Token导航 LogoToken导航TokenDH.com
效率只读clawhub未标认证来源可访问clear审计提醒

ziji-ai紫极爱

Agent Skill

ziji-ai 用于补充效率相关能力,适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

2,940

周安装

125

GitHub Stars

公开资料未说明

下载量

1,030
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:ziji-ai(紫极爱)
来源仓库:https://github.com/fengziliang43-cmyk/ziji-ai
安装命令:
openclaw skills install ziji-ai
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install ziji-ai

简介

基于微信数据库解密,自动生成9维度结构化人格画像,内置三层记忆系统实现高效本地用户微信数据分析。

SKILL.md

SKILL.md - 「自己」通用版微信画像分析

给任何使用 OpenClaw 的用户使用的版本 内置 three-layer-memory 三层记忆系统,无需额外安装

这是什么

一个零依赖、开箱即用的微信画像分析 Skill,包含:

  1. wechat-decrypt — 微信数据库解密工具
  2. 三层记忆系统 — 热/暖/冷三层记忆,自动管理 Token 消耗
  3. 微信画像分析引擎 — 生成 9 个维度的结构化人格画像
  4. Micro Sync — 自动同步到热层,让 AI 助手持续进化

工作流程

微信数据库 → 解密 → 分析引擎 → 画像文件 → 冷层存储
                                              ↓
                                    三层记忆系统
                                              ↓
                                    热层(MEMORY.md) → AI 直接调用

目录结构

自己/
├── SKILL.md                      ← 本文件
├── README.md                     ← 使用说明(给最终用户的)
├── analyzer/                     ← 微信分析引擎
│   ├── setup.py                  ← 下载 wechat-decrypt
│   ├── main.py                   ← 主分析脚本
│   ├── sync.py                   ← Micro Sync
│   ├── config.py                 ← 过滤规则
│   └── models.py                 ← 数据模型
├── three-layer-memory/           ← ⭐ 三层记忆系统本体(内置,无需额外安装)
│   ├── SKILL.md                  ← 详细文档
│   ├── scripts/
│   │   ├── micro-sync.sh
│   │   ├── daily-wrapup.sh
│   │   └── weekly-compound.sh
│   ├── references/
│   │   └── agents-rules.md
│   └── _meta/
│       └── origin.json
└── storage/                     ← 用户数据目录(可选)
    └── cold/另一个我/           ← 画像文件存放位置

安装(一次性)

Step 1: 下载 wechat-decrypt

# 在 PowerShell(管理员模式)运行:
python "C:\Users\12084\Desktop\阿巴阿巴工作区\自己\analyzer\setup.py"

Step 2: 解密微信数据库

  1. 打开微信电脑版并登录
  2. 在微信里打开几张图片(触发密钥提取)
  3. 保持微信运行,运行:
python C:\wechat-decrypt\main.py decrypt

成功标志:

21 成功, 0 失败, 共 21 个
解密数据量: 0.7GB

使用

方式一:通过 OpenClaw 触发(推荐)

直接跟 AI 说:

  • "分析我的微信"
  • "更新我的画像"
  • "另一个我"
  • "解密微信"

方式二:手动运行

# 分析
cd "C:\Users\12084\Desktop\阿巴阿巴工作区\自己"
python analyzer/main.py

# 同步到热层
python analyzer/sync.py

内置的三层记忆系统

架构

热层(每次加载)
├── MEMORY.md           ← AI 直接读取
├── SOUL/USER/AGENTS.md
└── LanceDB 向量注入

暖层(自动维护)
├── autoCapture         ← 实时抓取 session
├── Micro Sync          ← 每天 5 次
└── Daily Wrapup        ← 每天凌晨

冷层(按需查询)
├── storage/cold/       ← 画像文件
├── archive/           ← 历史归档
└── second-brain/      ← 深度报告

Token 节省效果

  • 无三层记忆:每次对话重载全部上下文,消耗大
  • 有三层记忆:热层 ≤8KB,暖层按需,冷层向量检索,节省 99% Token

过滤规则

分析引擎会自动过滤以下内容:

  • 营销/福利群(奶茶、咖啡、外卖、红包、优惠券等)
  • 公众号推送(gh_、brandsessionholder 等)
  • 商业账号(论文辅导、考证推销等)
  • 机器人消息

数据存储位置

类型路径
解密工具C:\wechat-decrypt\
解密数据C:\wechat-decrypt\decrypted\
画像文件C:\Users\12084\Desktop\阿巴阿巴工作区\自己\storage\cold\另一个我\
热层记忆~/.openclaw/workspace/MEMORY.md

隐私说明

  • ✅ 所有数据存储在本地,不上传任何服务器
  • ✅ 仅分析用户本人的微信数据
  • ✅ 垃圾群/公众号自动过滤
  • ✅ wechat-decrypt 从进程内存读取密钥,不涉及账号密码

前置要求

  • Windows 10/11
  • 微信电脑版 4.x(2025年8月后)
  • Python 3.8+
  • Git
  • 管理员权限(读取进程内存)

更新日志

  • 2026-04-02: 首次创建,通用版打包 three-layer-memory 本体

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

94.87%
按下载量换算977

安全审计

VirusTotal

可疑

ClawScan

可疑

Static analysis

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在 warning/failed 结果,不能写成本站确认安全。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills