863401402/she-love-me

解決的問題

本專案提供一個工具，用於分析 WeChat 與 QQ 的聊天記錄，幫助使用者理解戀愛關係中的動態。它利用心理學框架（依附理論、戈特曼理論、斯滕伯格的愛情三角理論）量化關係健康狀況，並識別如煤气燈效應或愛的轟炸等「危險信號」。

工作原理

該系統作為與 AI 編碼工具（如 Claude Code、Cursor、GitHub Copilot）相容的「通用代理技能」運作。其遵循多步驟流程：

1. 資料提取：使用第三方工具（如 weflow-cli、CipherTalk 或 QQ Chat Exporter）將聊天日誌匯出為 JSON 或 Markdown 格式。
2. 定量分析：基於 Python 的引擎（stats_analyzer.py）計算回應速度、訊息長度比率、發起頻率等指標，產生 stats.json 檔案。
3. 分層取樣：為避免在大型資料集上出現 AI 幻覺，build_chat_history.py 會提取特定時間段（如最近 30 天或高衝突期）的資料。
4. AI 解讀：大語言模型（LLM）分析整合後的統計資料與取樣文字，生成心理診斷、關係狀態與可操作建議。
5. 報告輸出：結果以 Markdown 摘要與現代感的深色主題 HTML 報告形式輸出。

適用對象

希望基於資料驅動與心理學分析，評估與特定聯絡人的聊天互動狀態，判斷關係狀況或識別有害模式的個人。

核心亮點

• 心理學框架：整合依附理論、斯滕伯格三角理論與戈特曼比率，實現客觀評分。
• 危險信號檢測：採用雙閾值系統（定量 + 文字），標記間歇性強化或單向痴迷等風險。
• 本地處理：所有資料均在本地處理，聊天記錄不會上傳至外部伺服器。
• 多平台支援：支援 Windows 上的 WeChat 與 QQ，並具備 macOS 的匯入功能。
• 代理整合：可在 AI IDE 中透過簡單指令（如 /she-love-me）觸發。
• 表情符號支援：包含本地匯出與預覽 WeChat 表情符號的工具。