reunion

reunion skill 概覽

reunion 能做什麼

reunion skill 可協助你根據已故摯親的回憶、說話習慣與人格痕跡，建立一個在本機運作的紀念對話代理。實務上，reunion 不是一般的聊天機器人 prompt 套件；它提供的是一套完整流程：從資料蒐集、素材匯入、記憶分析、人格建模、預覽確認，到後續持續對話，皆可透過專用 CLI 或 MCP server 進行。

哪些人適合安裝 reunion

這個 reunion skill 最適合想用結構化、以本機為優先的數位追思流程，而不是只靠一般 prompt 臨時拼湊的人。若你手上有聊天紀錄、日記文字、照片，或口述回憶，並希望建立一套可重複執行的 Agent Orchestration 流程，而不只是一次性的情感對話，reunion 會特別合適。

為什麼使用者會選 reunion，而不是臨時寫 prompt

reunion 最主要的差異，在於它採用雙軌模型：Memory 負責共同經歷與事件，Persona 則處理說話風格、價值觀與行為邊界。這個 repository 另外還包含漸進式回憶、類 RAG 檢索、WeChat 解析支援，以及安全防護層。若你在意一致性與本地資料處理，reunion 的安裝價值會明顯高於單純一句「模仿我的親人」的 prompt。

如何使用 reunion skill

在適合的情境下安裝 reunion

這個 repository 是為本機使用而設計，搭配 Claude Code 風格的 skills 與 Python 元件運作。README 提到 macOS/Linux 可 clone 到 ~/.claude/skills/reunion，Windows 則使用 %USERPROFILE%\.claude\skills\reunion。Python 相依套件列在 requirements.txt，包括 mcp、chromadb、sentence-transformers、rich 與 typer。如果你想走 MCP 路線，先看 mcp_server.py；若只是想先做較簡單的本機測試，建議從 cli.py 開始。

先了解 reunion 最低需要哪些輸入

可用的 reunion 安裝流程，不要求你一定有完美整理好的完整檔案。核心流程需要的內容包括：

• 一個名字或稱呼方式
• 一行基本資訊：年齡、職業、地區、離世多久
• 一行人格印象
• 可選的來源素材：聊天紀錄、日記文字、照片或口述回憶

但輸入品質越好，輸出效果通常也會好非常多。較強的來源素材，通常包含重複出現的口頭禪、生活習慣、家庭日常、價值觀，以及具體的共同事件。較弱的輸入則像是只有「善良、勤奮」這類抽象稱讚，卻沒有實際例子。

把模糊需求整理成更有力的 reunion prompt

如果你是透過 agent 呼叫 reunion，不要只說「help me recreate my grandmother」。你需要提供足夠結構，讓整個 workflow 能順著它的 prompts 與 builders 往下跑。較好的 reunion 使用請求可以像這樣：

• “Use reunion to create a memorial agent for my grandmother.”
• “Display name: Grandma Li; relationship: grandmother.”
• “Basic info: 82, retired teacher, Shandong, passed 3 years ago.”
• “Speech habits: often said ‘eat well first’; frugal, caring, slightly nagging.”
• “Materials: chat.txt, notes.md, and 3 oral memories.”
• “Please analyze both shared memory and persona, then show me a preview before generating files.”

這樣的寫法，才能對應到 prompts/intake.md、memory_analyzer.md、persona_analyzer.md，以及 SKILL.md 中的 preview-confirm 步驟。

先讀這些檔案，再照這個 workflow 走

如果你是要快速判斷值不值得安裝，建議依這個順序閱讀：

1. SKILL.md：了解設計好的端到端流程
2. README.md：確認安裝方式與指令預期
3. cli.py：看本機互動模式怎麼運作
4. mcp_server.py 或 mcp_server_simple.py：看 Agent Orchestration 的接法
5. core/chat_engine.py、core/memory_store.py、core/safety_guard.py：理解執行期行為
6. prompts/：直接判斷實際品質門檻

建議的 reunion guide workflow：

1. 先用最少量的文字輸入測試建立流程
2. 檢查生成出的 memory/persona 摘要
3. 再補上更完整的來源素材
4. 最後才把聊天介面開放給真實使用者

reunion skill 常見問題

reunion 是給 Agent Orchestration 用，還是只是手動聊天？

兩者都能用，但從 repository 的設計來看，它對 orchestration 的支援明顯比單一靜態 prompt 檔更完整。MCP server 提供的是結構化、偏工具式的操作；CLI 則是阻力較低的本機使用路徑。若你要把紀念型代理流程整合進更大的 agent system，reunion for Agent Orchestration 是有實際可行性的選擇。

reunion 安裝起來對新手友善嗎？

算中等。使用流程本身不算複雜，但整個技術堆疊並不是完全 plug-and-play。你可能需要先處理 Python 環境、安裝相依套件，並且願意閱讀 cli.py 或 MCP server 相關檔案。即使是非技術使用者，也仍然可能受益，只是更適合由開發者先幫忙安裝 reunion，再把 workflow 包裝給他們使用。

什麼情況下不建議使用 reunion？

如果你要的是一般陪伴型 bot、雲端託管 SaaS，或完全沒有情緒風險的使用情境，就不適合選 reunion。這個 skill 的定位很明確，就是根據個人素材重建一種紀念性的存在感。另外，如果你完全沒有來源素材，也不願意提供口述回憶，它也不會是好選擇，因為輸出品質很快就會變得過於籠統。

reunion 跟一般角色 prompt 有什麼不同？

一般 prompt 可以模仿語氣，但如果你需要記憶檢索、逐步修正、本地儲存與安全檢查，reunion 的使用方式會更有優勢。這個 repo 把 persona 萃取與 memory 萃取拆開處理，通常會比單一超長 roleplay prompt 得到更穩定的對話結果。

如何改善 reunion skill

給 reunion 的是證據，不是形容詞

提升品質最有效的方法，就是把模糊描述換成具體例子。與其只寫「他很有愛」，不如提供：

• 他常說的話
• 他是怎麼表達關心的
• 經常重複的生活習慣
• 一段包含地點、人物與結果的具體故事

這些內容比起籠統的情緒標籤，更能讓 reunion 建立清楚的人格約束與可檢索的記憶錨點。

留意 reunion 最常見的失敗模式

常見的 reunion 問題其實很有規律：

• 聲音過度理想化，通常是因為來源素材太少
• 回答重複，通常是因為 memory 條目太薄或彼此重複
• 親密感失真，通常是因為關係細節沒有被記錄下來
• 出現情緒上不安全的回覆，通常是因為模型被推向「字面上的復活」，而不是紀念性模擬

遇到問題時，先判斷原因是資料缺漏、prompt 太弱，還是你對事實還原能力的期待本身就不切實際。

第一次輸出後要迭代，不要直接定稿

把第一次生成的版本當成草稿。先利用 preview 步驟修正說話風格、價值觀與記憶重點，再決定是否正式用來聊天。接著補上遺漏的素材，重新跑 builders。prompts/merger.md 與 prompts/correction_handler.md 的存在，也透露出這個 skill 本來就不是追求一次到位，而是設計成可透過增補與修正持續演進。

用正確檢查方式提升部署品質

在更廣泛使用前，先用幾個有針對性的 prompts 測試 reunion：

• “How would you ask if I ate dinner?”
• “What family habit would you remind me about?”
• “Tell me a small everyday memory, not a dramatic life summary.”

這些檢查能看出 reunion skill 是否真的抓到日常語氣、記憶細節與邊界感。如果表現不對，先回頭修正輸入，再考慮改程式碼。若整體流程沒問題，但執行期行為仍不理想，接下來就去看 core/chat_engine.py、core/context_memory.py 與 core/safety_guard.py。