create-ex

create-ex skill 概览

create-ex 的作用是什么

create-ex skill 是一套引导式工作流，用来把关系背景信息和聊天记录转成可复用的数字人格 skill。它面向的不只是“临时模仿一下”的单次 prompt 场景；真正的重点，是从 WeChat、iMessage 或粘贴的聊天转录中提炼语气、冲突模式、关心方式和回复习惯，再把这些模式写入一组可供 coding agent 反复调用的文件。

哪些人适合使用这个 create-ex skill

最适合的人群，是愿意提供结构化个人背景和消息历史、并且想得到一个可重复使用的人格产物，而不是一次性模拟对话的用户。对 create-ex for Prompt Writing 来说，它尤其有价值，因为仓库把信息采集、聊天分析、人格分析、人格构建和修正处理拆成了独立 prompts，而不是把所有逻辑都塞进一个臃肿的大指令里。

create-ex 有什么不同

和普通 prompt 相比，create-ex 采用分阶段流水线：信息采集、数据导入、自动分析、预览、最后输出文件。它还提供了明确的 prompts，比如 prompts/chat_analyzer.md、prompts/persona_analyzer.md 和 prompts/persona_builder.md，并在 exes/example_liuzhimin/ 下放了示例输出。如果你想要的是一个后续还能检查、编辑、持续优化的人格，这种结构能明显减少摸索成本。

create-ex 安装前先检查什么

在做 create-ex install 之前，先确认三件事：你是否能接受处理敏感聊天记录、你的环境是否能运行 Python 3.9+ 工具链、以及你的主要数据来源是否受支持。仓库明确支持 WeChat 和 iMessage 工作流，但 README 也指出 WeChat 提取在法律和实际操作层面都不稳定，因此不少用户最终会依赖粘贴文本、截图或自定义导出流程，而不是全自动提取。

如何使用 create-ex skill

create-ex 的安装与初始化路径

SKILL.md 里没有单一、标准化的 package 安装命令，所以更适合把它视为一个基于仓库使用的 skill。建议先读 SKILL.md 了解触发流程，再看 README_EN.md，然后读 docs/PRD.md。如果你打算使用仓库自带工具，还需要 Python 3.9+，并且在信任自动化之前，先检查 tools/wechat_decryptor.py、tools/wechat_parser.py 和 tools/skill_writer.py。README 里给出了 OpenClaw 的 clone 安装方式：
git clone https://github.com/titanwings/ex-skill ~/.openclaw/workspace/skills/create-ex

create-ex 需要什么输入

高质量的 create-ex usage 依赖两层输入：

1. 简短的人类背景信息：姓名/代号、关系阶段、年龄段、性格特征、MBTI、依恋类型、已知星座；
2. 证据材料：聊天记录、截图、粘贴的转录文本，或提取出来的消息数据。

输入越扎实，生成的人格规则就越可靠。比如“她很体贴，但有回避倾向”这种描述就偏弱。更好的写法是：“女，25岁，交往 8 个月后分手；平静时通常回得快，冲突时会突然沉默；防御状态下常说‘我不是那种人’；经常用省略号和‘haha’来缓和批评语气。”

如何更好地提示 create-ex

要高效调用 create-ex，一开始就把目标和操作约束说清楚。一个更强的请求可以这样写：

• Goal: “Use /create-ex to build a reusable persona skill, not just sample dialogue.”
• Source: “Primary evidence is pasted WeChat text from the last 6 months.”
• Priority: “Preserve texting rhythm, conflict behavior, and affection style.”
• Constraint: “Mark low confidence if evidence is thin; quote original lines when possible.”

这和仓库内部逻辑是对齐的：人工标注优先于从聊天记录推断；样本量太小需要标记低置信度；所有判断最好都能落到原始消息引用上。

create-ex 的最佳工作流与优先阅读文件

建议按这个顺序看：

1. SKILL.md — 操作步骤和触发行为
2. prompts/intake.md — skill 期待你提供哪些元数据
3. prompts/chat_analyzer.md — 转录解析器应该提取什么内容
4. prompts/persona_builder.md 和 prompts/correction_handler.md — 最终人格如何演化和修正
5. exes/example_liuzhimin/ — 成品输出长什么样

实用建议：如果你已经有文本，就不要一上来先用截图。分析 prompts 默认消息内容可以被分类为长消息、冲突消息、亲密消息和日常聊天。干净的文本输入，比依赖 OCR 的截图更容易在后续步骤里得到稳定结构。

create-ex skill 常见问题

create-ex 比普通模仿 prompt 更好吗？

大多数情况下是的，尤其当你需要持续性时。普通 prompt 可以在单次会话里模仿表层语气，但 create-ex 的目标是生成一个可保存的人格，并带有分析层和修正处理机制。如果你想随着时间不断微调行为，而不是每次重写同一套指令，这个差异就很关键。

create-ex skill 对新手友好吗？

算中等。高层流程不复杂，但仓库把 prompt 资源和 Python 工具混在一起，默认你愿意读文件、也能自己适配工作流。新手依然可以使用 create-ex：重点放在手动文本输入和 prompt 文件上即可；如果本地环境搭建让你觉得有风险或不够明确，可以先跳过自动提取部分。

什么情况下不适合用 create-ex？

如果你只想要一次轻松玩玩的对话、不方便安全处理私人聊天，或者希望从稀疏消息里得到“心理诊断式”的事实结论，那就不建议用它。如果你的源材料很少，它也不太适合；仓库本身就提醒，少于 200 条消息时，结果置信度会明显下降。

它如何融入 prompt-writing 工作流？

create-ex for Prompt Writing 是它非常强的适用场景，因为仓库把可复用的 prompt 组件都公开出来了。即使你的最终产物并不是严格意义上的“前任模拟”，你也可以借用其中的信息采集、分析和修正模式，迁移到相邻的人格构建项目里。

如何改进 create-ex skill

给 create-ex 提供更高信号的证据

影响质量最大的杠杆，不是多写几个形容词，而是证据本身的质量。尽量提供能覆盖平静、亲密、冲突、疏离等不同阶段的代表性消息；如果可以，补上时间戳或大致阶段。若你明确知道某些特征一定成立，就直接写明，因为这个 skill 会优先采用人工标签，而不是不确定的推断。

降低 create-ex 的常见失败模式

大多数质量差的输出，通常都来自四类问题之一：数据太少、用户描述过度浪漫化、转录片段里说话人不清晰，或者预览后没有做修正。如果第一版看起来很泛，那往往不是模型“不会写”，而是源材料只暴露了情绪，没有体现重复出现的语言习惯或冲突链路。

在第一次输出后继续迭代

仓库里提供 prompts/correction_handler.md 不是摆设，要真正用起来。不要只说“感觉不对”，而要给出场景化修正，比如：“她生气时不会解释，而是会消失几个小时不回，回来后只发一条很务实的消息。”这种具体修正可以直接写回人格，比笼统的风格抱怨更有价值。

改的是工作流，不只是主题包装

想提升 create-ex，要把它当作一套人格构建框架来看。如果 WeChat 自动化走不通，就改用 intake prompt 加手工整理的聊天文本；如果最终人格过度拟合可爱口头禅，就补充更多冲突和日常聊天样本来重新平衡；如果你是在别的领域借用 create-ex guide 的模式，也要保留它的分阶段设计：intake → evidence import → analysis → preview → correction → saved artifact。