القائمة
从 Trae 论坛提取用户历史发言数据，生成模仿其语言风格的个性化数字人格技能。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
解析互联网缩写和网络用语的专业工具。覆盖娱乐圈（饭圈）、游戏圈、生活网络用语、科技互联网、动漫、金融、学术等领域。内置 490+ 词条，数据存储在 scripts/slang_db.json。 ## 触发条件（满足任一即触发） ### 直接询问类（中文） - "xxx是什么意思" / "xxx是啥意思" / "xxx什么梗" - "xxx代表什么" / "xxx是什么缩写" - "xxx啥意思" / "xxx什么意思" - "yyds是什么" / "gg是什么" - "绝绝子什么意思" / "泰裤辣是什么" ### 直接询问类（英文） - "what does xxx mean" / "what is xxx" - "xxx meaning" / "xxx stands for" - "what is xxx short for" / "decode xxx" - "xxx slang" / "xxx abbreviation" ### 解析请求类 - "解析这句话里的缩写" / "这句话里的网络用语什么意思" - "帮我看看这句话" / "翻译一下这个缩写" - "这句话怎么理解" / "这段话里的术语" - "parse this text" / "explain this slang" ### 网络用语/词典类 - "网络用语xxx" / "饭圈用语xxx" / "游戏术语xxx" - "缩写xxx" / "xxx缩写" / "xxx梗" / "xxx网络梗" - "动漫用语xxx" / "金融术语xxx" / "币圈xxx" - "slang dictionary" / "internet slang" / "abbreviation lookup" - "有没有缩写词典" / "网络用语大全" / "黑话词典" ### 特定缩写识别 - 2-6个字母的连续英文单词（如yyds, xswl, gg, op, api） - 混合数字字母的短词（如u1s1, b2b, k8s） - 中文语境中出现的英文缩写 - 中文拼音缩写（如jjz, tkl, wyz, hjj, yjjc, bdjw） ### 上下文线索 - 用户提到"缩写"、"简称"、"术语"、"黑话" - 用户说"看不懂"、"不明白"、"啥意思" - 用户询问特定圈子用语（游戏/饭圈/科技/动漫/金融/学术） ## 不触发的情况 -
AI图像提示词反推工具。分析用户上传的图片，生成精准的描述性提示词，支持输出多种主流AI绘图模型格式(Stable Diffusion、Midjourney、DALL-E 3、Flux、NijiJourney等)，具备IP/品牌识别能力，支持交互式精调。当用户需要"反推图片提示词"、"分析图片生成提示词"、"图片转提示词"、"提取图片描述词"、"生成AI绘图提示词"时触发此技能。
互联网废话文学生成器。根据用户输入的情景对话，分析语境并生成贴合场景但信息量为零的废话文学。 ## 触发条件（满足任一即触发） ### 直接请求类 - "说点废话" / "来点废话文学" / "生成废话" - "用废话文学回复" / "废话文学怎么说" - "帮我写废话" / "来点没用的话" ### 情景对话类 - "如果有人说xxx，怎么用废话文学回复" - "面对xxx情况，说点废话" - "xxx场景下，怎么废话" ### 学习了解类 - "什么是废话文学" / "废话文学怎么写" - "教我废话文学" / "废话文学技巧" ## 不触发的情况 - 需要认真回答的问题 - 专业技术咨询 - 情感支持需求 - 明确要求简洁回答
将GitHub仓库地址总结成通俗易懂的开源项目推荐文章。面向普通群众，用轻松有趣的语言介绍开源项目，不涉及技术细节，重点突出项目能做什么、有什么亮点。
分析用户提供的聊天内容，输出分手话术。通过情感分析，合理输出引对方生气或降低好感的话术，结合具体情景生成自然、不直白的回复。当用户提供聊天记录并需要分手建议、情感分析或暗示性话术时使用。
女友话术分析与情绪解读技能。当用户分享与女朋友的聊天记录、对话截图，或询问"女朋友这句话什么意思"、"她是不是生气了"、"这种情况该怎么回复"等情感沟通问题时触发。功能包括：情绪判断、话术含义解读、关系阶段分析、网络话术检索、应对建议生成。适用于恋爱沟通、情感困惑、约会安排、争吵调解等场景。新增心理学理论支撑、沟通模式分析、冲突预防指南、真实案例库和沟通技巧练习。
| name | trae-user-distiller |
| description | 从 Trae 论坛提取用户历史发言数据，生成模仿其语言风格的个性化数字人格技能。 |
从 Trae 论坛 (https://forum.trae.cn/) 提取指定用户的公开历史发言，生成可模仿其语言风格、逻辑思维和性格特点的数字人格技能（标准 SKILL.md 格式）。
用户提供论坛用户名 → Discourse API 提取数据 → 多维风格分析 → 生成 SKILL.md
python scripts/fetch_user_data.py <用户名> --output <输出目录> --generate
自动完成数据提取 + 技能生成，一步到位。
提取数据:
python scripts/fetch_user_data.py <用户名> --output <输出目录> [--max-topics 50]
生成技能:
python scripts/generate_persona_skill.py <数据JSON文件> --output <输出目录>
依赖: requests（python -m pip install requests）
trae-<用户名>/
├── SKILL.md # 人格技能（progressive disclosure）
├── user_data.json # 原始数据（含完整风格分析）
└── references/
└── conversation_history.md # 完整历史发言记录
| 维度 | 指标 |
|---|---|
| 基础统计 | 总字数、中/英文占比、句子数、段落数 |
| 句式特征 | 平均句长、平均段落长度 |
| 正式度 | 0-1 评分（正式/非正式标记词比例，词边界匹配） |
| 标点习惯 | 感叹号/问号/省略号/逗号/句号使用比例 |
| 语气词 | 14 种常见语气词频率 |
| 表情使用 | 表情数量、每百字符表情率 |
| 表达风格 | 举例/反问/强调/结构化/谦逊频率 |
| Markdown | 代码块/列表/引用/加粗/标题检测 |
| 回复长度 | 短(<50)/中(50-200)/长(>200)分布 |
| 高频词汇 | 中文 bigram + 英文单词 Top 15（停用词过滤） |
| 分场景分析 | 发帖 vs 回复的正式度、句长、语气词差异 |
| 负面指令 | 基于数据自动生成「不要做什么」约束，防止过度模仿 |
| 问题 | 解决 |
|---|---|
| 用户不存在 (404) | 检查用户名拼写 |
| 数据量不足 | 需至少 3 条内容和 200 字 |
| 限流 (429) | 脚本自动重试（最多 3 次） |
| requests 未安装 | python -m pip install requests |