前言¶

導出或複製微信聊天記錄後，常見做法是手工翻頁、憑感覺判斷對方態度。這類方式難以量化互動是否平衡、情感是否轉折，更談不上在本地保留隱私的前提下做結構化報告。若把整段對話丟給在線大模型，又會擔心手機號、身份證等敏感信息外泄。

下面介紹 SkillHub 上的 @user_9d5a2a39/wechatanalyzer：在本地解析聊天文本，跑 MBTI、大五人格、情感與風險等分析器，並可選用 Windows SAPI 做語音交互。當前 Skill 包內產品版本爲 v5.0.0，v2.9.0 起的關係健康度與語音能力仍保留在 CLI 中。

這是什麼¶

微信聊天分析及預測工具（座標 @user_9d5a2a39/wechatanalyzer）是社區發佈的 Agent Skill，維護者爲 SkillHub 用戶「下次一定24」。Skill 內嵌一套 Python 分析工具鏈：導入 txt / 粘貼板 / 多平臺格式文本，在本地完成分詞、人格與情感推斷、關係與羣聊指標、隱私掃描與對話預測，並可導出 Markdown、CSV、HTML 等報告。

SkillHub 分類爲 data-analysis，子類包含數據可視化、數據洞察、用戶分析；標籤 requires_api_key=false，表示 Skill 本身不強制綁定第三方 API Key（可選 LLM 洞察需自行配置 Key）。

截至 2026-10-19，SkillHub 統計顯示約 4 萬次下載、49 次收藏；Skill 包在商店側的版本號爲 1.0.19，與包內聲明的產品版本 5.0.0 並存，安裝後以 python scripts/main.py version 爲準。

核心功能¶

以下能力均來自 SkillHub 簡介與包內 SKILL.md，按版本脈絡歸納。

分析與報告¶

1. 人格與情感：MBTI、大五人格；jieba 分詞、否定識別、反諷檢測；情感滾動趨勢與轉折點（v2.9.0）；關係健康度五維評分（v2.9.0）。
2. 風險與關係：風險檢測與分級；關係健康度、場景推斷；v5.0.0 起增加羣聊多主體分析（發言佔比、點名關係網、雙人互動平衡等）。
3. 隱私：v5.0.0 本地隱私掃描（10 類 PII、銀行卡 Luhn 校驗、一鍵脫敏）；發往可選 LLM 前可配置自動脫敏。
4. 預測與推演：Rule + RAG + MiroFish + HistoryAware 多層融合回覆預測；馬爾可夫鏈、時間模式等推演能力（v4.0.0 及後續接線）。
5. AI 洞察（可選）：DeepSeek / OpenAI 兼容 / Ollama，默認關閉，需配置環境變量或 config.json。
6. 導出與趨勢：Markdown / CSV / JSON / 單文件 HTML；跨會話快照對比（v5.0.0 session 子命令）。

數據接入與桌面能力¶

• 多源導入：微信、企業微信、QQ、iMessage 等格式識別；analyze-v2 --paste 支持從聊天窗口直接粘貼（v5.0.0 修復行首時間戳誤解析發送者）。
• 桌面捕獲（Windows）：剪貼板監控、UI Automation 讀微信窗口；MCP Server 提供對應工具（Skill 簡介稱 MCP 共 30 個工具）。

語音交互（v2.9.0，仍可用）¶

通過 python scripts/main.py voice 進入會話，支持分析文件、預測、演示、自檢、報告、日曆等口語指令。TTS 降級鏈爲 pyttsx3 → Windows SAPI（PowerShell System.Speech）→ 終端打印；STT 爲 speech_recognition → SAPI 聽寫 → 文本輸入。無麥克風時自動走打字；可在 config.json 的 voice 節關閉（voice.enabled=false）。

Skill 文檔強調：MBTI、大五、情感、風險、關係健康度等均爲啓發式估計，隱私掃描爲正則識別，不能替代專業心理或安全審計。

安裝與啓用¶

在 Agent 中安裝 Skill¶

官方安裝說明：讓 Agent 閱讀 SkillHub 安裝文檔，並安裝座標 @user_9d5a2a39/wechatanalyzer。

若已安裝 SkillHub CLI，需把 Skill 裝到當前 Agent 的 skills 目錄（示例爲 Cursor）：

command -v skillhub && skillhub --version
skillhub install @user_9d5a2a39/wechatanalyzer --dir ~/.cursor/skills/

也可從 SkillHub 頁面下載 Zip（商店版本 1.0.19），解壓到 Agent 識別的 skills 路徑。Codex、Claude Code、Windsurf 等客戶端目錄不同，以 安裝文檔 第四節爲準。

安裝 Python 依賴（運行分析 CLI）¶

Skill 解壓後，在技能包根目錄執行：

pip install -r requirements.txt
pip install -r requirements-rag.txt   # 可選：RAG 預測
python scripts/main_setup.py         # 一鍵檢測環境與配置

核心分析不裝 RAG 依賴也可使用大部分能力；首次啓用 RAG 可能需下載 embedding 模型（文檔說明約 50–100MB）。

環境變量 WECHAT_ANALYZER_DATA_DIR 可指定運行時數據目錄；向量庫、報告、快照等默認落在系統臨時目錄，相對路徑不會寫回技能包內。

典型用法¶

Agent 安裝 Skill 後，可按自然語言觸發（如「分析微信聊天記錄」「語音分析」）。本地直接跑 CLI 時，常用命令如下。

粘貼或文件分析，並導出：

python scripts/main.py analyze-v2 --paste
python scripts/main.py analyze-v2 --input 聊天記錄.txt
python scripts/main.py analyze-v2 --paste --markdown report.md --csv metrics.csv --html report.html
python scripts/main.py analyze-v2 --paste --ai --label 和TA

跨會話對比（v5.0.0）：

python scripts/main.py session --list
python scripts/main.py session --compare

預測與桌面捕獲（Windows）：

python scripts/main.py predict-v2 --paste
python scripts/main.py capture
python scripts/main.py capture --source clipboard --seconds 30

語音交互（v2.9.0）：

python scripts/main.py voice

自檢：

python scripts/main.py doctor
python scripts/main.py demo

適用場景與注意¶

適合：需要在本地整理雙人或羣聊記錄、快速看情感趨勢與關係指標、做脫敏檢查或導出表格給 Excel 的用戶；希望在 Windows 上用語音或文字驅動同一套分析流程的場景。

限制與坑：

1. 分析質量依賴樣本量與導出格式；粘貼格式異常時可用 --platform wechat 指定平臺，v5.0.0 已針對常見微信複製格式修復。
2. 羣聊分析默認至少 3 人；雙人會話不應強行解讀羣聊指標。
3. 語音 SAPI 路徑面向 Windows；Linux/macOS 主要依賴 pyttsx3 / speech_recognition 或純文本降級。
4. 桌面窗口捕獲、剪貼板監控爲 Windows 能力；其他系統以文件導入爲主。
5. 可選 LLM 洞察會向配置的模型發送脫敏後的摘要，需自行評估合規與 Key 安全。
6. SkillHub 安全掃描結果爲「安全，無風險」，仍建議在敏感聊天上優先本地規則分析並人工複覈。

結尾¶

@user_9d5a2a39/wechatanalyzer 把聊天分析、預測、導出和（Windows 上）語音入口收進同一套本地工具，適合「數據不出機」前提下的關係與情緒粗讀。安裝與詳情見 SkillHub 頁面：https://www.skillhub.cn/skills/user_9d5a2a39/wechatanalyzer ；用戶提供的 API 入口爲 https://api.skillhub.cn/user_9d5a2a39/wechatanalyzer（與商店頁同一 Skill 座標）。