reunion

reunion skill 概览

reunion 的作用是什么

reunion skill 用来帮你基于已故亲人的回忆、语言习惯和性格痕迹，创建一个本地运行的纪念聊天代理。实际使用中，reunion 并不是一套通用聊天机器人提示词模板；它提供了一条完整流程：信息采集、素材导入、记忆分析、人设构建、预览确认，以及随后通过专用 CLI 或 MCP server 持续对话。

谁适合安装 reunion

如果你想要的是一套结构化、以本地优先为核心的数字纪念工作流，而不是用普通 prompts 临时拼凑，reunion skill 会更适合你。它尤其适合手头有聊天记录、日记文本、照片或口述回忆，并且希望把 Agent Orchestration 做成可重复流程的人，而不只是进行一次性的情感对话。

为什么用户会选择 reunion，而不是临时写 prompts

reunion 最核心的差异，在于它采用双轨模型：Memory 负责共享经历与事件，Persona 负责说话风格、价值观和行为边界。仓库里还包含渐进式回忆、RAG 风格检索、WeChat 解析支持，以及安全防护层。如果你在意一致性和本地数据处理，那么相比一句简单的“act like my relative”提示词，reunion 明显更值得安装。

如何使用 reunion skill

在合适的上下文中安装 reunion

这个仓库是为本地使用场景设计的，结合了 Claude Code 风格的 skills 和 Python 组件。README 里给出了安装路径：macOS/Linux 下克隆到 ~/.claude/skills/reunion，Windows 下则是 %USERPROFILE%\.claude\skills\reunion。Python 依赖写在 requirements.txt 中，包括 mcp、chromadb、sentence-transformers、rich 和 typer。如果你准备走 MCP 路线，先看 mcp_server.py；如果只是想先做本地测试，建议从 cli.py 开始。

先弄清 reunion 最少需要哪些输入

一个可运行的 reunion 安装并不要求你拥有完美整理好的档案。核心流程需要的内容包括：

• 一个姓名或称呼方式
• 一行基础信息：年龄、职业、地区、离世时间
• 一行性格印象
• 可选素材：聊天记录、日记文本、照片或口述回忆

输入越好，输出通常也会好很多。高质量素材通常包含：反复出现的口头禅、生活习惯、家庭日常、价值观，以及具体的共同经历。弱输入则往往只是抽象赞美，例如“善良、勤劳”，却没有任何例子支撑。

把模糊目标变成高质量的 reunion prompt

如果你是通过 agent 调用 reunion，不要只说“help me recreate my grandmother”。你需要给工作流足够结构化的信息，让它能顺着已有 prompts 和 builders 往下走。一个更强的 reunion 使用请求可以写成这样：

• “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.”

这和 prompts/intake.md、memory_analyzer.md、persona_analyzer.md，以及 SKILL.md 中的预览确认步骤是对齐的。

先读这些文件，再按这个 reunion 工作流推进

如果你是为了快速判断值不值得安装 reunion，建议按这个顺序阅读：

1. SKILL.md：先看完整的端到端流程是怎么设计的
2. README.md：确认安装方式和命令预期
3. cli.py：了解本地交互模型
4. mcp_server.py 或 mcp_server_simple.py：用于 Agent Orchestration 的接入方式
5. core/chat_engine.py、core/memory_store.py 和 core/safety_guard.py：查看运行时行为
6. prompts/：判断实际质量门槛在哪里

建议采用的 reunion guide 工作流：

1. 先用最少文本输入做一次测试创建
2. 检查生成出的 memory/persona 摘要
3. 再补充更丰富的素材
4. 最后才把聊天界面开放给真实用户使用

reunion skill 常见问题

reunion 适合 Agent Orchestration，还是只适合手动聊天？

两者都支持，但从仓库设计来看，它显然比静态 prompt 文件更适合编排式使用。MCP server 暴露的是结构化、偏工具调用风格的操作；CLI 则提供了一条更低门槛的本地路径。如果你需要把纪念代理工作流复用到更大的 agent 系统里，那么 reunion 用于 Agent Orchestration 是一个相当靠谱的选择。

reunion 安装起来对新手友好吗？

中等水平。用户流程本身不复杂，但这套技术栈并不是完全开箱即用。你可能仍然需要配置 Python 环境、安装依赖，并且能看懂 cli.py 或 MCP server 相关文件。非技术用户也不是不能用，只是更适合由开发者先把 reunion 安装好，再把工作流封装给他们使用。

什么情况下不该使用 reunion？

如果你想要的是一个通用陪伴机器人、云端托管的 SaaS，或者完全没有情感风险的方案，就不建议选 reunion。这个 skill 的定位非常明确：它是用个人材料去重建一种纪念性的存在感。如果你完全没有素材，也不愿意提供口述回忆，它同样不合适，因为输出会很快变得泛化、失真。

reunion 和普通角色 prompt 到底有什么不同？

普通 prompt 可以模仿语气，但当你需要记忆检索、渐进修正、本地存储和安全检查时，reunion 的使用价值会更明显。这个 repo 把 persona 提取和 memory 提取分开处理，通常会比一条很长的角色扮演 prompt 带来更稳定的对话效果。

如何提升 reunion skill 效果

给 reunion 提供证据，而不是形容词

提升质量最明显的方法，就是把模糊描述换成具体例子。与其只说“他很有爱”，不如提供：

• 他常说的口头禅
• 他通常怎么表达关心
• 反复出现的生活习惯
• 一个包含地点、人物和结果的具体故事

这样能给 reunion 更清晰的人设约束，也能提供比笼统情绪标签更有用的检索锚点。

留意 reunion 最常见的失败模式

reunion 的常见问题其实比较好预测：

• 语气过度理想化，因为素材太少
• 回答重复，因为 memory 条目太薄或内容重复
• 亲密感失真，因为关系细节没有被记录
• 如果模型被推向“真正复活”而不是“纪念性模拟”，就可能出现情绪上不安全的回复

排查时，要先判断问题到底来自数据缺失、prompts 太弱，还是你对事实还原抱有不切实际的期待。

第一次输出后继续迭代，不要停

把第一次生成的版本当作草稿，而不是最终稿。利用预览步骤，先修正说话风格、价值观和记忆重点，再决定是否进入聊天阶段。然后继续补充遗漏素材，并重新运行 builders。仓库里有 prompts/merger.md 和 prompts/correction_handler.md，这本身就在提示你：这个 skill 的设计思路就是靠不断补充和纠正来进化，而不是第一次就做到完美。

用正确的检查方式提升 reunion 部署质量

在更大范围使用前，先用几条有针对性的测试提示检查 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.”

这些检查能快速暴露 reunion skill 是否真的抓住了日常语气、记忆细节和边界感。如果结果不对，优先回头修改输入，而不是先改代码。如果整体流程没问题，但运行时表现不理想，那么下一步就去看 core/chat_engine.py、core/context_memory.py 和 core/safety_guard.py。