메뉴
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。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
| 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。