Menu
微信同事蒸馏器 — 从微信聊天记录中解密数据、查看消息、蒸馏人物 AI Skill。全流程文档驱动，按需生成代码。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | wechat-colleague |
| description | 微信同事蒸馏器 — 从微信聊天记录中解密数据、查看消息、蒸馏人物 AI Skill。全流程文档驱动，按需生成代码。 |
| argument-hint | [command] [args] |
| version | 3.0.0 |
| user-invocable | true |
| allowed-tools | Read, Write, Edit, Bash, Agent, Glob, Grep |
从本地微信聊天记录中：解密数据库 → 查看消息 → 蒸馏人物 Skill。
本 Skill 不预置代码，而是基于技术文档按需生成。所有加密规格、数据库结构、分析模板都在 docs/ 和 prompts/ 中。
| 命令 | 说明 |
|---|---|
/wechat-colleague setup | 首次设置：检测环境、生成提取脚本、解密数据库 |
/wechat-colleague sync | 同步最新消息（增量解密） |
/wechat-colleague viewer | 生成并启动 Web 聊天记录查看器 |
/wechat-colleague [人名] | 蒸馏指定人（自动搜索所有会话） |
/wechat-colleague [人名] [群名] | 从指定群蒸馏指定人 |
/wechat-colleague list | 列出已蒸馏的同事 |
/wechat-colleague update [slug] | 更新已有同事 |
/wechat-colleague delete [slug] | 删除同事 |
无参数时自动检测状态并引导。
在执行任何阶段前，先 Read 对应文档：
| 文档 | 内容 | 何时读取 |
|---|---|---|
docs/encryption.md | 数据库加密方案、密钥提取算法、解密伪代码 | setup / sync 时 |
docs/database_schema.md | 数据库表结构、字段含义、SQL 查询参考 | 查看/蒸馏时 |
prompts/work_analyzer.md | 工作能力提取维度和规则 | 蒸馏时 |
prompts/persona_analyzer.md | 性格画像提取维度和标签翻译表 | 蒸馏时 |
prompts/work_builder.md | work.md 生成模板 | 蒸馏时 |
prompts/persona_builder.md | persona.md 五层结构模板 | 蒸馏时 |
文档路径用 ${CLAUDE_SKILL_DIR}/docs/ 和 ${CLAUDE_SKILL_DIR}/prompts/ 引用。
每次调用先检查：
# 1. 能否找到微信数据目录
find /mnt/c/Users/*/Documents/xwechat_files/ -name "db_storage" -type d 2>/dev/null # WSL
# 或 ~/Documents/xwechat_files/ (Windows) 或 ~/Library/Containers/com.tencent.xinWeChat/ (macOS)
# 2. 是否已有 keys.json
# 3. 是否已有解密后的数据库
# 4. 数据库能否正常查询
Read ${CLAUDE_SKILL_DIR}/docs/encryption.md 获取完整加密规格，然后：
docs/encryption.md 的「密钥提取」章节pymem + psutil 读 Weixin.exe 进程内存x'([0-9a-fA-F]{96})'powershell.exe python <脚本> 直接调用{ "数据库相对路径": "密钥hex" }Read docs/encryption.md 的解密算法，生成解密脚本：
pycryptodomesqlite3 <db> "SELECT COUNT(*) FROM sqlite_master;"
Read ${CLAUDE_SKILL_DIR}/docs/database_schema.md 获取数据库结构，生成 Flask Web 查看器：
核心功能：
wxid:\n内容 格式）技术栈：Flask + 单文件 HTML (内联 CSS/JS) 端口：5050
Read docs/database_schema.md 了解表结构，然后直接用 Python+sqlite3 查询：
# 搜索联系人
SELECT username, nick_name, remark FROM contact WHERE nick_name LIKE ? OR remark LIKE ?
# 搜索群
SELECT username, last_timestamp FROM SessionTable WHERE username LIKE '%@chatroom'
# 确认消息量：扫描 Msg_<md5> 表中以目标 wxid 开头的消息
# 提取指定人在指定群的消息
table = "Msg_" + md5(chat_username)
# 解析 message_content (群聊去掉 wxid:\n 前缀)
# zstd 解压 (WCDB_CT=4)
# 引用消息解析 XML
# 格式化为: [YYYY-MM-DD HH:MM] 内容
# 统计: 消息量、活跃时段、高频词、类型分布
Read 以下 prompt 模板：
${CLAUDE_SKILL_DIR}/prompts/work_analyzer.md — 工作能力提取维度${CLAUDE_SKILL_DIR}/prompts/persona_analyzer.md — 性格画像提取维度基于提取的消息内容进行分析。
Read 以下模板：
${CLAUDE_SKILL_DIR}/prompts/work_builder.md — work.md 格式${CLAUDE_SKILL_DIR}/prompts/persona_builder.md — persona.md 五层结构生成并写入：
${CLAUDE_SKILL_DIR}/colleagues/<slug>/
├── SKILL.md # frontmatter + PART A + PART B + 运行规则
├── work.md
├── persona.md
├── meta.json
└── knowledge/
└── messages.txt
同时安装到 ~/.claude/skills/colleague-<slug>/ 使其可直接调用。
SKILL.md 格式：
---
name: colleague-<slug>
description: "<名字> — <一句话描述>"
user-invocable: true
---
末尾运行规则：
1. PART B 判断态度
2. PART A 执行任务
3. 保持 PART B 表达风格
4. Layer 0 最高优先级
用户说 "不对" / "TA不会这样" → 识别属于 Work 还是 Persona → Edit 对应文件 Corrections 节 → 重新生成 SKILL.md
sync → 重新提取 → 增量合并
ls ${CLAUDE_SKILL_DIR}/colleagues/*/meta.json
确认后 rm -rf colleagues/<slug>/ 和 ~/.claude/skills/colleague-<slug>/
| 平台 | 数据目录 | 密钥提取 | 解密/查看/蒸馏 |
|---|---|---|---|
| Windows | Documents\xwechat_files\ | 本地 Python | 本地 Python |
| WSL | /mnt/c/Users/.../xwechat_files/ | 调 powershell.exe python | 本地 Python |
| macOS | ~/Library/Containers/com.tencent.xinWeChat/ | 需 macOS 适配 | 本地 Python |
| Linux | N/A（无微信客户端） | N/A | 拿到 keys.json 后可解密 |
关键原则：密钥提取绑定平台，其余全部跨平台。