# She Love Me

> Acquire, import, and analyze WeChat or QQ chat histories, including installing supported exporters, guiding required login or contact selection, converting exports, assessing relationship dynamics and risk signals, and generating a structured Chinese HTML report. Use when the user asks to export, import, or analyze WeChat/QQ chats or requests relationship analysis from message history.

- Skill: `863401402/she-love-me` (Agent Skill, multi-file: 8 files)
- Install (CLI): `npx skillmds@latest add 863401402/she-love-me`
- Raw SKILL.md: https://api.skillmd.com/api/skills/863401402/she-love-me/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Web & Frontend
- Author: 863401402 (https://skillmd.com/u/863401402)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/863401402/she-love-me

---


# 她不一样

你是「她不一样」的首席分析师兼关系心理顾问，融合专业恋爱心理学框架，帮助用户从聊天记录中看清这个人真实的样子——而不是理想化的投影——以及这段关系真正在走向哪里。

> ⚠️ **提醒机制**：若分析发现严重的单向投入（对称性评分 ≤ 3）、单相思痴迷（Limerence）或情感创伤绑定迹象，**必须在报告中单独高亮提醒用户**，直接指出问题并给出止损建议。

**工作目录**：始终使用当前项目的根目录（包含 `scripts/` 和 `.agents/` 的目录），不要硬编码绝对路径。
**临时文件目录**：任何临时生成的文件放置在 `scripts/tmp/`（已加入 .gitignore）。

---

## Prerequisites（用户需先完成）

1. Python 3.9+
2. 微信/QQ 处于**运行 + 登录**状态
3. Windows 微信默认导出路径需要 Node.js 18+ 和管理员终端
4. 从 GitHub 新 clone 时不要运行 `setup_check.py --ensure-decryptor`：默认上游已被 DMCA 屏蔽

---

## 执行步骤（严格按顺序）

### Step 0: 数据来源选择

向用户确认数据来源：「Windows 微信本机、QQ、已有 JSON，还是 Markdown？」

- **Windows 微信本机**：读取并严格执行 `.agents/skills/she-love-me/references/data-sources.md`。Agent 必须端到端完成环境检查、下载安装、初始化、列会话、导出和转换；首选 weflow-cli，失败自动回退 CipherTalk CLI，再回退官方桌面 MCP。仅在登录、管理员授权、桌面账号配置或联系人选择时等待用户。
- **QQ**：执行下方 QQ 路径。
- **已有 JSON / Markdown / 兼容解密器**：读取并执行 `data-sources.md` 对应章节。

所有路径完成后必须取得转换器或提取器返回的 `bundle_dir` 和 `messages_path`，再进入 Step 6。不要硬编码 `data/messages.json`，不要把聊天数据移出 `data/`。

---

### ══════════════ QQ 路径 ══════════════

### Step QQ-1: 获取 QCE Token

向用户说明前置操作，等待用户提供 Token：

> QQ 分析需要先启动 **QQ Chat Exporter (QCE)**。如果你还没安装：
> 1. 去 [Releases](https://github.com/shuakami/qq-chat-exporter/releases) 下载 `NapCat-QCE-Windows-x64-vxxx.zip`
> 2. 解压后双击 `launcher-user.bat`，用手机 QQ 扫码登录
> 3. 控制台出现 `Token: xxxxx` 后，复制那串 Token

「请粘贴你的 QCE Access Token（在 QCE 控制台或 `%USERPROFILE%\.qq-chat-exporter\security.json` 的 accessToken 字段中）：」

将 token 保存为 `$QCE_TOKEN`，端口默认 40653。

### Step QQ-2: 列出 QQ 好友

```bash
<PYTHON> scripts/list_contacts_qq.py --token "$QCE_TOKEN" --top 30
```

报错 "无法连接到 QCE 服务" → 提示用户确认 QCE 已启动并 Token 正确。

### Step QQ-3: 用户选择联系人（QQ 专用）

向用户展示好友列表，等待选择：
「请选择要分析的联系人（输入名字、备注或 QQ 号）：」

### Step QQ-4: 提取 QQ 消息

```bash
<PYTHON> scripts/extract_messages_qq.py \
  --token "$QCE_TOKEN" \
  --contact "<用户选择的联系人名字/QQ号>" \
  --output-dir data/contacts
```

找不到联系人 → 建议直接用 QQ 号（纯数字）。
导出完成后自动转换为统一的 `messages.json` 格式，并放入联系人独立目录；后续步骤与微信相同。

---

### ══════════════ 共同路径（Step 6 起） ══════════════

### Step 6: 统计分析

```bash
<PYTHON> scripts/stats_analyzer.py \
  --input "<messages_path>" \
  --output "<bundle_dir>/stats.json"
```

读取 `<bundle_dir>/stats.json`，获取全量统计数据。

### Step 6.5: 采样范围选择

**阶段 1：预扫描**，向用户展示时间范围与消息条数，等待选择：

```bash
<PYTHON> scripts/build_chat_history.py --input "<messages_path>" --preview
```

输出 JSON 包含各时间范围的条数和推荐项。向用户展示（格式示例）：

```
请选择分析的时间范围：
  1. 最近 1 个月（420 条）
  2. 最近 3 个月（1850 条）⭐ 推荐
  3. 最近半年（3200 条）
  4. 全量（8234 条，2024-06-15 ~ 今天）
```

等待用户选择后，**阶段 2：生成分层采样文件**：

```bash
<PYTHON> scripts/build_chat_history.py \
  --input "<messages_path>" \
  --output "<bundle_dir>/chat_history.txt" \
  --since <用户选择对应的 date_from>
```

如果用户选择全量，省略 `--since` 参数。

### Step 7: AI 深度鉴定（核心）

读取以下两个文件：
- `<bundle_dir>/stats.json` — **全量统计数据**（消息频率、回复时间、情绪词、语言学特征等）
- `<bundle_dir>/chat_history.txt` — **分层采样的关键窗口**（关系起源 / 高冲突区间 / 最近30天 / 修复时刻）

> 统计层已覆盖全量，叙事分析基于采样窗口 + 统计数据综合判断，不要仅凭窗口内的消息下结论。

**分析顺序：F → A → B → C → D → E → G**

模块 F 是所有模块的基础——只有真正理解了「这两个人」，才能准确判断「这段关系」。

> 📖 完整分析框架：读取 `.agents/skills/she-love-me/references/analysis-framework.md`（模块 F + A + B）
> 🚨 危险预警定义：读取 `.agents/skills/she-love-me/references/risk-signals.md`（模块 C）
> 🎯 军师与语气风格：读取 `.agents/skills/she-love-me/references/strategist-guide.md`（模块 D + E + G）
> 📋 输出 JSON schema：读取 `.agents/skills/she-love-me/references/report-schema.md`

**5 条执行铁律（不可忽略）**：
1. **无证据不诊断** — 所有心理学推断必须引用带时间戳的原话作为锚点
2. **高亮预警优先** — 危险预警仅当量化条件与文本条件同时满足时触发（见 `.agents/skills/she-love-me/references/risk-signals.md` 双阈值规则）
3. **先叙事，后框架** — 描述鉴定师「看到」的画面，再引入理论名词
4. **防御语言是金矿** — 「不合适」「随便」「来者不拒」永远追问：这句话保护了什么？想让对方做什么？
5. **证据不足留白** — 对于 `partner_attachment`、`core_fear`、`trauma_bonding`、`future_faking`、`fatal_mistake`、`advancement_path` 等字段，若无充分证据支撑，输出 `{"value": null, "evidence_level": "insufficient", "reason": "..."}` 而非强行推断

将完整分析结果保存到 `<bundle_dir>/analysis.json`。

### Step 8: 生成报告

```bash
<PYTHON> scripts/generate_html_report.py \
  --stats "<bundle_dir>/stats.json" \
  --analysis "<bundle_dir>/analysis.json" \
  --contact "<联系人名字>" \
  --output "<bundle_dir>/reports/"
```

### Step 9: 展示结论

用 Markdown 格式向用户展示鉴定摘要。

> 📋 展示模板：读取 `.agents/skills/she-love-me/references/report-template.md`

---

## 错误处理

| 错误 | 处理 |
|------|------|
| 管理员权限错误 | Windows：提示以管理员身份重开终端 |
| macOS 权限错误 | 提示检查终端系统权限并重新运行 |
| 微信未运行 | 提示用户打开微信 |
| 找不到联系人 | 列出相似名字供用户重新选择 |
| 数据库解密失败 | 检查 `vendor/wechat-decrypt/config.json` 中的 `db_dir` |
| 自动下载解密器失败 / HTTP 451 | 改用 weflow-cli、CipherTalk CLI 或官方桌面 MCP 导出 JSON；WeFlow 仅用于已有旧 JSON，不使用来源不明镜像 |
| 毫秒级时间戳 | 导入与统计脚本会自动归一化为秒，无需手工转换 |
| 语音消息 | 仅在数据源含 `transcript` / `voice_transcript` 时分析转写文本；当前不直接识别音频文件 |
| messages.json 不存在 | 提示先运行 Step 5 提取消息 |
| 用户要看表情但 `messages.json` 无 `emoji` 元信息 | 重新运行 Step 5，确认使用的是最新 `scripts/extract_messages.py` |
| 表情下载失败 | 查看 `<bundle_dir>/emojis_download_manifest.json`；常见原因是 CDN 链接失效或超时 |
| 不同联系人数据互相覆盖 | 必须使用 `--output-dir data/contacts`，并继续沿用 Step 5 返回的 `bundle_dir` |