聊天记录分析 v1.2

聊天记录深度分析完整流水线。支持私聊（1v1）和群聊（多人）场景。解析结构化聊天日志，提取多维统计，生成话题报告、人格画像。核心输出为 Markdown；推荐可选渲染为 HTML。脚本根据实际数据格式在运行时生成，不做格式限制。

When to Use This Skill

• 当用户要求"分析聊天记录"、"聊天数据分析"、"对话记录分析"时
• 当用户要求分析即时通讯导出数据（QQ、微信、Telegram、Discord、WhatsApp 等）时
• 当用户提供原始聊天日志文件或目录，希望得到结构化统计报告时
• 当用户需要聊天数据的人格画像、话题分析、互动模式分析时

更多触发短语见 frontmatter when_to_use 字段。

Examples

用户：帮我分析一下这个群聊记录
Agent：好的，请提供聊天数据的路径。
用户：./chat-data/group-export/
Agent：检测到 JSONL 格式，共 15,000 条消息，32 个发送者。是否以群聊模式分析？

用户：分析我和张三的聊天记录，文件在 ./chats/zhangsan.txt
Agent：检测到纯文本格式，约 3,200 条消息。将以私聊模式分析，焦点用户为？
用户：我是李四

Best Practices

• 基于证据分析，每个结论附聊天原文引用
• 善用子代理并行处理报告生成
• 在 Phase 0 充分确认配置再开始分析
• 使用相对路径，确保输出可独立部署

Limitations

• 不负责聊天记录的导出、提取或抓取，用户需自行获取原始数据
• 分析结果基于聊天记录切片，不代表用户的完整人格或现实生活
• 脚本在运行时生成，依赖 Python 环境；无 Python 时会降级但功能受限
• 大数据集（>25K 消息）会消耗大量 TOKEN（动辄百万），需确保能承担
• 不替代人工审核，输出仅做敏感内容警告，不兜底、不隐藏内容

Security & Safety Notes

• 所有脚本在用户工作目录中运行时生成，需用户确认后执行
• 敏感内容（违法/色情）自动用 <details> 收起隐藏，但不删除原始内容
• 群聊中的人物真实身份默认脱敏处理，需用户明确授权才可出现
• 输出使用相对路径，禁止 file:// 协议和硬编码域名
• 不在任务过程中执行 git 操作，除非用户明确要求

常见陷阱

• TOKEN 消耗过高： 先用小数据集测试，并行子代理数不超过数据规模需要
• 跨聊天数据混合： Phase 0 明确确认数据来源，一次任务只分析一个聊天
• 脚本生成失败： 检查 Python 3.8+ 是否可用，pip install markdown 是否完成
• 媒体文件缺失： Phase 0.4 媒体检测时确认文件完整性
• 输出目录冲突： 使用 .xxx/ 形式目录隔离，all 模式下 md/ 受保护

Related Skills

暂无必须关联的 Skill。本 SKILL 为独立的端到端分析流水线。

可选增强： 如果安装了前端设计相关技能（如 frontend-design），Agent 在生成 HTML 输出时可参考其设计规范，产出更精美的页面效果。这不是必须依赖，仅在可用时提升视觉品质。

范围

本 SKILL 只负责：输入 → 分析 → 输出，最多附加数据清洗。不负责聊天记录的导出、提取、抓取和平台 API 调用。

关键规则（任务启动时必须提醒用户）：

• 本 SKILL 会消耗大量 TOKEN（动辄百万），请确保能承担再使用
• 不要在任务过程中执行 git 操作，除非用户明确要求
• 一次任务的所有数据必须来自同一个私聊/群聊，禁止跨聊天混合
• 允许任务中途追加新批次数据，但追加数据必须属于同一聊天

支持场景

分析哲学

广度优先，深度并行

先广泛扫描全貌（统计、时间、内容、互动、媒体、话题、用户画像），再用子代理并行处理各维度的深度报告。

善用子代理

任务量大、需要并行时，开子代理是最高效的方式。主对话负责决策、确认、交互、审查；子代理负责执行、生成、转换、批量操作。小任务直接在主对话中完成。主对话执行长时间任务时，定期检查用户是否有新消息（约 5 分钟间隔）。

就事论事，理性优先

每个结论必须有聊天记录原文支撑。客观描述可观察行为，不预设立场，不代入道德判断。使用限定性语言（"从聊天中可观察到"、"在此场景中表现出"）。用户全责 — 输出仅做敏感内容警告，不兜底、不隐藏内容。

相对路径原则（T0）

所有输出中的路径必须使用相对路径。禁止绝对路径、file:// 协议、硬编码域名。页面内 #id 锚点跳转使用裸 #id 格式。详见 frontend_spec.md。

局部视角，不以偏概全

聊天记录只是用户生活的片面切片。主观性输出（锐评、精彩发言等）需避免以偏概全的论断。

敏感内容处理

详细规范见 references/sensitive_content.md。

默认仅针对媒体文件。形式目录（同一内容的不同输出变体，详见 references/output_structure.md）派生：.full/ 为基准，.pure/ 移除敏感块，.sensitive/ 和 .parts/ 仅在用户选择"敏感内容大赏"时生成。.whole/ 独立于敏感内容管线，为完整聊天记录长页。敏感内容大赏模块默认关闭，不主动引导。

工作流概览

workdir/
├── data/              ← 原始数据（Phase 0 初始化后只读）
│
├─► Phase 0: 目录初始化 + 输入检测与配置
├─► Phase 1: 解析与统计 → .output/chat_stats.json
├─► Phase 2: 深度分析 → .output/md/*.md
└─► Phase 3: 输出渲染与清理 → .output/html/
                  ├─ .full/        — 完整版（默认）
                  ├─ .pure/        — 纯净版
                  ├─ .whole/       — 聊天记录长页（可选）
                  ├─ .parts/       — 分块输出（敏感内容大赏，可选）
                  └─ .sensitive/   — 敏感内容大赏（可选）

完整目录结构见 references/output_structure.md。

Phase 0：输入检测与配置

0.0 目录初始化

标准结构：workdir/data/（原始数据）+ workdir/.output/（所有输出）。不符合时执行迁移（先向用户确认）。原始数据直接在根目录时创建 data/ 移入；.output/ 不存在时创建。

启动提醒（必须告知用户）： 本次分析的所有数据必须来自同一个私聊/群聊。如需分析多个聊天，请分别启动独立任务。分析输出基于聊天记录文本数据，AI 生成内容不代表用户真实主观感受，由用户自行承担责任。

0.1 格式检测

不做格式限制。只要数据包含时间、人物、对话三要素即可分析。

解析器模式见 references/script_writing_guide.md。

0.2 聊天模式检测

统计前 500 条消息中的不同发送者数：>2 为群聊，=2 为私聊，=1 提示用户确认。用户可手动覆盖。

0.3 用户配置

询问用户（或从数据中检测）：

1. 聊天平台 — QQ / 微信 / Telegram / Discord / WhatsApp，或自动检测
2. 聊天模式 — 群聊或私聊
3. 焦点用户 — 需深度分析的用户 UIN 或昵称（通常是自己的账号）
4. 输出目录 — 结果写入路径
5. 输出模式 — md（仅核心）/ html（核心+渲染，默认推荐）/ all（核心+渲染+保留md）
6. HTML 风格主题 — 仅 html/all 时询问（默认 Apple）：Apple / Nord / Dracula / Gruvbox / Solarized
7. HTML 页面布局 — 仅 html/all 时询问（默认 Standard）：Standard / Wide / Magazine / Compact
8. 完整聊天记录长页（可选） — 是否生成 .whole/ 单页 HTML（默认不生成）
9. 页脚技术支持链接（可选） — 是否在 HTML 页脚显示项目链接
10. 叙述人称 — 第三人称（默认）或第一人称（需指定"我"对应哪个账号）
11. 敏感内容判断范围 — 仅媒体文件（默认）或所有内容
12. 敏感内容大赏（可选） — 用户主动要求时才开启
13. 最大并行子代理数 — 私聊默认 3，群聊默认 5，最大 9
14. 头像嵌入（可选） — 原始数据含头像时是否嵌入报告（默认不嵌入）

群聊额外询问： 15. TOP N 排名 — 为排名前 N 的用户单独生成画像（默认 10，最大 20） 16. more/ 单独页（默认全不选） — 精彩发言（20-30 条）、神人发言（10-20 条），逐项确认 17. 群聊历险记 — 以不同用户的第一人称视角撰写历险日记（默认不生成） 18. 真实身份数据 — 群聊中是否允许出现真实身份（默认脱敏）

私聊配置要点： 焦点用户需明确"我"对应哪个发送者；无 TOP N / more/ / 群聊历险记等群聊专属选项；子代理上限默认 3；人格画像默认生成双方对比。

md/ 默认扁平放置，用户可要求按分类分子目录。

0.4 媒体资源检测

扫描 data/ 检查媒体文件。发现时询问用户：全部使用 / 选择性使用 / 不使用。媒体引用使用 HTML 标签（<img>/<audio>/<video>），固定维度 min(360px, 50vw)，相对路径。善用原始媒体嵌入报告。各 .xxx/ 独立迁移 resources/。大文件默认过滤 10MB。详见 script_writing_guide.md 3.7 节。

Phase 1：解析与统计

解析原始数据，提取多维统计，输出 chat_stats.json。

1.1 脚本生成

本 SKILL 不提供预置脚本。脚本在运行时根据实际数据格式编写。参阅：

• references/script_writing_guide.md — 解析器模式、统计计算、平台适配
• references/methodology.md — 统计分析维度、深度分析框架
• references/topic_patterns.md — 话题检测模式、关键词模板

流程：读取实际数据 20-50 行 → 编写解析器 → 写入 .output/scripts/ → 运行验证 → 迭代修正。

1.2 文本格式解析器

针对单文件文本聊天记录。自动检测日期头和发送者格式、分类消息类型、提取时间戳、计算统计指标。模式见 script_writing_guide.md。

1.3 JSONL 格式解析器

针对 JSONL 批量目录。加载所有 .jsonl 文件、解析嵌套对象、转换时间戳、发送者名称解析（groupCard > name > nickname）、同名消歧（后缀 (UIN)）、消息分类、按 UIN 分组统计、中英文词提取、关键词匹配、对话轮次检测（30 分钟阈值）、回复速度计算、媒体分析。模式见 script_writing_guide.md。

1.4 统计输出

输出 chat_stats.json，结构见 script_writing_guide.md 第 6 节。包含：meta、basic、time、content、interaction、media、keywords、keywords_by_sender、user_stats、top_users。

1.5 活动断层检测（群聊）

识别消息量骤降节点。检测标准：下降 >15% 且绝对 >80 条，或下降是接下来 3 次均值的 2.5 倍。向用户报告分层信息。

1.6 数据完整性验证

验证：总消息数符合预期、日期范围正确、发送者名称正确区分、焦点用户存在、消息类型分布合理。

1.7 输出前确认

Phase 1 完成后向用户报告数据扫描结果并确认 HTML 输出架构（仅 html/all 模式）：

1. 完整版 + 纯净版（默认） — .full/ + .pure/
2. 仅纯净版 — 只生成 .pure/
3. 仅完整版 — 只生成 .full/
4. 含敏感内容大赏 — 完整版 + .sensitive/ + .parts/

无敏感内容时直接告知用户。md 模式无需选择。

Phase 2：深度分析报告

并行生成多维度分析报告。

2.1 输出结构

完整目录结构见 references/output_structure.md。关键约定：md/ 是核心输出，html/ 从 md/ 渲染；md/ 默认扁平放置；每个 .xxx/ 完全自包含；临时文件写入 .cache/。

2.2 子代理调度策略

使用并行后台子代理（run_in_background: true）。

私聊模式（2 人）：

私聊默认并行上限 3，超出时分批执行。

群聊模式（多人）：

调度规则： 并行数不超过 Phase 0 上限（私聊默认 3，群聊默认 5，最大 9），超出时分批；同批在一条消息中全部启动；brilliant/legendary/adventures 仅 Phase 0 选择后调度；每个子代理自包含上下文。

2.3 写作规范

每篇报告必须：使用表格、代码块引用原始记录、嵌入媒体文件、引用统计数据、承认局限性、使用相同语言、满足最低行数（统计 ≥200、综合 ≥300、话题 ≥300、画像私聊 ≥400/群聊 ≥350、精彩/神人 ≥300）、阅读 8-10 个片段、抽检 chat_stats.json、遵循叙述视角。

禁止：无证据论断、推测私人生活、包含敏感个人信息、空洞总结。详细标准见 references/methodology.md 3.6 节（证据标准）。

2.4 话题检测

四阶段方法（详见 references/topic_patterns.md）：发现（8-10 个片段）→ 分类（关键词列表 + 全量扫描）→ 深潜（>5% 话题收集引文）→ 交叉分析（话题 × 时间/发送者/情绪）。

2.5 人格画像

私聊： 聚焦关系动态、沟通模式、情感交流，双方并排对比，包含关系演变。分析主动性差异、回复速度、情感支持模式。

群聊： 聚焦个人沟通风格、社交角色、影响力。分析 Bot 互动、回复目标、角色原型（话题驱动者、回应者、潜水者、Bot 用户、梗传播者）。

通用：所有观察基于可验证的聊天行为，每个论断附证据，使用限定性语言，以"局限性声明"结尾。详见 references/personality_guide.md。

2.6 精彩发言 / 神人发言（群聊，可选）

仅 Phase 0 用户选择后生成。精彩发言 20-30 条（神回复、经典对话、梗传播等），神人发言 10-20 条（逻辑跳跃、抽象表达）。每条含原始记录、上下文、深度解析。

推荐扩展（可向用户提议）： 高频梗速查表、内容集锦、深度点评、时间线大事记、社交网络图。"敏感内容大赏"不主动引导。

2.7 群聊历险记（可选）

以不同用户第一人称撰写，每篇 150-250 行，基于真实事件，创意但不虚构。每篇开头嵌入 AI 生成声明。详见 references/methodology.md。

2.8 高风险内容处理

一般敏感内容 — 添加视觉警告。严重违法/色情 — 按 references/sensitive_content.md 执行。任务结束后向用户报告处理情况。

2.9 子代理拒绝恢复

调整提示词（强调学术目的、转述而非逐字引用）→ 缩小范围 → 重新启动 → 仍拒绝则主对话手动写入。

2.10 Phase 完成检查

Phase 2 完成后向用户报告生成的报告数量和覆盖范围，确认无遗漏后进入 Phase 3。

Phase 3：输出渲染与清理

3.1 输出模式

所有模式均生成 chat_stats.json（Phase 1 产物）和 md/（Phase 2 核心输出）。

3.2 HTML 渲染

按 references/script_writing_guide.md 编写转换脚本。渲染时自动将 <!-- sensitive-start/end --> 转为 <details>。用户允许技术支持链接时添加 --footer-link 参数（无额外值，仅作为布尔标志）。渲染完成后从 .full/ 派生其他形式。用户选择时生成 .output/html/.whole/chat.html。

设计系统： 详见 references/frontend_spec.md（5 种主题色值、4 种布局、组件模式、响应式规则、媒体嵌入规范）。

技术架构： 严格 HTML + CSS + JS，零外部依赖。每个 .xxx/ 完全自包含。所有引用使用相对路径（T0 原则）。

3.3 可移植性

所有输出文件使用相对路径。详见 T0 原则和 references/output_structure.md。

3.4 验证

Markdown： 文件完整、媒体路径正确、统计一致、敏感标记成对、链接正确。

HTML： 页面可从索引访问、面包屑正常、表格渲染正确、中文无乱码、主题切换持久化、排行榜链接正确、响应式正常。

3.5 文件清理

临时文件从生成时即写入 .output/.cache/。Phase 3 完成后按顺序执行：质量检查 → 隐私脱敏扫描 → 清理 .cache/ → 生成 README.ai.md → 交付报告。

3.6 README.ai.md

在 .output/ 根目录生成，包含分析概况、输出架构、目录结构、数据来源、chat_stats.json 关键字段、焦点用户、复用指南。

质量检查清单

数据完整性： 统计数据一致（抽检 3-5 点）、日期范围准确、发送者名称正确。

报告质量： 每个论断有引文支撑、话题覆盖 >5% 消息、画像含局限性声明、满足最低行数、无敏感个人数据泄露。

输出质量： md 文件完整、媒体路径有效、HTML 渲染正确、主题切换正常、排行榜正确、响应式正常。

文件组织： 目录结构正确、chat_stats.json 有效、.cache/ 已清理、无孤立文件。

自迭代规则

默认不迭代。 除非用户明确要求迭代 SKILL，否则不得自动写入。用户的想法、建议是对话内容，不是 SKILL 规则。

迭代时遵守：禁止写入任务数据、禁止泄露敏感内容、禁止包含迭代日志、SKILL 纯净性为 T0 级、编码模式而非实例、保持引用通用、提供预设选项（2-4 个选择，非开放式提问）。

任务后提醒默认关闭。 仅用户主动要求时才执行迭代。

任务中迭代： 用子代理维护 SKILL（主对话继续任务）或用子代理做任务（主对话处理 SKILL）。并行处理，互不阻塞。

备注

性能指南

• 使用 run_in_background: true 并行报告生成
• 每个子代理阅读 8-10 个不同片段
• 大文件（>10K 行）使用 Read 的 offset/limit
• JSONL 将所有消息加载到内存跨批分析
• 抽检子代理输出时阅读实际文件，不信任摘要

规模指南

技术陷阱

• Windows 用 python 不用 python3
• Windows 终端乱码：脚本中添加 sys.stdout.reconfigure(encoding='utf-8')
• JSONL 时间戳是毫秒 — 除以 1000 转 datetime
• 发送者名称可能变化（groupCard 更新）— 用 UIN 作稳定标识
• Bot 账号消息量大 — 考虑从排行中排除或单独分析

参考文档索引