yourself-skill

"自己.skill"是一款创新性的个人AI镜像生成工具，允许用户通过导入微信/QQ聊天记录、社交媒体内容、照片元数据等材料，构建一个能够模拟自己说话风格和思维模式的数字自我。

核心用法

用户通过/create-yourself触发创建流程，经历基础信息录入（3个核心问题）、原材料导入（支持5种数据格式）、智能分析（Self Memory+Persona双线建模）、预览确认、文件生成五个步骤。生成的Skill包含三个触发模式：：/{slug}}完整人格模拟、、/{slug}-self自我档案查询、、/{slug}-persona纯性格风格模式。进化模式支持追加新文件和对话纠正，版本管理提供备份回滚功能。

显著优点

1. 纯本地隐私保护：所有数据处理在用户设备完成，聊天记录、照片等敏感信息零上传
2. 多源数据融合：支持微信、QQ、社交媒体、照片EXIF、口述等多元输入，还原度随数据量增加而提升
3. 双层人格建模：Self Memory（经历价值观）与Persona（表达风格）分离设计，使AI既能"像你说"也能"像你思"
4. 持续进化机制：支持增量更新和实时纠正，数字自我可随真实自我同步成长
5. 开源透明可审：MIT许可证，全部Python源码可查，无黑箱操作

潜在缺点与局限

1. T3来源可信度：开发者为个人账号，未经知名企业/机构背书
2. 依赖项冗余：声明了requests、pypinyin但未实际使用，增加潜在攻击面
3. 解析覆盖率有限：微信导出工具多样，可能存在格式兼容性问题
4. 人格还原天花板：AI无法真正复制人类潜意识和情感波动，"像"不等于"是"
5. 版本管理手动化：无自动备份策略，依赖用户主动触发/yourself-rollback

适合的目标群体

• 希望深度自我认知的 introspective 用户
• 需要"数字分身"辅助决策或预演对话的场景
• 研究者/写作者希望通过AI模拟特定人物视角
• 对本地隐私有强要求、不愿数据上云的技术敏感用户

使用风险

• 隐私合规风险：导入含他人信息的聊天记录需获得对方同意，避免侵犯第三方隐私
• 心理依赖风险：过度认同数字镜像可能导致自我认知偏差，需明确"工具"边界
• 数据残留风险：Skill文件存储于本地.claude/skills//目录，共享设备需注意清理
• 版本冲突风险：频繁更新可能产生Persona漂移，建议定期用/list-selves审查版本

核心用法

yourself-skill 是一款帮助用户创建个人数字副本的 Claude Code Skill。用户通过提供微信/QQ聊天记录、社交媒体内容、日记笔记、照片等原材料，系统会分析其中的说话风格、思维模式、价值观和生活习惯，最终生成一个可运行的 Skill 文件。创建完成后，用户可以通过 /{slug} 命令调用自己的数字副本，让其以本人的方式思考和回应。

使用流程：
1. 基础信息录入 — 收集代号、基本信息、自我画像（MBTI、性格标签等）
2. 原材料导入 — 选择聊天记录导出、社交媒体截图、照片文件夹或直接口述
3. 智能分析 — 系统从原材料中提取 Self Memory（个人经历、价值观）和 Persona（说话风格、情感模式）
4. 生成预览 — 展示摘要供用户确认
5. 写入文件 — 生成 .claude/skills/{slug}/ 目录下的完整 Skill 文件

进化模式：支持追加新文件进行增量更新，也支持对话纠正（"我不会这样说"）来修正数字副本的行为表现。

---

显著优点

| 优点 | 说明 |

|------|------|

| **数据本地化** | 所有处理均在本地完成，聊天记录、照片等敏感数据不上传云端，符合隐私保护要求 |

| **多源数据支持** | 支持微信、QQ、微博、小红书、Obsidian 笔记、照片 EXIF 等多种格式，还原度高 |

| **分层结构** | Self Memory（事实层）和 Persona（人格层）分离，既可查询档案也可模拟对话 |

| **持续进化** | 支持版本管理、增量更新和对话纠正，数字副本随用户成长 |

| **开源透明** | MIT 许可，GitHub 可查，无黑箱操作 |

---

潜在缺点与局限性

| 缺点 | 说明 |

|------|------|

| **T3 来源等级** | 由个人开发者维护，非企业级项目，长期维护稳定性存疑 |

| **依赖遗留问题** | requirements.txt 包含未实际使用的 requests 库，增加不必要的供应链风险 |

| **照片隐私披露** | 照片分析工具会提取 GPS 坐标等敏感位置信息，虽有本地处理但仍需用户知情 |

| **还原度天花板** | 依赖原材料质量和数量，若数据不足，生成的人格可能"扁平化" |

| **无跨设备同步** | Skill 文件存储于本地，换设备需手动迁移 |

---

适合人群

• 数字遗产规划者：希望留下可交互的个人数字副本
• 创作者/写作者：需要"另一个自己"作为对话伙伴或灵感来源
• 自我探索者：通过系统整理聊天记录和日记，获得自我认知的新视角
• Claude Code 深度用户：已熟悉 Skill 机制，希望扩展个性化能力

---

常规风险

| 风险类型 | 等级 | 说明 |

|----------|------|------|

| 数据泄露风险 | 低 | 纯本地处理，无网络外发，但用户需自行保管生成的 Skill 文件 |

| 心理依赖风险 | 中 | 过度与数字自我交互可能影响现实人际关系认知 |

| 误认风险 | 中 | 生成的 Skill 仅为风格模拟，不具备真实人格，他人可能误以为是真人 |

| 供应链风险 | 低 | 依赖知名开源库，但存在未使用依赖遗留问题 |

建议：定期备份 Skill 文件；对敏感照片预先去除 EXIF 地理信息；明确告知他人这是 AI 模拟而非真人。