ./exes

/delete-ex {slug}： 确认后执行：

rm -rf exes/{slug}

English Version

Ex.skill Creator (Claude Code Edition)

Trigger Conditions

Activate when the user says any of the following:

• /create-ex
• "Help me create an ex skill"
• "I want to distill an ex"
• "New ex"
• "Make a skill for XX"

Enter evolution mode when the user says:

• "I have new chat logs" / "append"
• "That's wrong" / "She wouldn't do that" / "She should be"
• /update-ex {slug}

List all generated exes when the user says /list-exes.

Tool Usage Rules

This Skill runs in the Claude Code environment with the following tools:

Base directory: Skill files are written to ./exes/{slug}/ (relative to the project directory). For a global path, use --base-dir ~/.openclaw/workspace/skills/exes.

Main Flow: Create a New Ex Skill

Step 1: Basic Info Collection (3 questions)

Refer to ${CLAUDE_SKILL_DIR}/prompts/intake.md for the question sequence. Only ask 3 questions:

1. Nickname / Codename (required)
2. Basic info (one sentence: how long together, how you met, how long since breakup, what she does)

• Example: together 3 years, college classmates, broke up 1 year ago, she's a designer

1. Personality profile (one sentence: MBTI, zodiac, attachment style, relationship traits, your impression)

• Example: ENFP Gemini anxious attachment, clingy, brings up old arguments, says she doesn't care but cares the most

Everything except the nickname can be skipped. Summarize and confirm before moving to the next step.

Step 2: Source Material Import

Ask the user how they'd like to provide materials:

How would you like to provide source materials?
 
  [A] WeChat Chat Logs
      Exported txt/html files (from WechatExporter or similar tools)
 
  [B] iMessage / SMS
      From Mac's chat.db or exported files
 
  [C] Photos
      Specify a folder, auto-extract timeline (EXIF metadata)
 
  [D] Social Media
      Weibo/Douban/Xiaohongshu/Instagram exports
 
  [E] Upload Files
      PDF / screenshots / any text
 
  [F] Paste Text
      Copy-paste text directly
 
Can mix and match, or skip entirely (generate from manual info only).

Option A: WeChat Chat Logs

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

Then Read /tmp/wechat_out.txt

Option B: iMessage / SMS

iMessage (macOS):

python3 ${CLAUDE_SKILL_DIR}/tools/imessage_parser.py --file {path} --target "{phone_or_name}" --output /tmp/imessage_out.txt

Direct access to local chat.db (requires Full Disk Access):

python3 ${CLAUDE_SKILL_DIR}/tools/imessage_parser.py --direct --target "{phone_or_name}" --output /tmp/imessage_out.txt

SMS:

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

Option C: Photos

python3 ${CLAUDE_SKILL_DIR}/tools/photo_analyzer.py --dir {photo_directory} --output /tmp/photo_timeline.txt

Then Read /tmp/photo_timeline.txt for the timeline.

Specific photo content can be viewed via the Read tool (Claude natively supports images).

Option D: Social Media

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

Option E: Upload Files

• PDF / Images: Read tool directly
• Markdown / TXT: Read tool directly

Option F: Paste Text

User-pasted content is used directly as text material. No tools needed.

If the user says "no files" or "skip", generate Skill from Step 1 manual info only.

Step 3: Analyze Source Material

Combine all collected materials and user-provided info, analyze along two tracks:

Track A (Memories Skill):

• Refer to ${CLAUDE_SKILL_DIR}/prompts/memories_analyzer.md for extraction dimensions
• Extract: relationship timeline, shared routines, preferences, conflict patterns, emotional dynamics

Track B (Persona):

• Refer to ${CLAUDE_SKILL_DIR}/prompts/persona_analyzer.md for extraction dimensions
• Translate user-provided tags into concrete behavior rules (see tag translation table)
• Extract from materials: communication style, emotional logic, relationship behavior