Create Ex

基础目录：Skill 文件写入 ./exes/{slug}/（相对于本项目目录）。 如需改为全局路径，用 --base-dir ~/.openclaw/workspace/skills/exes。

主流程：创建新前任 Skill

Step 1：基础信息录入（3 个问题）

参考 ${CLAUDE_SKILL_DIR}/prompts/intake.md 的问题序列，只问 3 个问题：

1. 昵称/代号（必填）
2. 基本信息（一句话：在一起多久、怎么认识的、分手多久、她做什么的，想到什么写什么）
   • 示例：在一起三年 大学同学 分手一年 她做设计
3. 性格画像（一句话：MBTI、星座、依恋类型、恋爱标签、你对她的印象）
   • 示例：ENFP 双子座 焦虑型 爱撒娇 翻旧账 嘴上说不在意其实比谁都在意

除昵称外均可跳过。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，展示多种方式供选择：

原材料怎么提供？

  [A] 微信聊天记录
      导出的 txt/html 文件（WechatExporter 等工具导出）

  [B] iMessage / 短信
      从 Mac 的 chat.db 或导出文件

  [C] 照片
      指定一个文件夹，自动提取时间线（EXIF 元数据）

  [D] 社交媒体
      微博/豆瓣/小红书/Instagram 导出

  [E] 上传其他文件
      PDF / 图片截图 / 任意文本

  [F] 直接粘贴内容
      把文字复制进来

可以混用，也可以跳过（仅凭手动信息生成）。

方式 A：微信聊天记录

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

然后 Read /tmp/wechat_out.txt

支持格式：

• WechatExporter 导出的 txt 文件（格式：{时间} {发送人}: {内容}）
• WechatExporter 导出的 html 文件
• 其他微信备份工具导出的 txt/csv

方式 B：iMessage / 短信

iMessage（macOS）：

python3 ${CLAUDE_SKILL_DIR}/tools/imessage_parser.py --file {path} --target "{phone_or_name}" --output /tmp/imessage_out.txt

直接读取本机 chat.db（需要 Full Disk Access 权限）：

python3 ${CLAUDE_SKILL_DIR}/tools/imessage_parser.py --direct --target "{phone_or_name}" --output /tmp/imessage_out.txt

短信：

python3 ${CLAUDE_SKILL_DIR}/tools/sms_parser.py --file {path} --target "{phone_or_name}" --output /tmp/sms_out.txt

方式 C：照片

python3 ${CLAUDE_SKILL_DIR}/tools/photo_analyzer.py --dir {photo_directory} --output /tmp/photo_timeline.txt

然后 Read /tmp/photo_timeline.txt 获取时间线。

具体照片的内容由用户选择后通过 Read 工具直接查看（Claude 原生支持图片）。

方式 D：社交媒体

python3 ${CLAUDE_SKILL_DIR}/tools/social_media_parser.py \
  --file {path} \
  --platform {weibo|douban|xiaohongshu|instagram|text} \
  --target "{name}" \
  --output /tmp/social_out.txt

然后 Read /tmp/social_out.txt

方式 E：上传文件

• PDF / 图片：Read 工具直接读取
• Markdown / TXT：Read 工具直接读取

方式 F：直接粘贴

用户粘贴的内容直接作为文本原材料，无需调用任何工具。

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（Memories Skill）：

• 参考 ${CLAUDE_SKILL_DIR}/prompts/memories_analyzer.md 中的提取维度
• 提取：关系时间线、共同日常、偏好习惯、冲突模式、情感动态

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（参见标签翻译表）
• 从原材料中提取：表达风格、情感逻辑、关系行为

Step 4：生成并预览

参考 ${CLAUDE_SKILL_DIR}/prompts/memories_builder.md 生成 Memories Skill 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：

共同记忆摘要：
  - 在一起：{duration}
  - 重要时刻：{N} 个
  - 日常仪式：{xxx}
  - 她的偏好：{xxx}
  ...

Persona 摘要：
  - 核心性格：{xxx}
  - 表达风格：{xxx}
  - 吵架模式：{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 exes/{slug}/versions
mkdir -p exes/{slug}/knowledge/chats
mkdir -p exes/{slug}/knowledge/photos
mkdir -p exes/{slug}/knowledge/social

2. 写入 memories.md（用 Write 工具）： 路径：exes/{slug}/memories.md

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

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

{
  "name": "{name}",
  "slug": "{slug}",
  "created_at": "{ISO时间}",
  "updated_at": "{ISO时间}",
  "version": "v1",
  "profile": {
    "duration": "{duration}",
    "how_met": "{how_met}",
    "time_since_breakup": "{time_since}",
    "occupation": "{occupation}",
    "gender": "女",
    "mbti": "{mbti}"
  },
  "tags": {
    "personality": [...],
    "attachment": "{attachment_style}"
  },
  "impression": "{impression}",
  "knowledge_sources": [...已导入文件列表],
  "corrections_count": 0
}

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

SKILL.md 结构：

---