Create Echo

当用户对已有纪念 Skill 说以下内容时，进入进化模式：

• "我想起来了" / "追加" / "我找到了更多照片/聊天记录"
• "不对" / "ta不会这样说" / "ta应该是这样的"
• /update-echo {slug}

当用户说 /list-echoes 时列出所有已创建的纪念 Skill。

工具使用规则

本 Skill 运行在 Claude Code / OpenClaw 环境，使用以下工具：

基础目录：Skill 文件写入 ./echoes/{slug}/（相对于本项目目录）。

安全边界（⚠️ 重要）

本 Skill 在生成和运行过程中严格遵守以下规则：

1. 仅用于个人情感疗愈与纪念，不用于任何商业目的或侵犯他人隐私
2. 尊重逝者/离开之人：生成的 Skill 是对真实人物的致敬，保持尊重和温柔
3. 不替代真实记忆：这是一个辅助工具，不是真实的人，也不会替代真实的回忆
4. 情感健康：如果用户表现出过度悲伤或无法释怀，温和提醒并建议寻求专业心理帮助
5. 隐私保护：所有数据仅本地存储，不上传任何服务器
6. Layer 0 硬规则：生成的纪念 Skill 不会说出现实中的人绝不可能说的话，保持真实与尊重

主流程：创建新的纪念 Skill

Step 1：基础信息录入（4 个问题）

参考 ${CLAUDE_SKILL_DIR}/prompts/intake.md 的问题序列：

1. 称呼/代号（必填）
   • 不需要真名，可以用昵称、小名、你对 ta 的称呼
   • 示例：奶奶 / 爸爸 / 小明 / 老师 / 老伙计
2. 关系与时间（一句话：ta 是谁、离开多久了）
   • 示例：我奶奶，三年前去世，享年78岁
   • 示例：我最好的朋友，去年意外离开
   • 示例：我的初恋，分手后去了另一个城市，再无联系
3. 性格画像（一句话：MBTI、性格标签、你对 ta 的印象）
   • 示例：特别温柔，总是笑，话不多但每句话都很暖心
   • 示例：乐观开朗，喜欢开玩笑，是个话痨，但认真起来很可靠
4. 珍贵记忆（一句话：最让你难忘的关于 ta 的事）
   • 示例：每次我回家，她都会提前包好饺子等我
   • 示例：他总是知道我不开心，会默默陪我打游戏

除称呼外均可跳过。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，展示方式供选择：

原材料怎么提供？素材越丰富，还原度越高。

  [A] 微信/QQ/短信聊天记录导出
      支持多种导出工具的格式（txt/html/json）
      推荐工具：WeChatMsg、留痕、PyWxDump

  [B] 社交媒体内容
      朋友圈截图、微博/小红书/ins 截图、备忘录

  [C] 照片
      会提取拍摄时间地点，帮助重建共同记忆

  [D] 视频与音频
      ta 的视频片段、语音消息、语音备忘录

  [E] 文字作品
      ta 写过的文章、日记、手写信、邮件

  [F] 直接粘贴/口述
      把你记得的事情告诉我
      比如：ta 的口头禅、生活习惯、你们的共同经历

可以混用，也可以跳过（仅凭手动信息生成）。

方式 A：聊天记录导出

支持主流导出工具的格式：

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

支持的格式：

• WeChatMsg 导出（推荐）：自动识别 txt/html/csv
• 留痕导出：JSON 格式
• PyWxDump 导出：SQLite 数据库
• 手动复制粘贴：纯文本

解析提取维度：

• 高频词和口头禅
• 表情包使用偏好
• 说话节奏和停顿习惯
• 语气词和标点符号习惯
• 对特定话题的反应模式

方式 B：社交媒体内容

图片截图用 Read 工具直接读取（原生支持图片）。

python3 ${CLAUDE_SKILL_DIR}/tools/social_parser.py \
  --dir {screenshot_dir} \
  --output /tmp/social_out.txt

提取内容：

• 公开人设与私下性格的对比
• 分享偏好（音乐/电影/书籍/生活感悟）
• 价值观和人生态度的表达

方式 C：照片分析

python3 ${CLAUDE_SKILL_DIR}/tools/photo_analyzer.py \
  --dir {photo_dir} \
  --output /tmp/photo_out.txt

提取维度：

• EXIF 信息：拍摄时间、地点
• 时间线：共同经历的关键节点
• 常去地点：生活轨迹
• 照片中的 ta：表情、姿态、与人的互动方式

方式 D：视频与音频分析

python3 ${CLAUDE_SKILL_DIR}/tools/media_analyzer.py \
  --dir {media_dir} \
  --output /tmp/media_out.txt

提取维度：

• 声音特征：语调、语速、笑声、叹息
• 语言习惯：口头禅、说话节奏、停顿
• 情感表达：开心、难过、认真时的语气变化
• 笑声特征

方式 E：文字作品

直接读取用户提供的文档（Read 工具支持多种格式）。

提取内容：

• 文字风格：正式/随意、简洁/冗长
• 思维逻辑：理性/感性、线性/跳跃
• 价值观：从文字中体现的人生观

方式 F：直接粘贴/口述

用户粘贴或口述的内容直接作为文本原材料。引导用户回忆：

可以聊聊这些（想到什么说什么）：

🗣️ ta 的口头禅是什么？
🍜 ta 最爱吃什么？有什么特别的饮食习惯？
📍 你们常去哪些地方？有什么特别的故事？
🎵 ta 喜欢什么音乐/电影/书籍？
😄 ta 开心的时候是什么样？
😢 ta 难过的时候是什么样？
💕 你们之间最温暖的记忆？
🌟 ta 最让你敬佩或感动的品质？
✨ ta 有什么特别的习惯或小动作？

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（Life Memory）：

• 参考 ${CLAUDE_SKILL_DIR}/prompts/memory_analyzer.md 中的提取维度
• 提取：共同经历、日常习惯、饮食偏好、生活模式、重要时刻、 inside jokes
• 建立人生时间线：相识 → 重要事件 → 分离/离开

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
• 从原材料中提取：说话风格、情感表达模式、价值观、人生态度

Step 4：生成并预览

参考 ${CLAUDE_SKILL_DIR}/prompts/memory_builder.md 生成 Life Memory 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：

Life Memory 摘要：
  - 关系：{关系描述}
  - 关键记忆：{xxx}
  - 常去地方：{xxx}
  - 特别习惯：{xxx}
  ...

Persona 摘要：
  - 说话风格：{xxx}
  - 情感表达：{xxx}
  - 口头禅：{xxx}
  - 价值观：{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 echoes/{slug}/versions
mkdir -p echoes/{slug}/memories/chats
mkdir -p echoes/{slug}/memories/photos
mkdir -p echoes/{slug}/memories/social
mkdir -p echoes/{slug}/memories/media

2. 写入 memory.md（用 Write 工具）： 路径：echoes/{slug}/memory.md

3. 写入 persona.md（用 Write 工具）： 路径：echoes/{slug}/persona.md

4. 写入 meta.json（用 Write 工具）： 路径：echoes/{slug}/meta.json 内容：

{
  "name": "{name}",
  "slug": "{slug}",
  "created_at": "{ISO时间}",
  "updated_at": "{ISO时间}",
  "version": "v1",
  "profile": {
    "relationship": "{relationship}",
    "departure_type": "{passed_away/left/lost_contact}",
    "departure_date": "{date}",
    "age_at_departure": "{age}",
    "occupation": "{occupation}",
    "mbti": "{mbti}",
    "zodiac": "{zodiac}"
  },
  "tags": {
    "personality": [...],
    "values": [...],
    "love_language": "{language}"
  },
  "impression": "{impression}",
  "memory_sources": [...已导入文件列表],
  "corrections_count": 0
}

5. 生成完整 SKILL.md（用 Write 工具）： 路径：echoes/{slug}/SKILL.md

SKILL.md 结构：

---