她不一样 是一个通用 Agent Skill，支持 Claude Code、Codex、Cursor、GitHub Copilot、Gemini CLI 等主流 AI 编程工具。
只需要一句调用指令（例如 Claude 里输入 /she-love-me，Codex 里输入 $she-love-me），它就能引导你导入微信或 QQ 聊天记录、分析你和某个联系人的全部聊天记录，帮你看清：她是不是真的不一样——这段感情里，你们到底是什么关系？
融入专业心理学框架（依恋类型 · Gottman · Sternberg 三角），支持危险信号预警、军师建议、👴 祖师爷寄语，全程本地运行，数据不上传任何服务器。
不想依赖 agent 入口？ 可以直接使用传统脚本方案，先导出
messages.json，再生成analysis_prompt.txt交给任意聊天模型： traditional-deployment/README.md
如果你是第一次用这个项目，或者你要把这个项目交给没有编程基础的人，建议直接走传统脚本方案。
它的思路非常简单：
- 下载仓库并解压
- 从 仓库根目录 打开终端
- 安装 Python 和项目依赖
- 用脚本导出聊天记录
- 生成两份最终文件
- 把这两份文件上传给聊天模型
最终只需要交给聊天模型两份文件：
messages.jsonanalysis_prompt.txt
适合零基础用户的完整说明在这里：
如果你只看最关键的两点，请先记住：
- 终端一定要在项目根目录
she-love-me里打开 - 开始前先执行依赖安装命令：
py -m pip install -r requirements.txt
扫码加入恋爱分析交流群，遇到问题、分享分析结果、更新优化方向都可以聊
(首次运行后，在
reports/目录用浏览器打开 HTML 报告)
🔥 主动指数 73 ████████░░ 你发起对话 72%，偶尔连轰 767 次
💜 被爱指数 66 ███████░░░ 她凌晨 3 点发了 8 条消息说想你
🧊 冷淡指数 28 ███░░░░░░░ 回复速度 8 分钟，态度还行
| 成分表 | 数据面板 | 趋势图表 |
|---|---|---|
 |
 |
 |
| 最终鉴定结果 |
|---|
 |
| 功能 | 说明 |
|---|---|
| 📥 多来源导入 | 支持 weflow-cli、CipherTalk、QQ Chat Exporter、旧 WeFlow JSON 和带时间戳 Markdown |
| 👥 联系人选择 | 按消息数量排列，选你想分析的那个人 |
| 📊 主动指数 | 主动发起占比 · 连续轰炸次数 · 回复速度差 · 消息长度比 |
| 💜 被爱指数 | 对方主动次数 · 晚安/早安分析 · 关心频率 |
| 🧊 冷淡检测 | "嗯""哦""好" 占比 · 长时间已读不回统计 |
| 📊 话语权分析 | 谁在主导对话，谁在迎合；权力动态量化 |
| 📈 趋势图表 | 每日消息量 · 活跃时段 · 双方占比（Chart.js） |
| 🧠 依恋类型诊断 | 安全型 / 焦虑型 / 回避型 / 恐惧型，双方都分析 |
| 🔄 追逃循环复盘 | 还原完整"案发现场"：触发→撤退→升级→恶化 |
| 💘 Sternberg 三角 | 激情 · 亲密 · 承诺三维评分，判断爱情类型 |
| 🩹 修复尝试分析 | 冷战后谁低头？对方接受还是继续惩罚？ |
| 💡 情感可得性评估 | 对方此刻是否真的有能力投入这段关系 |
| 7 类信号（煤气灯 · 爱情轰炸 · 间歇性强化 · 单相思痴迷等）· 双阈值触发（量化+文本同时满足才高亮，否则降级为观察提示） | |
| 🎯 军师模式 | 核心诊断 + 停止/开始建议（含时机）+ 路线图 + 止损红线 |
| 👴 祖师爷寄语 | 童锦程视角 · 读局 + 推进关系三条实招 + 关系地位指南 + 金句收尾 |
| 🔍 AI 深度鉴定 | 全量统计层（stats.json）+ 用户选定范围分层采样，三层架构避免"全量幻觉"，评分有推导来源不靠模型主观拍板 |
| 🎯 动态采样选择 | 自动推荐分析时间范围（1个月/3个月/半年/全量），展示每个选项的消息条数，由用户决定分析窗口 |
| 😄 聊天 / 表情分离存储 | messages.json 只保留 emoji_ref，详细元信息放入独立的 emojis.json，结构更简洁 |
| 🗂️ 按联系人独立目录导出 | 每个联系人自动导出到 data/contacts/<联系人>__<hash>/，避免不同对象的数据相互覆盖 |
| 🖼️ 表情本地下载与预览 | export_emojis.py 可批量下载微信表情到联系人目录下的 emojis_assets/，并生成 emojis_preview.html |
| 🎙️ 语音转写兼容 | 数据源包含 transcript 时自动纳入文字统计与关系分析；暂不直接执行音频转写 |
| 🕒 时间戳自动修复 | 自动识别秒、毫秒、微秒、纳秒和常见日期字符串，兼容不同导出工具 |
| 📄 双格式输出 | 终端 Markdown 摘要 + 可分享的 HTML 报告 |
👇 把这句话发给你的 Codex / OpenClaw，快速接入 she-love-me
$ curl -s https://raw.githubusercontent.com/863401402/she-love-me/main/GUIDE.md
guide.md只负责快速引导；项目本身已经内置AGENTS.md、Skill 和配置文件，Agent 读取后可直接继续完成初始化与使用。
如果你是在会话启动后才
clone仓库或切换到新分支，部分 Agent 需要在仓库根目录重开一次会话，才能重新加载仓库级 Skill（例如 Codex 中重新进入仓库根目录后再启动并触发$she-love-me）。
微信分析：
- 默认路径为 Windows + WeChat 4.x，并使用管理员终端
- Node.js 18+；安装器会优先尝试
weflow-cli，当前环境不兼容时自动改用 CipherTalk - Agent 会代用户检查、下载安装并运行第三方导出工具；用户只需处理登录、权限批准和联系人选择
QQ 分析：
- 安装并启动 QQ Chat Exporter (QCE)（NapCat + QCE 插件）
- 用手机 QQ 扫码登录，获取控制台显示的 Access Token
git clone https://github.com/863401402/she-love-me
cd she-love-me| 工具 | 调用方式 |
|---|---|
| Claude Code / OpenClaw / Cursor / Copilot / Gemini CLI | /she-love-me |
| Codex | $she-love-me 或直接说"使用 she-love-me 分析聊天记录" |
Skill 会先询问数据来源，再引导导出或导入、统计分析并生成报告。
各 Agent 都路由到同一份 .agents/skills/she-love-me/SKILL.md：Codex/Cursor 读取 AGENTS.md，Claude Code 由 .claude/settings.json 注册，Copilot 使用 .github/copilot-instructions.md，Gemini CLI 使用 GEMINI.md，OpenAI/Codex 的技能元数据位于 agents/openai.yaml。
从 GitHub 新 clone 时，不再尝试下载已被屏蔽的 wechat-decrypt。Skill 会自动执行 weflow-cli / CipherTalk 的检查、安装与初始化流程（Agent 平台要求时会请求联网/安装授权）：
py scripts/setup_chat_exporter.py --provider auto --install
weflow-cli init
weflow-cli sessions
weflow-cli export "<联系人或 wxid>" json --output ".\data\raw"把实际生成的 <wxid>_messages.json 转成项目统一格式：
py scripts/convert_weflow_cli.py `
--input ".\data\raw\<wxid>_messages.json" `
--contact "<联系人显示名>" `
--contact-id "<wxid>" `
--output-dir data/contacts通常无需手工执行上面的命令；它们用于说明 Agent 实际完成的步骤。weflow-cli 是当前可用的第三方项目，但不属于本仓库，也未经过本仓库的独立安全审计；微信版本升级或上游状态变化可能影响可用性。
npm install -g ciphertalk-cli
py scripts/diagnose_ciphertalk.py
py scripts/diagnose_ciphertalk.py --configure
miyu --format=json --quiet key get --save
miyu --format=json --quiet --limit=30 sessions
miyu --format=json --quiet export "<会话 ID>" --output ".\data\raw\chat.json"
py scripts/convert_ciphertalk.py `
--input ".\data\raw\chat.json" `
--contact "<联系人显示名>" `
--contact-id "<会话 ID>" `
--output-dir data/contactsdiagnose_ciphertalk.py 会寻找有效账号目录并检查配置是否完整，但绝不输出数据库密钥。若 npm CLI 自动取密钥超时，不要反复重新登录：使用本项目的无界面适配器调用 CipherTalk 官方多进程扫描函数：
py scripts/diagnose_ciphertalk.py --scan-key --download-scanner该命令只从 ILoveBingLu/CipherTalk 固定官方 tag 下载约 468 KB 的 wechat_key_tool.dll 和匹配服务源码，校验固定 SHA-256 后运行；密钥直接写入本机 miyu 配置，不进入标准输出。只有返回 database_validated=true，或 run_ciphertalk_cli.py --timeout 60 -- status 返回 connection.ok=true 后，Agent 才继续列会话和导出。scanAccount() 返回的未验证候选不能当作端到端成功。
只有无界面扫描也失败时，才下载官方桌面版作为最终兼容兜底：
py scripts/setup_ciphertalk_desktop.py --download用户在桌面版完成账号配置、主界面能够查看会话后，Agent 会继续使用桌面版官方 MCP，不需要用户手工逐个导出：
py scripts/setup_ciphertalk_mcp.py --install
py scripts/list_ciphertalk_sessions_mcp.py --limit 30
py scripts/export_ciphertalk_mcp.py `
--session-id "<会话 ID>" `
--contact "<联系人显示名>" `
--output-dir data/raw/ciphertalk-official
py scripts/convert_ciphertalk.py `
--input "<export_ciphertalk_mcp.py 返回的 output>" `
--contact "<联系人显示名>" `
--contact-id "<会话 ID>" `
--output-dir data/contactssetup_ciphertalk_mcp.py 只在 scripts/tmp/ 安装桌面启动器遗漏的固定版本 MCP SDK，该目录不会提交。完整聊天必须通过官方 export_chat 导出；不要用 get_messages 的 offset 分页拼接全量数据，部分版本会循环返回旧页并污染统计。桌面版 detailed-json / ChatLab JSON 仍可直接交给 convert_ciphertalk.py。
旧版 WeFlow JSON 仍可导入，但 WeFlow 官方核心源码和 Release 已移除，不再推荐新用户安装：
python scripts/convert_weflow.py --input "weflow.json" --output-dir data/contacts带时间戳的 Markdown 也可以导入：
python scripts/convert_markdown.py --input "chat.md" --my-name "我" --contact "联系人" --output-dir data/contactsMarkdown 基础格式：[2026-08-12 20:10] 张三: 消息内容。转换完成后，沿用返回 JSON 中的 messages_path 和 bundle_dir。
如果你已经有可信的兼容解密器目录，旧版入口仍可使用：
python scripts/decrypt_wechat.py --decryptor-dir "<本地兼容解密器目录>"如果你想把某个联系人的微信表情也一起整理出来：
python scripts/extract_messages.py \
--decrypted-dir vendor/wechat-decrypt/decrypted \
--contact "联系人名字" \
--output-dir data/contacts
python scripts/export_emojis.py \
--input "data/contacts/<联系人目录>/messages.json"默认会在该联系人目录下生成：
messages.json：聊天记录（表情消息仅保留emoji_ref）emojis.json/emojis.csv：独立表情记录与清单emojis_assets/：去重下载后的表情资源emojis_download_manifest.json：下载结果emojis_preview.html：本地浏览器预览页
这样聊天记录和表情记录分开但不断链：messages.json 的某条表情消息通过 emoji_ref 关联到 emojis.json 中的具体表情数据。
weflow-cli / CipherTalk / 旧导出文件 / NapCat + QCE（QQ）
│
│ 微信：第三方工具导出 JSON → 本项目转换器
│ QQ：REST API 导出聊天记录
▼
标准 SQLite / JSON 消息数据
│
├─► stats_analyzer.py → stats.json（全量统计：主动性/回复速度/语言学特征）
│
├─► build_chat_history.py（用户动态选择分析范围）
│ → chat_history.txt（分层采样：起源窗口 / 高冲突区间 / 近30天 / 修复时刻）
▼
AI Agent 深度分析（全量统计 + 分层采样关键窗口）
│ Sternberg 三角（信号计数推导）· Gottman 正负比（词典+文本校正）
│ 对称性评分（stats.json 字段加权）· 双阈值危险预警
│ 依恋类型 · 核心恐惧 · 防御机制 · 军师建议 · 👴 祖师爷寄语
▼
HTML 报告（暗色现代风格）+ Markdown 摘要
微信解密原本依赖
ylytdeng/wechat-decrypt，该上游仓库已于 2026-07-15 因 DMCA 被 GitHub 屏蔽；WeFlow 官方核心源码和 Release 也已移除。本项目不会推荐来源不明的镜像。Windows 微信当前首选 weflow-cli JSON，备选 CipherTalk JSON；QQ 依赖 shuakami/qq-chat-exporter。
she-love-me/
├── .agents/skills/she-love-me/
│ ├── SKILL.md # 唯一 Skill 入口（所有工具共用）
│ ├── agents/openai.yaml
│ └── references/ # 知识库（SKILL.md 按需读取）
│ ├── analysis-framework.md # 心理学分析框架（模块 F / A / B）
│ ├── risk-signals.md # 危险预警 7 类信号 + 双阈值触发规则
│ ├── strategist-guide.md # 军师 / 童锦程寄语 / 语气风格
│ ├── report-schema.md # analysis.json 结构 + 评分推导规则
│ └── report-template.md # Step 9 Markdown 展示模板
├── .claude/settings.json # Claude Code Skill 路径注册
├── references/tong-jincheng/ # 祖师爷心智模型参考材料
├── scripts/
│ ├── setup_check.py # 环境检查 / 依赖准备
│ ├── setup_chat_exporter.py # 检查/安装 weflow-cli 或 CipherTalk
│ ├── setup_ciphertalk_mcp.py # 准备官方桌面 MCP 运行依赖
│ ├── list_ciphertalk_sessions_mcp.py # 安全列出桌面版会话
│ ├── export_ciphertalk_mcp.py # 通过官方 export_chat 完整导出
│ ├── decrypt_wechat.py # 微信解密入口
│ ├── list_contacts.py / list_contacts_qq.py
│ ├── extract_messages.py / extract_messages_qq.py
│ ├── convert_weflow_cli.py / convert_ciphertalk.py # 当前微信 JSON 转换
│ ├── convert_weflow.py / convert_markdown.py # 旧 WeFlow / Markdown 转换
│ ├── message_normalizer.py # 时间戳与消息结构归一化
│ ├── contact_bundle.py # 统一生成联系人导出目录与各类默认路径
│ ├── export_emojis.py # 读取 emojis.json / 下载本地资源 / 生成预览页
│ ├── stats_analyzer.py # 全量统计分析引擎
│ ├── build_chat_history.py # 分层采样：动态范围选择 + 关键窗口提取
│ └── generate_html_report.py # HTML 报告生成（微信/QQ 共用）
├── vendor/ # wechat-decrypt（gitignore）
├── data/
│ └── contacts/<联系人>__<hash>/ # 每个联系人的独立导出目录（gitignore）
└── reports/ # 其他生成的 HTML 报告（gitignore）
| 平台 | 微信 | 备注 | |
|---|---|---|---|
| Windows | ✅ 支持 | ✅ 支持 | 微信首选 weflow-cli；QQ 无需管理员 |
| macOS | 📄 导入 | ✅ 支持 | 可导入已有 JSON/Markdown；不提供默认本机提取工具 |
| Linux | 🔜 规划中 | ✅ 支持 | QQ 通过 Docker NapCat 部署可用 |
- v1.0：文字消息分析 · HTML 报告 · 主动/被爱/冷淡指数
- v2.0：依恋类型诊断 · Sternberg 三角 · Gottman 四骑士 · 危险预警 · 军师模式
- v2.1：核心恐惧分析 · 情感可得性评估 · 权力动态量化 · 修复尝试分析 · 追逃循环复盘 · 止损红线
- v2.2：QQ 聊天记录支持（通过 QQ Chat Exporter API）· 微信/QQ 统一分析管线
- v2.3：👴 祖师爷寄语（童锦程视角）· 推进关系三条实招 · 关系地位指南
- v3.0：🔄 品牌重构「她不一样」· 叙事框架升级 · 分析模块微调 · HTML 报告开源地址
- v3.1（当前）：🏗️ 架构重构 · SKILL.md 控制平面拆分（980 行 → 228 行）· 双入口合一 · 分层采样引擎（
build_chat_history.py）· 动态范围选择 · 评分推导规则（对称性/Sternberg/Gottman 均有字段来源）· 双阈值危险预警 · 可空字段设计 - v3.2（当前开发中）：语音消息转文字分析 · 微信表情元信息导出 / 本地下载 / 预览页 · Linux 支持完善
ylytdeng/wechat-decrypt — 原 WeChat 4.0 数据库解密器，本项目早期微信能力的基础；其 GitHub 仓库现因 DMCA 屏蔽，链接不再可用。
zhuobichen/weflow-cli / ILoveBingLu/CipherTalk — 当前 Windows 微信第三方导出入口；Agent 会代用户安装、运行并转换导出结果。
shuakami/qq-chat-exporter — NapCat + QCE 插件，QQ 聊天记录导出方案 🙏
hotcoffeeshake/tong-jincheng-skill — 祖师爷童锦程心智模型与语录整理 🙏
本工具仅供娱乐，不构成情感建议。仅用于分析你自己的数据，请勿侵犯他人隐私。所有数据本地处理，不上传任何服务器。
MIT License © 2026 她不一样
如果这个项目帮你想通了什么，记得给个 ⭐
曾用名：「她爱我吗？恋情分析室」· 前身：舔狗鉴定所
