finger88 See Me Card
把用户的阅读痕迹铸成一张“看见我”卡片。重点不是做漂亮图，而是先理解：从真实想法里找出一个正在显影的“我”，再用克制、准确的文字排版成卡。
触发
当用户要求每日看见我卡片、阅读显影、自我主题词、从微信读书想法理解我、或让 ljg-card 生成这类卡片时使用本 skill。
总流程
- 读取连续台账：先读
references/continuity-ledger.md。如果本地显影台账存在，读取最近 7-14 条和开放假设；如果不存在，按 cold-start 运行。 - 取证据：优先使用微信读书。先查找已安装的
weread-skills/微信读书skill，并阅读其SKILL.md和相关说明，通常是notes.md。 - 建证据包：保留用户原文想法、触发这条想法的原文/划线、书名、章节、时间。不要只做摘要。
- 发现主题：没有用户指定主题时，先读
references/theme-discovery.md。主题词必须从本次微信读书数据中产生；显影台账、当前对话、上一张卡或长期印象只能作为已标注的辅助先验。 - 理解用户：围绕证据问三个内部问题：
- 这条想法在保护什么？
- 它背后的压力、冲突或渴望是什么？
- 哪个“我”正试图被看见？
- 定主题词：主题词要从证据中长出来，不要先定鸡汤词再硬套。优先选择有动作、有冲突、有证据簇支撑的短语。
- 写卡片文案：先给一句主文眼，再给 3-5 个结构节点。文案要像判断，不像鼓励。
- 放入源头：
card_spec.json必须尽量填写sourceEcho，优先放用户微信读书的原始想法，让它以半透明背景参与显影。 - 出显影卡：按
references/card-spec.md写card_spec.json，再运行scripts/render_card.js生成 HTML 和 PNG。 - 出证据回场卡：先读
references/scene-card.md。从当日evidence.md里挑 1 条最能唤回现场的证据，先写scene.md说明候选证据池、选中理由、其他证据的背景作用、心境压缩、场域定义、通感转译和落笔瞬间，再写card_spec.json并输出到YYYYMMDD_<主题词>_scene_card。这张卡少解释、多源头，用来让用户在疲惫时也能回到记下想法的那一刻。 - 验卡：确认 PNG 为 1080x1440，查看成图，若文字挤压或重叠，先改 spec 或 CSS 后重渲染。
- 写入连续台账：按
references/continuity-ledger.md追加今日沉积。台账是可修正的工作假设，不是用户长期记忆。
微信读书取证
如果用户给了主题词：
- 查找与主题词相关的书籍、想法或近期读书痕迹。
- 若当前对话已有上下文书籍（如《剑来》），优先在该书里取证。
- 获取个人想法用
/review/list/mine；获取划线原文用/book/bookmarklist；需要单条想法详情时用/review/single。
如果用户没有给主题词：
- 先用
/user/notebooks看最近或笔记最多的书。 - 按
references/theme-discovery.md做冷启动主题发现：列出候选主题、证据数量、覆盖时间/书籍、选择理由。 - 从高密度想法中选一个当天主题。优先选择能揭示用户结构的问题，而不是最热闹的素材。
- 每天尽量避免重复前一日主题，除非新证据明显推进了同一主题。
接口规则以微信读书 skill 文档为准。不要输出 API key、vid、token 等私密标识。
证据包格式
先在工作笔记中整理成这种结构，再写卡：
主题候选：
主题词确定：
- 运行模式：cold-start / warm-start
- 连续台账 prior：无 / 有，具体来自哪些旧卡
- 数据范围：书籍、想法数量、时间窗口
- 候选主题表：主题 / 证据数 / 覆盖范围 / 选择或放弃理由
- 选定理由：
- 证据水位：低 / 中 / 高
书籍：
时间窗口：
证据 1：
- 我的原文想法：
- 触发原文/划线：
- 章节/时间：
- 我对这条证据的理解：
证据 2：
- 我的原文想法：
- 触发原文/划线：
- 章节/时间：
- 我对这条证据的理解：
主文眼：
证据不足时要如实说明，并用“今天先做小样本”而不是伪装成完整画像，允许根据对用户的理解产生联想，从而在原书中找到更多的证据。
卡片文字准则
- 主文眼必须能回答：“今天更看见了哪个我？”
- 卡片中至少保留一个来自微信读书的真实触点：原文想法、触发原文，或简短证据说明。
- 原始想法优先放入
sourceEcho，以半透明背景出现；它是显影底片，不只是注释。 - 少用抽象名词堆叠。每个节点尽量指向一个具体的心理动作。
- 避免“成长、疗愈、赋能、松弛感、成为更好的自己”等泛化表达。
- 不替用户下最终定义，只给阶段性理解。
证据回场卡准则
- 这张卡不是第二次分析，而是把证据重新摆回现场：时间、书名、章节、用户原文想法、触发原文必须尽量可见。
- 优先选择 1 条最有“触发感”的证据，不要把整份证据包塞进卡里。选择必须写入
scene.md：为什么是这一条、其他证据如何作为背景/反衬/回声/约束参与。 - 先按
references/scene-card.md做“通感转译”：把心理动作转成光、声、重量、距离、边界、流动、掌心、步伐等可感结构；但不要编造无证据的真实生活场景。 - 标题要像把用户带回动作现场，例如“问题回到掌心”；避免抽象主题词堆叠。
sourceEcho放用户原始想法；mainText放触发原文与通感转译；nodes控制在 3 条左右：原句 / 心象 / 落笔。- 文字宁短勿满。若成图出现底部重叠、节点挤压或阅读负担太重，先删字，再考虑调 CSS。
- 文件夹命名建议：
YYYYMMDD_<主题词>_scene_card；文件名建议：YYYYMMDD--证据回场--<主题词>.png。
出图
使用本 skill 的脚本：
node <see-me-card skill 目录>\scripts\render_card.js <card_spec.json>
输出目录建议：
D:\my tool\memory-work\02 你的阅读\书籍\<书名>\card\YYYYMMDD_<主题词>_see_me_card\
如果无法使用脚本，可回退到 C:\Users\HONOR\my-claude-skills\ljg-card\assets\capture.js，但仍要遵守本 skill 的理解流程和 references/card-spec.md 的内容结构。
交付
最终回复包含：
- 生成的 PNG 预览或路径。
- 若生成证据回场卡，同时给出伴生卡预览或路径，以及
scene.md路径。 - 简短说明今日主题词如何确定，包括数据范围和候选主题压缩过程。
- 说明今天是否使用了连续台账作为 prior，以及今日新沉积是什么。
- 一句脆弱性检查：今天的理解可能哪里不够稳，下一次应补什么证据。