企业官网建设流程全解析

深入自己.skill源码：6个Python工具如何解析聊天记录与照片，构建数字分身

【免费下载链接】yourself-skill与其蒸馏别人，不如蒸馏自己。欢迎加入数字永生！Inspired by colleague-skill（同事skill）。项目地址: https://gitcode.com/gh_mirrors/yo/yourself-skill

自己.skill 是一个开源的自我蒸馏工具：提供你的微信/QQ 聊天记录、日记和照片，它会通过 6 个 Python 源码工具解析出你的口头禅、语气词、标点习惯与照片时间线，最终构建一个"用你的方式思考和说话"的数字分身。本文带你快速看懂 tools/ 目录下的源码结构与工作机制。

为什么是"自己.skill"？

与其蒸馏别人，不如蒸馏自己。欢迎加入数字永生！🌱

同事跑了，你可以蒸馏同事；但最该被蒸馏的，其实是你自己。自己.skill 把你解构成两部分：

运行逻辑很简单：收到消息 → Persona 判断你会怎么回应 → Self Memory 补充背景与价值观 → 用你的方式输出。

完整设计思路可参考产品文档 docs/PRD.md。

项目结构一览：源码都在哪里？

整个仓库遵循 AgentSkills 开放标准，结构非常清晰：

yourself-skill/ ├── SKILL.md # Skill 入口 ├── prompts/ # 7 个 Prompt 模板（分析与生成） ├── tools/ # 6 个 Python 解析与管理工具（本文主角） ├── selves/ # 生成的自我 Skill ├── docs/PRD.md # 产品需求文档 └── requirements.txt

其中 prompts/ 负责"思考"（信息录入、记忆提取、人格建模），而 tools/ 负责"动手"——解析文件、生成结构、管理版本。两者分工协作，是典型的"Prompt + 脚本"架构。

6个Python工具逐个拆解

1️⃣ wechat_parser.py — 微信聊天记录解析器

这是还原度最高的数据源处理器，位于 tools/wechat_parser.py。

它的亮点是格式自动检测：根据文件后缀与内容特征，自动识别 WeChatMsg 导出（txt/csv/html）、留痕导出（json）、PyWxDump 导出（sqlite）或纯文本粘贴。

更关键的是 analyze_messages 函数的统计能力，它只盯着"我"发的消息，提取：

• 高频语气词（哈、嗯、哦、嘛……）→ 直接映射你的口头禅
• 高频 Emoji→ 你的表情包偏好
• 平均消息长度→ 判断你是"短句连发型"还是"长段落型"
• 标点习惯（句号/感叹号/问号/省略号/波浪号）→ 语气指纹

这些统计结果会被写入 Markdown 报告，供 AI 提炼人格特征。

2️⃣ qq_parser.py — QQ 聊天记录解析器

适合"学生时代的自己"，位于 tools/qq_parser.py。

它适配 QQ 消息管理器导出的 txt 与 mht 两种格式，通过正则匹配时间戳 + 发送者 + QQ号的固定模式逐行拆出消息（见 parse_qq_txt）。对 mht 这类带 HTML 标签的文件，它会先剥离标签再提取纯文本。最后同样统计"目标消息数"并抽样前 50 条作为分析素材。

3️⃣ social_parser.py — 社交媒体内容解析器

朋友圈、微博、小红书、日记截图都交给它，位于 tools/social_parser.py。

它的设计很巧妙：先扫描目录，按扩展名把文件分成图片 / 文本 / 其他三类（scan_directory）。文本文件（txt/md/json/csv）直接内嵌进报告；图片截图则列出路径清单，交给 AI 的 Read 工具逐张"看图"，提取你的价值观和表达风格。

4️⃣ photo_analyzer.py — 照片元信息分析器

不是"看照片内容"，而是"读照片记忆"，位于 tools/photo_analyzer.py。

基于 Pillow 读取每张 JPEG/PNG 的EXIF 信息：

• 拍摄时间（DateTimeOriginal）→ 按时间排序，生成你的人生时间线
• GPS 坐标（get_exif_data 会把度分秒换算成十进制度，并处理南纬/西经的负号）→ 找出你的常去地点

最终输出一份"照片时间线分析"报告：哪一天在哪拍过照，一目了然。这就是为什么示例中的数字分身能回答"我最喜欢的地方是哪里"——答案藏在你的照片元数据里。

5️⃣ skill_writer.py — Skill 文件管理器

解析完成后，该写文件了，位于 tools/skill_writer.py。

它管理四类动作：

以示例产物 selves/example_me/ 为例：meta.json存版本与档案，self.md是记忆，persona.md是人格，四件套齐活后即可被/小北直接调用。

6️⃣ version_manager.py — 版本存档与回滚

数字分身会进化，那就需要"后悔药"，位于 tools/version_manager.py。

• backup：每次更新前，把self.md / persona.md / SKILL.md / meta.json四个核心文件打包进带时间戳的versions/存档目录
• rollback：回滚前先自动备份当前版本，再恢复旧文件——双保险，永不丢数据
• list：查看所有历史版本

配合对话纠正（说"我不会这样说"即写入 Correction 层，见 prompts/correction_handler.md），你的数字分身可以持续迭代。

从聊天记录到数字分身：完整流程

把 6 个工具串起来，整条流水线是这样的：

1. 录入：通过 prompts/intake.md 问 3 个问题——代号、基本信息（年龄/职业/城市）、自我画像（MBTI/星座/性格标签），全部可跳过
2. 解析：按需调用wechat_parser/qq_parser/social_parser/photo_analyzer，把原材料变成统计报告
3. 建模：prompts/self_analyzer.md 提取自我记忆，prompts/persona_analyzer.md 提取 5 层人格
4. 生成：按 prompts/self_builder.md 和 prompts/persona_builder.md 模板产出self.md与persona.md
5. 组装：skill_writer.py --action combine合并为可运行的 SKILL.md
6. 进化：新资料来了走 prompts/merger.md 增量合并；版本随时可回滚

快速上手：三步拥有数字分身

① 克隆并安装（在 git 仓库根目录执行）：

mkdir -p .claude/skills git clone https://gitcode.com/gh_mirrors/yo/yourself-skill .claude/skills/create-yourself

② 安装可选依赖（照片解析需要 Pillow）：

pip install -r requirements.txt

③ 在 Claude Code 中输入/create-yourself，按提示提供数据即可。完成后用/{slug}召唤你的数字分身，常用管理命令：

写在最后 🚀

读完整套源码你会发现，自己.skill 的精华不在算法复杂度，而在工程化的克制：

• 6 个 Python 工具各司其职，都是可独立运行的命令行脚本，边界清晰
• Prompt 与脚本分层，"思考"和"动手"互不干扰
• 版本管理与回滚机制，让"数字永生"也有了安全网

"这个 Skill 不会定义你。它只是把你从生物硬盘导出到 Markdown，完成一次格式转换。"

你的口头禅、你的深夜 emo、你拍过的每张带 GPS 的照片，都是人格的原材料。如果你想深入理解某个解析器的实现细节，建议直接打开 tools/wechat_parser.py 边读边跑——与其蒸馏别人，不如先蒸馏自己。

【免费下载链接】yourself-skill与其蒸馏别人，不如蒸馏自己。欢迎加入数字永生！Inspired by colleague-skill（同事skill）。项目地址: https://gitcode.com/gh_mirrors/yo/yourself-skill