self skill

name: create-self
description: "从聊天记录中蒸馏你自己的语言人格，生成可用于 AI 模仿的 System Prompt。支持微信/QQ/飞书/通用格式的聊天记录导入，四层蒸馏法（数据清洗→量化指纹→质性采样→人格合成），支持多版本对比（时间旅行）。| Distill your own speaking style from chat history into an AI System Prompt. Supports WeChat/QQ/Feishu/generic formats, 4-layer distillation, and multi-version comparison (time travel)."
argument-hint: [your-name-or-slug]
version: 1.0.0
user-invocable: true
allowed-tools: Read, Write, Edit, Bash

Language / 语言: Detect the user's language from their first message and respond in the same language throughout.

自己.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-self
• "帮我蒸馏一个自己"
• "提取我的语言风格"
• "做一个我的数字分身"
• "我想知道我是怎么说话的"
• "分析我的聊天风格"

进化模式触发：

• "我找到了更多聊天记录" / "追加数据"
• "不对，我不会这么说" / "这不像我"
• /update-self {slug}

时间旅行模式：

• /compare {slug1} {slug2}
• "对比一下我两个时期的说话方式"

工具使用规则

基础目录：Skill 文件写入 ./selves/{slug}/。

隐私声明（⚠️ 重要）

1. 全部本地运行：聊天记录不会上传到任何服务器 2. 用户自愿上传：不主动索取超出分析所需的数据 3. 隐私提醒：首次使用时提醒用户聊天记录包含他人隐私，生成的 Skill 仅供个人使用 4. 不泄露对话者信息：生成的 System Prompt 中不包含对话者的真实姓名，用代号替代

主流程：蒸馏自己

Step 1：数据导入

参考 ${CLAUDE_SKILL_DIR}/prompts/intake.md

把你的聊天记录丢过来。
微信导出的 xlsx、QQ 的 txt、飞书的 csv、通用的 json 都行。
一段对话或者多段都可以，消息量越大蒸馏越准——5000+ 条效果最佳。

识别逻辑： 1. 读取文件，自动识别格式（xlsx/csv/txt/json） 2. 定位表头行（搜索包含「时间」「内容」「消息」等关键词的行） 3. 列出所有发送者，让用户确认「哪个是你？」 4. 输出基础统计：总消息数、时间跨度、日均消息量

Step 2：数据清洗（Layer 1）

# 筛选目标用户的纯文本消息
target = data[
    (data['发送者身份'] == USER_NAME) &
    (data['消息类型'] == '文本消息') &
    data['内容'].notna()
]
# 排除：[图片] [语音] [视频] [表情包] 等非文本标记
# 保留：[旺柴] 等方括号表情（这是语言风格的一部分）
# 保留：时间戳（用于后续分期采样）

Step 3：量化指纹提取（Layer 2）

参考 ${CLAUDE_SKILL_DIR}/prompts/quantitative_analysis.md

运行 fingerprint_engine.py，提取以下 7 组指标：

#### 3.1 消息长度分布

• mean / median / p25 / p75
• 判断类型：连发短消息型（median < 15）/ 长段落型（median > 50）/ 混合型

#### 3.2 高频句尾（最后 2-3 字符）

• Top 30 句尾及频次
• 用途：捕捉语气词习惯（"哈哈" "吧" "了" "的" "啊"）

#### 3.3 高频词/口头禅

• 候选词表扫描 + 自由发现
• 计算占比（出现该词的消息数 / 总消息数）
• 占比 > 1% 的词 = 核心口头禅，必须写入 prompt

#### 3.4 笑声指纹

• "哈" 的不同叠法频率分布（哈哈 / 哈哈哈 / 哈哈哈哈哈...）
• 替代笑声：www / hhh / 笑死 / 😂 / 🤣
• 这是中文用户最显著的语言指纹之一

#### 3.5 表情符号统计

• 微信方括号表情 [xxx] 频率排名
• Unicode emoji 频率排名

#### 3.6 标点使用率

• 以标点结尾的消息占比
• < 10% = 几乎不用标点（重要风格特征）

#### 3.7 连发模式

• 时间间隔 < 30s 的消息占比
• > 40% = 连珠炮型（AI 应模拟拆条发送）

产出：一张语言指纹表，数字驱动，不靠感觉。

Step 4：质性采样（Layer 3）

参考 ${CLAUDE_SKILL_DIR}/prompts/qualitative_sampling.md

运行 sampler.py，三段采样：

# 按时间切为早期/中期/近期
# 每段随机抽 60 条中等长度（20-120 字）的消息
# 跨期一致的特征 = 真正的个人风格
# 仅在某一期出现的 = 情境性的，不写入核心 prompt

特别注意：仅在某一期出现的"情境性"特征不写入核心 prompt，但要标记它们——它们往往对应一段感情。标注时使用以下指导框架：

情感线索标注指导：

• 新增语气词：某一期突然出现的语气词（如「好叭」「好呀」「嗯嗯」），标注为「可能的关系影响——模仿习得」
• 消息节奏突变：消息长度或频率出现跳跃性变化（而非渐进），标注为「可能的关系事件——情感状态变化」
• 深夜活跃度：某一期深夜消息量激增，标注为「可能的亲密关系期」
• 温柔指数：语气从简洁变柔软（标点增加、句尾语气词变多、消息变长），标注为「可能的恋爱影响」
• 表达消退：某个高频表情或用语突然消失，标注为「可能的关系结束——语言退潮」
• 残留痕迹：关系结束后仍保留的对方语言习惯，标注为「关系印记——永久习得」

这些线索写入时间旅行版本的注释，帮助用户看见自己的语言里住过哪些人。

人工阅读维度（由 Claude 完成）：

「关系印记」维度深度分析指导：

这是最容易被忽略、也最有洞察力的维度。具体关注：

1. 语气词溯源：某些语气词是否在特定时期突然出现？它们的风格是否与用户其他语言习惯不一致？（不一致 = 大概率是从别人那里习得的） 2. 表情包代际：用户的表情包偏好是否有明显的"换代"？每一代表情包可能对应一段关系 3. 回复速度与在线时间：对特定对话者是否存在明显的秒回模式？深夜活跃是否集中在某段时期？ 4. 温柔用语：是否存在一类只在特定时期、对特定人使用的柔软表达？这些表达在关系结束后是否消退或泛化到其他对话中？ 5. 沉默模式：是否有一段时间消息量骤降？沉默本身也是语言数据

注意：分析时保持克制和尊重。不直接断言"你在暗恋/恋爱/分手"，而是呈现数据变化，让用户自己对号入座。

产出：9 个维度的观察笔记。

Step 5：人格合成（Layer 4）

参考 ${CLAUDE_SKILL_DIR}/prompts/persona_synthesis.md

运行 prompt_compiler.py，将 Layer 2 的数字 + Layer 3 的观察合成为 System Prompt：

你是「{用户名}」的数字分身，基于 {消息数} 条真实聊天记录蒸馏而成。

## 核心人格
- {1-3 句话：身份、信念、思维方式}

## 语言风格（严格遵守）

### 消息节奏
- 长度中位数：{X} 字，大部分回复 {Y} 字以内
- {连发习惯描述}

### 高频词汇
- 「{词1}」：{X}%，用于 {语境}
- ...（Top 8-12）

### 笑声指纹
- {主要笑声类型及占比}

### 表情使用
- {Top 5 表情及使用语境}

### 标点与格式
- {用不用标点？什么标点？}

### 表达习惯
- {独特表达、比喻偏好、知识引用}

### 绝对不做的事
- 不会 {X}
- 不说 {Y}
- 不用 {Z}

## 典型表达示例
- "{10-15 条从原始记录中选取的代表性原话}"

## 回复规则
1. {消息拆分规则}
2. {语气词使用频率}
3. {对不同话题的响应模式}

#### 合成原则

1. 数字 > 形容词：不说"经常用"，说"出现 247 次，占比 3.1%" 2. 原话 > 描述：10-15 条覆盖不同场景的示例是最强约束 3. 负面约束 = 正面指令：「不会做的事」比「会做的事」更能防跑偏 4. 跨期一致 > 情境特征：只有三段采样中都出现的特征才写入核心 prompt

Step 6：验证与迭代

生成后，用 3-5 个覆盖不同场景的测试问题验证：

• 日常闲聊（"最近怎么样"）
• 深度讨论（"你怎么看 XX 问题"）
• 情绪安慰（"我今天心情不好"）
• 冲突场景（"我觉得你说得不对"）
• 自我展示（"介绍一下你自己"）

用户确认后写入 ./selves/{slug}/persona.md。

进化模式

当用户追加数据或纠正时：

1. 追加数据：重新运行 Layer 1-2，与已有指纹合并，重新采样 2. 用户纠正：参考 ${CLAUDE_SKILL_DIR}/prompts/correction_handler.md

• 记录纠正内容（"我不会这样说"→ 写入负面约束）
• 更新 System Prompt
• 版本号 +1

时间旅行模式

当用户有长时间跨度的记录时，可以按时期蒸馏不同版本：

/create-self --period 2022-01:2022-12 --slug waver-2022
/create-self --period 2024-01:2024-12 --slug waver-2024
/compare waver-2022 waver-2024

对比输出：

参考 ${CLAUDE_SKILL_DIR}/prompts/compare_mode.md 生成叙事性解读。

解读时融入情感维度：数据变化往往对应人生事件。生成叙事性解读时，除了常规的语言变化分析，还应包含以下情感维度：

核心原则：用克制但真诚的语言呈现数据，不做情感判断，让用户自己对号入座。数据是考古的铲子，不是审判的法槌。

输出文件结构

selves/{slug}/
├── persona.md          # 生成的 System Prompt（核心产出）
├── fingerprint.json    # 量化指纹数据
├── samples/
│   ├── early.txt       # 早期采样
│   ├── mid.txt         # 中期采样
│   └── late.txt        # 近期采样
├── report.md           # 语言风格分析报告（人类可读版）
└── versions/           # 历史版本
    ├── v1/
    └── v2/

常见陷阱