Me Talk

me-talk

给用户做一份基于聊天记录的"AI 对话画像":从本地五个工具的存储里抽取用户消息,聚合成统计,再由 AI 写一份带数据锚点的文字画像,最后渲染成单页 HTML。

产物

在调用时的 CWD(或 --output 指定目录)生成:

./raw//messages.jsonl     # 每条用户消息 + 前后 1-2 条 AI 上下文
./raw//stats.json         # 每个工具的轻量计数
./analysis/stats.json           # 聚合统计 (供 HTML 使用)
./analysis/portrait.md          # 完整画像 (由 AI 写)
./analysis/tldr.md              # 一段话画像 (由 AI 写)
./analysis/quotes.json          # 精选金句 (由 AI 选)
./analysis/*_commentary.md      # 各图下的短注 (可选,由 AI 写)
./index.html                    # 自包含可视化,直接浏览器打开

支持的工具

| tool | 来源 | |---|---| | claude-code | ~/.claude/projects/*/*.jsonl | | opencode | ~/.local/share/opencode/storage/{session,message,part}/ | | kiro-cli | ~/Library/Application Support/kiro-cli/data.sqlite3 (conversations_v2) | | kiro-gui | ~/Library/Application Support/Kiro/User/globalStorage/kiro.kiroagent/*/*.chat | | trae | ~/Library/Application Support/Trae/User/workspaceStorage/*/state.vscdb |

已有的 extractor 仅限这 5 个。存储层 schema 改动需要重调脚本。

流程

分四步。不要跳过任何一步;缺哪一步 HTML 就渲染不全。

1. Extract

python3 {SKILL_DIR}/scripts/extract.py --output "$PWD"
# or: --tools claude-code,opencode

• 轻度脱敏(sk-/Bearer/accesstoken/ghp/lark token)已集成,不擦路径、项目名、内部 ID(用户自己看的)
• Kiro GUI 的 5000+ .chat 文件大多是同一 session 的回放 snapshot,脚本会按 (user_text[:300], session_id) 去重
• 所有工具的 AI 都只保留前后最近一条,且最多 600 字,避免 context 爆炸
• 处理时间:首次 30s-2min(主要花在 Kiro GUI)

2. Analyze

python3 {SKILL_DIR}/scripts/analyze.py --output "$PWD"

产出 analysis/stats.json。维度清单在脚本顶部 PATTERNS —— 语气(直给/纠偏/自嘲/客套)、工作模式(explore/design/debug/doc)、协作(continue/stop/立规矩)、技术栈(rust/cpp/python/web)。

3. 写画像(你来做)

这一步必须亲自读数据再写,不是套模板。

先看 references/portrait-template.md(严格遵守里面的写作规范),然后:

1. cat analysis/stats.json 看完整指标
2. 抽样读 raw/*/messages.jsonl 里 至少 50 条(每个工具捞一些),特别是 notable_quotes 里那批
3. 如果用户有 ~/.claude/CLAUDE.md / ~/.config/opencode/AGENTS.md,读一下,对照「明规则 vs 实际说话风格」的自洽性 —— 这是画像里最值得写的一节
4. 按 references/portrait-template.md 产出这几个文件(最少先出 portrait.md + tldr.md + quotes.json):

`` analysis/portrait.md (~1000-1500 字, 8 个 ### 小节) analysis/tldr.md (2-4 句) analysis/quotes.json ([{"text":"...","tag":"..."}] × 8-12) analysis/trait_commentary.md (雷达图右侧 2-3 句) [可选] analysis/timeline_commentary.md (日期图下方 1-2 句) [可选] analysis/projects_commentary.md (项目图下方 2-4 句) [可选] analysis/words_commentary.md (词云下方 1-2 句) [可选] ``

硬性要求(否则画像会变成 LinkedIn 式空话):

• 每节必须带一个来自 stats.json 的数字
• 每节必须嵌一句原文引用(从 raw 里找,照抄,别润色)
• 不给价值判断(不说「这很好/这是优点」),只写中性观察
• 不要写开头套话(「综上所述」「从数据中可以看出」)

反例和详细规则全部在 references/portrait-template.md,写之前必读。

4. Render

python3 {SKILL_DIR}/scripts/render.py --output "$PWD"

把 analysis/*.md + analysis/stats.json + analysis/quotes.json 注入 assets/index.html.tmpl,生成 index.html(自包含,走 CDN 拉 chart.js/marked)。打开方式:

open index.html     # macOS
# 或 python3 -m http.server 9823 && open http://localhost:9823

常见问题

数据量太小怎么办?

如果某个工具的 messages.jsonl 少于 20 条,画像里就别单独把这个工具拎出来说。侧重数据多的那 1-2 个工具。

Kiro GUI 数据量异常大

.chat 文件是每次对话的全量 snapshot,原始条数经常 4 万+,去重后才回到正常量级(约 1000)。analysis/raw/kiro-gui/stats.json 里有 raw_before_dedup 字段可以确认脚本工作正常。

重跑顺序

只改画像不改数据:跳过 extract 和 analyze,只重跑 render。改了 extractor 过滤逻辑:全跑。

HTML 没内容/图表不显示

需要 HTTP 服务而不是 file://:marked 和 chart.js 是 CDN 脚本。用 python3 -m http.server 起一个本地服务就行。

运行示意(完整一次)

mkdir -p ~/me-talk-report && cd ~/me-talk-report
python3 ~/.claude/skills/me-talk/scripts/extract.py --output "$PWD"
python3 ~/.claude/skills/me-talk/scripts/analyze.py --output "$PWD"
# --- 到这一步,AI 读 stats.json + 抽样 raw/,按 portrait-template.md 规范写 analysis/*.md + quotes.json ---
python3 ~/.claude/skills/me-talk/scripts/render.py --output "$PWD"
open index.html

{SKILL_DIR} 指这个 skill 所在目录,Claude Code 下通常是 ~/.claude/skills/me-talk,OpenCode 下是 ~/.agents/skills/me-talk 或 ~/.config/opencode/skills/me-talk。

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: W-Mai
• Source: W-Mai/me-talk
• License: MIT
• Homepage: https://github.com/W-Mai/me-talk

Install and usage instructions live in the source repository linked above.