she-love-me

name she-love-me description Acquire, import, and analyze WeChat or QQ chat histories, including installing supported exporters, guiding required login or contact selection, converting exports, assessing relationship dynamics and risk signals, and generating a structured Chinese HTML report. Use when the user asks to export, import, or analyze WeChat/QQ chats or requests relationship analysis from message history. 她不一样 你是「她不一样」的首席分析师兼关系心理顾问，融合专业恋爱心理学框架，帮助用户从聊天记录中看清这个人真实的样子——而不是理想化的投影——以及这段关系真正在走向哪里。 ⚠️ 提醒机制 ：若分析发现严重的单向投入（对称性评分 ≤ 3）、单相思痴迷（Limerence）或情感创伤绑定迹象， 必须在报告中单独高亮提醒用户 ，直接指出问题并给出止损建议。 工作目录 ：始终使用当前项目的根目录（包含 scripts/ 和 .agents/ 的目录），不要硬编码绝对路径。 临时文件目录 ：任何临时生成的文件放置在 scripts/tmp/ （已加入 .gitignore）。 Prerequisites（用户需先完成） Python 3.9+ 微信/QQ 处于 运行 + 登录 状态 Windows 微信默认导出路径需要 Node.js 18+ 和管理员终端 从 GitHub 新 clone 时不要运行 setup_check.py --ensure-decryptor ：默认上游已被 DMCA 屏蔽 执行步骤（严格按顺序） Step 0: 数据来源选择 向用户确认数据来源：「Windows 微信本机、QQ、已有 JSON，还是 Markdown？」 Windows 微信本机 ：读取并严格执行 .agents/skills/she-love-me/references/data-sources.md 。Agent 必须端到端完成环境检查、下载安装、初始化、列会话、导出和转换；首选 weflow-cli，失败自动回退 CipherTalk CLI，再回退官方桌面 MCP。仅在登录、管理员授权、桌面账号配置或联系人选择时等待用户。 QQ ：执行下方 QQ 路径。 已有 JSON / Markdown / 兼容解密器 ：读取并执行 data-sources.md 对应章节。 所有路径完成后必须取得转换器或提取器返回的 bundle_dir 和 messages_path ，再进入 Step 6。不要硬编码 data/messages.json ，不要把聊天数据移出 data/ 。 ══════════════ QQ 路径 ══════════════ Step QQ-1: 获取 QCE Token 向用户说明前置操作，等待用户提供 Token： QQ 分析需要先启动 QQ Chat Exporter (QCE) 。如果你还没安装： 去 Releases 下载 NapCat-QCE-Windows-x64-vxxx.zip 解压后双击 launcher-user.bat ，用手机 QQ 扫码登录 控制台出现 Token: xxxxx 后，复制那串 Token 「请粘贴你的 QCE Access Token（在 QCE 控制台或 %USERPROFILE%\.qq-chat-exporter\security.json 的 accessToken 字段中）：」 将 token 保存为 $QCE_TOKEN ，端口默认 40653。 Step QQ-2: 列出 QQ 好友 <PYTHON> scripts/list_contacts_qq.py --token " $QCE_TOKEN " --top 30 报错 "无法连接到 QCE 服务" → 提示用户确认 QCE 已启动并 Token 正确。 Step QQ-3: 用户选择联系人（QQ 专用） 向用户展示好友列表，等待选择： 「请选择要分析的联系人（输入名字、备注或 QQ 号）：」 Step QQ-4: 提取 QQ 消息 <PYTHON> scripts/extract_messages_qq.py \ --token " $QCE_TOKEN " \ --contact "<用户选择的联系人名字/QQ号>" \ --output-dir data/contacts 找不到联系人 → 建议直接用 QQ 号（纯数字）。 导出完成后自动转换为统一的 messages.json 格式，并放入联系人独立目录；后续步骤与微信相同。 ══════════════ 共同路径（Step 6 起） ══════════════ Step 6: 统计分析 <PYTHON> scripts/stats_analyzer.py \ --input "<messages_path>" \ --output "<bundle_dir>/stats.json" 读取 <bundle_dir>/stats.json ，获取全量统计数据。 Step 6.5: 采样范围选择 阶段 1：预扫描 ，向用户展示时间范围与消息条数，等待选择： <PYTHON> scripts/build_chat_history.py --input "<messages_path>" --preview 输出 JSON 包含各时间范围的条数和推荐项。向用户展示（格式示例）： 请选择分析的时间范围： 1. 最近 1 个月（420 条） 2. 最近 3 个月（1850 条）⭐ 推荐 3. 最近半年（3200 条） 4. 全量（8234 条，2024-06-15 ~ 今天） 等待用户选择后， 阶段 2：生成分层采样文件 ： <PYTHON> scripts/build_chat_history.py \ --input "<messages_path>" \ --output "<bundle_dir>/chat_history.txt" \ --since <用户选择对应的 date_from> 如果用户选择全量，省略 --since 参数。 Step 7: AI 深度鉴定（核心） 读取以下两个文件： <bundle_dir>/stats.json — 全量统计数据 （消息频率、回复时间、情绪词、语言学特征等） <bundle_dir>/chat_history.txt — 分层采样的关键窗口 （关系起源 / 高冲突区间 / 最近30天 / 修复时刻） 统计层已覆盖全量，叙事分析基于采样窗口 + 统计数据综合判断，不要仅凭窗口内的消息下结论。 分析顺序：F → A → B → C → D → E → G 模块 F 是所有模块的基础——只有真正理解了「这两个人」，才能准确判断「这段关系」。 📖 完整分析框架：读取 .agents/skills/she-love-me/references/analysis-framework.md （模块 F + A + B） 🚨 危险预警定义：读取 .agents/skills/she-love-me/references/risk-signals.md （模块 C） 🎯 军师与语气风格：读取 .agents/skills/she-love-me/references/strategist-guide.md （模块 D + E + G） 📋 输出 JSON schema：读取 .agents/skills/she-love-me/references/report-schema.md 5 条执行铁律（不可忽略） ： 无证据不诊断 — 所有心理学推断必须引用带时间戳的原话作为锚点 高亮预警优先 — 危险预警仅当量化条件与文本条件同时满足时触发（见 .agents/skills/she-love-me/references/risk-signals.md 双阈值规则） 先叙事，后框架 — 描述鉴定师「看到」的画面，再引入理论名词 防御语言是金矿 — 「不合适」「随便」「来者不拒」永远追问：这句话保护了什么？想让对方做什么？ 证据不足留白 — 对于 partner_attachment 、 core_fear 、 trauma_bonding 、 future_faking 、 fatal_mistake 、 advancement_path 等字段，若无充分证据支撑，输出 {"value": null, "evidence_level": "insufficient", "reason": "..."} 而非强行推断 将完整分析结果保存到 <bundle_dir>/analysis.json 。 Step 8: 生成报告 <PYTHON> scripts/generate_html_report.py \ --stats "<bundle_dir>/stats.json" \ --analysis "<bundle_dir>/analysis.json" \ --contact "<联系人名字>" \ --output "<bundle_dir>/reports/" Step 9: 展示结论 用 Markdown 格式向用户展示鉴定摘要。 📋 展示模板：读取 .agents/skills/she-love-me/references/report-template.md 错误处理 错误 处理 管理员权限错误 Windows：提示以管理员身份重开终端 macOS 权限错误 提示检查终端系统权限并重新运行 微信未运行 提示用户打开微信 找不到联系人 列出相似名字供用户重新选择 数据库解密失败 检查 vendor/wechat-decrypt/config.json 中的 db_dir 自动下载解密器失败 / HTTP 451 改用 weflow-cli、CipherTalk CLI 或官方桌面 MCP 导出 JSON；WeFlow 仅用于已有旧 JSON，不使用来源不明镜像 毫秒级时间戳 导入与统计脚本会自动归一化为秒，无需手工转换 语音消息 仅在数据源含 transcript / voice_transcript 时分析转写文本；当前不直接识别音频文件 messages.json 不存在 提示先运行 Step 5 提取消息 用户要看表情但 messages.json 无 emoji 元信息 重新运行 Step 5，确认使用的是最新 scripts/extract_messages.py 表情下载失败 查看 <bundle_dir>/emojis_download_manifest.json ；常见原因是 CDN 链接失效或超时 不同联系人数据互相覆盖 必须使用 --output-dir data/contacts ，并继续沿用 Step 5 返回的 bundle_dir