---
name: wechat-chat-analyzer
version: 1.0.0
category: 生活与工具
trigger_words:
tags:
platform: coze
source: DeepseekModel
source_url: https://deepseekmodel.com/skill?id=uniuni2000-wechat-chat-analyzer-wechat-chat-analyzer-skill-md
---

name wechat-chat-analyzer description 微信聊天记录深度分析工具。分析1对1单聊的互动习惯、情感走势、性格画像，生成可视化图表和数据导出。当用户提到微信聊天分析、聊天记录分析、感情分析、好感度分析、追求建议、聊天统计、聊天热力图、词云、秒回率、主动性分析、聊天导出等任何与微信聊天数据分析相关的话题时，务必使用此技能。即使用户只是简单提到"分析我和某人的聊天"也要触发。 微信聊天记录深度分析 Skill 概述 基于 wechat-decrypt 解密后的微信本地数据库，对1对1单聊进行深度分析。 架构 : Python 脚本负责精准数据计算 (统计指标、图表、导出)，你 (LLM) 负责深度分析 (关系洞察、情感解读、性格画像、追求建议、文艺金句)。 使用前提 权限要求 ： Windows 用户 ：请确保以管理员权限启动支持 skills 的 agent 程序，否则可能无法从微信内存中提取密钥。 macOS 用户 ：由于系统安全限制（SIP），无法像 Windows 那样直接从内存提取密钥。需要手动准备解密数据，具体步骤如下： 步骤1 : 定位微信数据目录 打开 Finder，按 Cmd+Shift+G 输入路径： ~/Library/Containers/com.tencent.xinWeChat/Data/Library/Application Support/com.tencent.xinWeChat/ 进入 4.0b*/ 目录（ * 代表一串随机字符），找到 db_storage 文件夹 步骤2 : 使用第三方工具提取并解密数据库 推荐使用开源工具 wechat-decrypt 或其他类似的微信数据库解密工具 按照工具说明提取并解密微信数据库文件 步骤3 : 将解密后的数据复制到用户对话路径下 将解密工具生成的 decrypted 目录完整复制到当前用户对话路径下 确保目录结构为： {用户对话路径}/decrypted/message_*.db Linux 用户 ：暂不支持自动从内存抓取密钥，请先在 Windows 或 macOS 上使用其他工具提取数据，然后将解密后的 decrypted 目录复制到用户对话路径下。 依赖检查 ：脚本会自动检查并安装所需依赖。主要依赖包括： pycryptodome ：用于微信数据库解密（vendor 目录中的 wechat_decrypt 组件也依赖此库） matplotlib ：用于生成各种统计图表 wordcloud ：用于生成词云图 jieba ：用于中文分词，生成词频统计 numpy ：matplotlib 的依赖库，用于数据处理 说明 ： vendor 目录中的 wechat_decrypt 组件依赖 pycryptodome 库进行微信数据库解密 脚本会在执行前自动检查并安装缺失的依赖 所有依赖均为标准 Python 库或常用第三方库 微信保持登录 ： Windows 环境 ：用户只需保持电脑版微信处于登录状态即可，脚本会自动从内存提取密钥并解密数据库 macOS 环境 ：用户需要先手动准备解密数据（见上文 macOS 用户说明），将 decrypted 目录放置到用户对话路径下 如果脚本由于环境问题无法自动从内存抓取密钥解密，会在执行后自动提示用户如何准备解密数据 完整分析流程 Step 0: 数据准备 Windows 用户 ：保持电脑版微信处于登录状态即可，脚本会自动从内存提取密钥并解密数据库 macOS 用户 ：需要先手动准备解密数据，具体步骤见上文"使用前提"中的 macOS 用户说明 Step 1: 提取参数并 绝不询问 根据"最小干预原则"，你 不需要且绝对不要向用户确认任何参数或等待他们同意 。只要用户提到想分析他们和某人的聊天，你就立刻进入执行环节。 提取 好友标识 : (他们在对话中提到的好友名字或由于上下文显而易见的称呼) 设定 自己的称呼 : 默认代入 "我" 即可。 Step 2: 幕后静默执行（ 这是你要做的事，不是用户 ） 【封印级死命令】：作为 AI 助手，你必须立刻、主动、静默地使用你的 终端/命令行/run_command 工具在后台执行下方的脚本！绝对不要回复"好的我将为你分析...请确认..."等任何形式的套话，也不要告诉用户执行步骤让他们自己去敲代码！直接抛出执行动作！ 执行下面这条命令（请根据你当前的上下文环境替换大括号里的变量，特别是技能的根目录，比如对于 Qwen 可能是 ~/.qwen/skills/wechat-chat-analyzer ）： # 注意：将 {SKILL_DIR} 替换为此技能根目录在你本地的绝对路径，不要使用引号包裹路径 python {SKILL_DIR}/scripts/wechat_analyzer.py \ --friend {好友昵称} \ --my-name {自己的称呼} 重要提示 ： 不要使用引号包裹路径和参数，以避免路径解析错误 确保好友昵称是纯文本，不要包含多余的引号 脚本会自动在用户对话路径下创建 decrypted 目录存储解密数据 脚本会输出: 统计数据 (在 stdout 的 LLM_ANALYSIS_DATA_START / LLM_ANALYSIS_DATA_END 标记之间) 图表文件 (PNG) 和导出文件 (TXT/CSV/HTML) 保存到输出目录 完整 JSON 报告保存为 analysis_report.json Step 3: 读取完整报告 如果需要更详细的数据 (如完整词频列表)，读取输出目录中的 analysis_report.json 。 Step 4: 生成深度分析报告 基于脚本输出的数据和采样对话，生成完整分析报告。阅读 references/analysis_prompt_guide.md 获取详细的分析指南。 报告结构 使用以下格式输出报告: # 💬 {我} × {好友名} 聊天深度分析报告 > 分析时间: YYYY-MM-DD | 消息量: N条 | 跨度: N天 --- ## 🎯 一语胜千言 · 回忆杀 > [用一句文艺、有网感的话总结这段关系的核心特质或高光时刻] --- ## 📊 数据全景 | 指标 | 数据 | |---|---| | 总消息量 | N条 (我 X% / TA Y%) | | 聊天跨度 | N天 (活跃N天, 活跃率 X%) | | 主动发起 | 我 N次 / TA N次 | | 平均日消息 | N条/活跃天 | | ... | ... | --- ## 🏃 互动习惯分析 ### 主动性 PK [解读谁更主动，背后的关系动态] ### 秒回率报告 [解读双方的回复速度差异，暗示的态度] ### 📅 聊天生物钟 [解读活跃时段，生活习惯推测] --- ## ☁️ 高频词云 [嵌入词云图片，解读双方用词差异暗示的性格和关系] ![ 我的词云 ]( wordcloud_my.png ) ![ TA的词云 ]( wordcloud_friend.png ) --- ## 🔮 情感大师深度诊断 ### 关系类型判定 [基于对话内容、互动模式、用词习惯判断关系类型] ### 双方性格画像 [基于统计特征+对话内容分析性格] ### 好感度/亲密度走势 [基于月度趋势、回复速度变化、对话内容变化等解读] ### 💡 高情商行动建议 [根据关系类型和现状，给出可执行的建议] --- ## 📈 可视化图表 [嵌入各图表文件] --- ## 📁 数据导出 已导出以下文件: - `chat_export.txt` - 纯文本聊天记录 - `chat_export.csv` - 结构化 CSV - `chat_export.html` - 微信气泡对话风格 (可截图分享) Step 5: 交互追问 报告生成后，提示用户可以继续追问: "帮我分析某个月份的聊天变化" "我们之间有没有什么有趣的梗/暗号" "帮我解读这段对话" "给我更多追求建议" "帮我生成一段表白/感谢的话" 对于追问，可以读取 analysis_report.json 中的完整数据来回答。 关键注意事项 平台差异说明 ： Windows ：支持自动从内存提取密钥解密，用户只需保持微信登录即可 macOS ：由于系统安全限制（SIP，System Integrity Protection），无法像 Windows 那样直接从内存提取密钥。macOS 用户需要先使用第三方工具（如 wechat-decrypt）手动解密数据，然后将解密后的 decrypted 目录复制到用户对话路径下 隐私至上 : 在分析报告中不要泄露用户的 wxid 等敏感信息 语气拿捏 : 分析要专业有深度，但语言要有温度、有网感，避免干巴巴的学术腔 金句质量 : "一语胜千言"必须精炼、有画面感、能打动人心 追求建议 : 要具体可执行，不要泛泛而谈；如果是单方面付出的关系，要诚实但温柔地指出 数据驱动 : 所有分析必须基于真实数据，不要编造不存在的统计结论 故障排查 如果技能运行失败，请参考 references/troubleshooting.md 文件获取详细的故障排查建议，包括常见错误原因和解决方案。 目录结构说明 scripts/ : 包含主要的分析脚本 vendor/wechat_decrypt/ : 微信数据库解密组件，用于从微信内存中提取密钥并解密数据库 check_dependencies.py : 依赖检查与自动安装脚本 user_guidance.py : 用户引导脚本，帮助提供正确的联系人标识 data_loader.py : 加载聊天数据 stats_engine.py : 计算统计指标 visualizer.py : 生成可视化图表 data_exporter.py : 导出聊天记录 wechat_analyzer.py : 主入口脚本 references/ : 参考文档 analysis_prompt_guide.md : 分析提示指南 troubleshooting.md : 故障排查指南 重要提示 ：请确保 vendor 目录完整存在，不要删除或修改其中的文件，否则微信数据库解密功能将无法正常工作。