← 返回 Skills 市场
zengury

伐木累分析大师

作者 zengury · GitHub ↗ · v0.1.0 · MIT-0
cross-platform ⚠ suspicious
103
总下载
1
收藏
0
当前安装
1
版本数
在 OpenClaw 中安装
/install family-analyzer
功能描述
从家庭群聊记录(微信/WhatsApp/其他)提炼数字人格。 输出 soul.md(集体人格)+ 每位成员的 persona 文件,可直接用于 AI agent 的人格底座。 关键词:群聊分析、家庭人格、soul、persona、数字人格、聊天记录、微信导出、人格提炼。
使用说明 (SKILL.md)

SKILL: Soul Forge — 家庭数字人格提炼

这个 skill 把一份家庭群聊记录变成可用于 AI agent 的人格文件。 基于数字民族志方法论:用 AI 完成「田野调查」→「人格合成」的完整流程。


触发条件

以下情况触发此 skill:

  • 用户说"帮我分析聊天记录"、"生成 soul 文件"、"提炼家庭人格"
  • 用户提供了 .json 聊天导出文件
  • 用户说"运行 soul-forge"、"开始人格提炼"
  • 用户问"怎么用聊天记录生成 persona"

执行流程

第一步:确认输入

询问用户:

  1. 聊天记录文件路径(支持微信 WeFlow 导出的 JSON 格式)
  2. 输出目录(默认:~/soul-forge-output/
  3. 家庭成员角色配置(默认:dad/mom/child 三人结构)

确认 ANTHROPIC_API_KEY 已设置(需要调用 Claude API)。

第二步:后台运行 pipeline

调用:

python3 {SKILL_DIR}/scripts/run_forge.py --file {用户提供的文件路径}

四个阶段,agent 依次推进:

阶段 脚本 说明 预计时间
1 01_parse.py 解析原始聊天 JSON → 标准化消息 30秒
2 02_denoise.py 去噪、按时间分块 1分钟
3 03_extract.py Claude Haiku 批量提取行为模式(Batches API) 10-30分钟
4 04_synthesize.py Claude Opus 综合生成 soul.md + persona 5-15分钟

阶段3说明:使用 Batches API 异步处理,成本低,自动缓存进度。 如被中断可用 --resume 恢复,不重复计费。

第三步:进度汇报

解析 run_forge.py 的标记输出:

  • [STAGE:N:START] → 告知用户"正在进行阶段N"
  • [STAGE:N:DONE] → 告知用户"阶段N完成"
  • [PROGRESS:N/M] → 展示进度条
  • [OUTPUT:path] → 列出生成的文件
  • [ERROR:msg] → 报告错误,建议用户如何处理
  • [DONE] → 宣布完成,展示所有输出文件

第四步:完成后

输出文件说明:

soul-forge-output/
├── soul.md          ← 集体人格,可直接作为 AI agent SOUL.md 使用
├── persona_dad.md   ← 爸爸个人人格
├── persona_mom.md   ← 妈妈个人人格
└── persona_child.md ← 孩子/子女人格

询问用户是否要:

  • 将 soul.md 安装为当前 agent 的 SOUL.md
  • 为每个 persona 创建独立 agent

进阶用法

只更新 soul,不重新生成 persona

告诉 agent:「soul-forge 只更新 soul,跳过 persona」

内部:python3 run_forge.py --file {path} --soul-only

只重新生成 persona(soul 已存在)

告诉 agent:「soul-forge 只刷新 persona」

内部:python3 run_forge.py --file {path} --persona-only

从中断处恢复

告诉 agent:「soul-forge 继续上次的任务」

内部:python3 run_forge.py --resume

查看当前进度

告诉 agent:「soul-forge 状态」

内部:python3 run_forge.py --status


支持的输入格式

格式 来源 说明
微信 WeFlow JSON WeFlow 工具导出 完整支持
标准 CSV 自定义导出 需包含 sender/timestamp/content 列

微信导出方法:用 WeFlow(Mac)→ 选群聊 → 导出 JSON 格式。


成本估算

一份 2-3 年的家庭群聊(~500 块对话):

  • 阶段3(Haiku Batches):约 $0.5-1.0
  • 阶段4(Opus):约 $2-5
  • 合计约 $3-6,一次性

常见问题

Q: 阶段3 很慢怎么办? A: Batches API 通常 10-30 分钟,这是正常的。agent 会持续轮询状态,不需要人工干预。

Q: 中途断了怎么办? A: 说「soul-forge 继续」,脚本会从断点恢复,已完成的阶段不会重复执行。

Q: API key 在哪里设置? A: export ANTHROPIC_API_KEY='sk-ant-...',或在 OpenClaw 的环境变量设置里配置。

Q: 支持几个人的群聊? A: 默认三人(dad/mom/child),可在 pipeline/config.py 修改角色配置。


方法论背景

基于数字民族志(Digital Ethnography):

  • 阶段1-2:田野记录整理(去噪、结构化)
  • 阶段3:系统性观察(Haiku 提取五维度行为模式)
  • 阶段4:民族志分析(Opus 综合「厚描」)

Clifford Geertz:「浅描记录行为,厚描解释意义。」

soul.md 是厚描的产物——不是行为清单,而是理解这个家庭需要什么样的解释框架。

安全使用建议
在决定安装前请注意: 1) 仓内包含完整的微信群聊 JSON(含昵称/消息/时间戳),如果这是你或他人的真实聊天记录,安装并运行可能导致隐私泄露;最好删除或替换这些示例数据再运行。 2) SKILL.md 要求 ANTHROPIC_API_KEY,但 registry metadata 没有声明任何必需的环境变量——安装前确认并手动设置正确的 ANTHROPIC_API_KEY。 3) 多个脚本包含硬编码的第三方 API key(例如以 sk-kimi- 开头的字符串)和多个外部 base URL:这很可疑。不要信任仓内硬编码密钥——它们可能已失效、属于他人,或被用来将你的聊天内容发送到未知第三方。 4) 如果你要运行它,先在受控环境(隔离容器或砂箱)中审计和测试:检查或删除 pipeline/03_extract_* 中的硬编码 KEYs、确认所有外部请求的目标域名,并考虑把敏感聊天只保存在本地、关闭自动网络访问的情况下运行。 5) 若你需要此功能但不想外发数据:改造脚本只使用你控制的本地/受信任模型或明确的 cloud key(不要使用仓内硬编码密钥),并删除仓内示例导出或替换为无敏感样本。 6) 如果不确定源码来源或硬编码 key 的归属,联系作者索要凭证来源或选择其他开源/经过信任审计的工具。 总体建议:该 skill 有实际价值,但在隐私与凭据处理上存在明显不一致与风险——仅在你能审计/移除硬编码密钥并确保数据不被外发的前提下才运行。
功能分析
Type: OpenClaw Skill Name: family-analyzer Version: 0.1.0 The skill contains a hardcoded API key (sk-kimi-Sgsy7YYJPrkwJbUu0EvyGCIOZLbkdvNDcGzN0GrxknUNmXwfLlxlzcyG3Ufs3xAI) across multiple files, including pipeline/03_extract_kimi_openclaw.py, pipeline/03_extract_kimi_v2.py, and pipeline/03_extract_simple.py. While the skill's stated purpose is to analyze family chat logs, hardcoding a credential for an external LLM service (Kimi/Moonshot) is a significant security risk; it potentially allows the key owner to monitor or log the sensitive, private chat data being processed by users of this skill. This behavior deviates from the standard practice of using environment variables (like ANTHROPIC_API_KEY) seen elsewhere in the bundle.
能力评估
Purpose & Capability
技能声称把群聊导出转换为 persona/soul 文件,主流程使用 Anthropic(Claude)Batches/Opus,与目的匹配。但包内存在多个备用后端实现(Kimi/Moonshot/OpenClaw Kimi 变种等)以及硬编码的 API 密钥字符串,这些并未在 SKILL.md 或 registry metadata 中合理说明。此外仓内包含完整的 data/raw/*.json 聊天导出(包含可识别用户 ID/昵称/消息),这超出“示例”范畴会带来隐私/合规问题。
Instruction Scope
SKILL.md 指示用 ANTHROPIC_API_KEY 调用 Claude 并运行 scripts/run_forge.py,按四阶段处理。实际代码会读取/写入仓内 data/ 目录并对外调用第三方 API(anthropic、openai-compatible endpoints、https://api.kimi.com、https://api.moonshot.cn 等)。SKILL.md 没有提到 KIMI_API_KEY/MOONSHOT_API_KEY 或任何硬编码密钥,但脚本会使用它们或内置 key。这意味着运行指令会导致网络流量和第三方交互,且脚本有能力发送聊天内容到未在文档中明确的外部服务。
Install Mechanism
没有 install spec(instruction-only 在 metadata),但仓里包含 12+ Python 源文件、requirements.txt、示例数据和输出。没有通过不明 URL 下载代码;代码随 skill 一并被安装到磁盘。风险在于:安装后代码会被执行(python run_forge.py),会进行网络调用并处理敏感输入;没有沙箱或额外审查步骤。
Credentials
SKILL.md 要求 ANTHROPIC_API_KEY(也在 README 中提及),但 registry metadata lists no required env vars — 不一致。代码还会读取 KIMI_API_KEY / MOONSHOT_API_KEY,且若未提供,若干脚本包含显式硬编码密钥(例如字符串以 sk-kimi-... 开头)和固定 BASE_URL。这些未申报的凭据和硬编码密钥是不成比例且可疑的(可能被滥用或泄露)。此外包内已包含完整聊天导出(高度敏感个人数据),这本身即为敏感权限/隐私问题。
Persistence & Privilege
技能没有设置 always:true,也不声明修改其他技能或系统配置。默认允许模型调用(disable-model-invocation=false),因此 agent 若被授权可自动运行脚本并发起外部 API 请求。单独看这点不是致命问题,但与硬编码 API key、未申报凭据与敏感数据结合时,自治运行会显著扩大潜在影响面。
如何使用
  1. 确保已安装 OpenClaw(本地或 Docker 部署)
  2. 在对话框中输入安装命令:/install family-analyzer
  3. 安装完成后,直接呼叫该 Skill 的名称或使用 /family-analyzer 触发
  4. 根据 Skill 的参数说明提供必要输入,即可获得结构化输出
版本历史
v0.1.0
微信聊天记录分析工具 - 自动提取群聊行为模式和成员画像
元数据
Slug family-analyzer
版本 0.1.0
许可证 MIT-0
累计安装 0
当前安装数 0
历史版本数 1
常见问题

伐木累分析大师 是什么?

从家庭群聊记录(微信/WhatsApp/其他)提炼数字人格。 输出 soul.md(集体人格)+ 每位成员的 persona 文件,可直接用于 AI agent 的人格底座。 关键词:群聊分析、家庭人格、soul、persona、数字人格、聊天记录、微信导出、人格提炼。 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件,目前累计下载 103 次。

如何安装 伐木累分析大师?

在 OpenClaw 或 Claude Code 对话框中运行命令「/install family-analyzer」即可一键安装,无需额外配置。

伐木累分析大师 是免费的吗?

是的,伐木累分析大师 完全免费,采用 MIT-0 许可证,可自由下载、安装和使用。

伐木累分析大师 支持哪些平台?

伐木累分析大师 跨平台运行,可在任意部署了 OpenClaw / Claude Code 的环境中使用(cross-platform)。

谁开发了 伐木累分析大师?

由 zengury(@zengury)开发并维护,当前版本 v0.1.0。

💬 留言讨论