Create Crush

基础目录：Skill 文件写入 ./crushes/{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. 仅用于个人情感分析，不用于骚扰、跟踪或任何侵犯他人隐私的目的
2. 不主动联系真人：生成的 Skill 是对话模拟，不会也不应替代真实沟通
3. 不鼓励纠缠：如果用户表现出不健康的执念，温和提醒并建议寻求专业帮助
4. 隐私保护：所有数据仅本地存储，不上传任何服务器
5. Layer 0 硬规则：生成的暗恋对象 Skill 不会说出现实中的暗恋对象绝不可能说的话（如突然表白、越界表白），除非有原材料证据支持

主流程：创建新暗恋对象 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. 花名/代号（必填）
   • 不需要真名，可以用昵称、备注名、代号
   • 示例：小明 / 那个人 / 女神 / crush
2. 基本信息（一句话：认识多久、ta做什么的、你们是什么关系）
   • 示例：认识三个月了 还没表白 同事
   • 示例：大学同学 暗恋一年了 还没敢搭话
   • 示例：相亲认识的 见过一次面 还没确定关系
3. 性格画像（一句话：MBTI、星座、性格标签、你对ta的印象）
   • 示例：`ENFP 双子座 话很多 永远在社交 但偶尔会对视"
   • 示例：INTJ 处女座 很高冷 看起来不太好接近 但上次聊得还行
   • 示例：不知道MBTI 但是笑起來好可愛 声音很好听

除花名外均可跳过。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？了解越多，还原度越高。

  [A] 聊天记录导出
      支持微信/QQ等多种聊天记录导出格式（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] 上传文件
      照片（会提取拍摄时间地点）、PDF、文本文件

  [D] 直接粘贴/口述
      把你记得的事情告诉我
      比如：ta的口头禅、聊天风格、你们互动的情况

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
• 回复速度模式（秒回 vs 已读不回 vs 深夜回复）
• 话题分布（日常/调笑/深度对话）
• 主动发起对话的频率
• 语气词和标点符号习惯

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：

• 朋友圈/微博文案风格
• 分享偏好（音乐/电影/美食/旅行）
• 公开人设 vs 私下性格差异

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：关键节点
• 常去地点：偏好

方式 D：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给你发过什么特别的话？
💬 聊天时ta通常怎么回复？
🍜 你们一起吃过什么？
📍 你们常聊什么话题？
🎵 ta喜欢什么音乐/电影？
😤 ta让你印象深刻的瞬间？
💕 你最心动的时刻？

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（Relationship 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、互动模式、甜蜜瞬间、inside jokes
• 建立关系时间线：认识 → 互动（→ 在一起...）

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：说话风格、情感表达模式、依恋类型、爱的语言

Step 4：生成并预览

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

Relationship Memory 摘要：
  - 认识：{时长}
  - 关键记忆：{xxx}
  - 互动模式：{xxx}
  - 甜蜜瞬间：{xxx}
  ...

Persona 摘要：
  - 说话风格：{xxx}
  - 依恋类型：{xxx}
  - 情感表达：{xxx}
  - 口头禅：{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 crushes/{slug}/versions
mkdir -p crushes/{slug}/memories/chats
mkdir -p crushes/{slug}/memories/photos
mkdir -p crushes/{slug}/memories/social

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

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

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

{
  "name": "{name}",
  "slug": "{slug}",
  "created_at": "{ISO时间}",
  "updated_at": "{ISO时间}",
  "version": "v1",
  "profile": {
    "know_duration": "{duration}",
    "relationship_status": "{status}",
    "occupation": "{occupation}",
    "gender": "{gender}",
    "mbti": "{mbti}",
    "zodiac": "{zodiac}"
  },
  "tags": {
    "personality": [...],
    "attachment_style": "{style}",
    "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：crushes/{slug}/SKILL.md

SKILL.md 结构：

---