# See Me Card

> 每日“看见我”卡片工作流。用于从用户微信读书想法/划线中认识用户，抽取主题词，形成“我”的解释，并调用 ljg-card 生成 1080x1440 文字卡片；适用于“每日卡片”“看见我”“显影”“我的自由是什么”“用微信读书认识我”等请求。

- Skill: `finger88/see-me-card` (Agent Skill, multi-file: 7 files)
- Install (CLI): `npx skillmds@latest add finger88/see-me-card`
- Raw SKILL.md: https://api.skillmd.com/api/skills/finger88/see-me-card/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: finger88 (https://skillmd.com/u/finger88)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/finger88/see-me-card

---


# 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

1. **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。
2. **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`。
3. **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。
4. **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。
5. **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？
6. **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。
7. **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。
8. **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。
9. **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。
10. **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。
11. **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。
12. **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：

```markdown
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：

```bash
node <see-me-card skill 目录>\scripts\render_card.js <card_spec.json>
```

输出目录建议：

```text
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。