Imported from zhx8702/wechat-colleague (SKILL.md). Install upstream with npx skills add zhx8702/wechat-colleague. Copyright stays with the author.

微信同事蒸馏器 v3

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

无参数时自动检测状态并引导。

技术文档

在执行任何阶段前，先 Read 对应文档：

文档路径用 ${CLAUDE_SKILL_DIR}/docs/ 和 ${CLAUDE_SKILL_DIR}/prompts/ 引用。

Phase 1: Setup

自动状态检测

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

密钥提取

Read ${CLAUDE_SKILL_DIR}/docs/encryption.md 获取完整加密规格，然后：

1. 检测平台（WSL/Windows/macOS）
2. 生成密钥提取 Python 脚本，写到工作目录
   • 技术要点全在 docs/encryption.md 的「密钥提取」章节
   • Windows: 用 pymem + psutil 读 Weixin.exe 进程内存
   • 搜索正则: x'([0-9a-fA-F]{96})'
   • 通过 salt (数据库前16字节) 匹配密钥到数据库
   • 多账号时列出让用户选择
3. 引导用户运行（需管理员权限）
   • WSL 环境可用 powershell.exe python <脚本> 直接调用
   • Windows 原生直接运行
4. 输出 keys.json: { "数据库相对路径": "密钥hex" }

数据库解密

Read docs/encryption.md 的解密算法，生成解密脚本：

• 逐页 AES-256-CBC 解密
• 第 1 页替换为 SQLite 头
• 每页保留区填零
• header[20] 设为 0x50
• 依赖: pycryptodome

验证

sqlite3 <db> "SELECT COUNT(*) FROM sqlite_master;"

Phase 2: Sync

1. 读 keys.json
2. 对比每个加密 db 的 mtime 与解密版本
3. 只重新解密有变化的
4. 同步逻辑可以复用 Phase 1 的解密代码

Phase 3: Viewer

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：

• 会话列表（SessionTable, 按 sort_timestamp 排序）
• 聊天消息（Msg_ 表, 按 create_time 排序）
• 头像（head_image.image_buffer, 明文 JPEG）
• 引用消息解析（XML 中 refermsg 节点）
• zstd 解压（WCDB_CT=4 时）
• 群聊发送者解析（wxid:\n内容 格式）
• 消息搜索
• 手动/自动同步刷新

技术栈：Flask + 单文件 HTML (内联 CSS/JS) 端口：5050

Phase 4: 蒸馏人物

Step 1: 搜索目标

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

Step 2: 提取消息

# 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

Step 3: 双线分析

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。

Step 4: 生成 Skill

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

Phase 5: 进化

纠正

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

更新

sync → 重新提取 → 增量合并

管理

list

ls ${CLAUDE_SKILL_DIR}/colleagues/*/meta.json

delete

确认后 rm -rf colleagues/<slug>/ 和 ~/.claude/skills/colleague-<slug>/

环境适配

关键原则：密钥提取绑定平台，其余全部跨平台。