效果演示

文字对话

你         ❯ 爷爷，我今天升职了

爷爷       ❯ 嗯，好。你妈知道了吗？
              别光顾着高兴，升了职责任更大，做人要实在一点。
              吃亏是福，记住了。

              ——以他的性格做出的推测，不代表本人。

你         ❯ 给我讲讲你年轻时候的事

爷爷       ❯ 那时候条件差，不像你们现在……
              我进铁路系统那年才十八岁，什么都不会，
              就跟着师傅学，一干就是四十多年。
              你问我苦不苦，那时候不觉得，
              现在想想确实苦，但值得。

语音对话

你         ❯ 用爷爷的声音说"吃亏是福，年轻人不要怕吃亏"

爷爷       ❯ 🔊 [播放 10 秒音频——用爷爷自己的声音说出这句话]

声音是从微信语音消息里学来的，音色是 ta 本人的。

怎么用

最简单的方式：把微信聊天记录给 AI，就行了。

你         ❯ /create-memorial

AI         ❯ 你想为谁建立纪念档案？

你         ❯ 我爷爷。微信家庭群里有他的聊天记录和语音消息。

AI         ❯ 好的。我来从微信里提取他的数据……
              找到了——「相亲相爱一家人」群，你爷爷发了 350 条语音、3 条文字。
              正在分析他的说话方式和性格……
              正在训练他的声音模型……

              ✓ 完成。你现在可以跟他聊天了。

之后就像跟真人聊天一样——他会用自己的方式回答你。

它是怎么做到的

微信聊天记录 + 语音消息
        ↓
  AI 分析 ta 的说话方式、性格、经历、价值观
        ↓
  生成人格档案（ta 会怎么说话、怎么反应）
        ↓
  训练声音模型（ta 的音色）
        ↓
  你可以跟 ta 对话了（文字 + 语音）

输入

你需要提供的东西，按价值排序：

最低门槛：只需要微信聊天记录，粘贴进来就能建档。
最佳效果：微信语音 + 文字聊天 → 文字对话 + 声音对话全部解锁。

输出

⚠️ 这是基于记忆的追忆，不代表本人。ta 的回答是 AI 根据材料推测的"ta 可能会这么说"。

如果 ta 还在

趁现在就开始建档是更好的选择。

由本人亲口讲述，比事后重建准确十倍。系统内置了一套访谈问题，帮你引导 ta 讲出那些从未说过的故事。

建好的档案，在 ta 离开后自动转为纪念档案，无需重建。

安装

本项目分两档，按需选择：

基础版安装（5 分钟）：

# 安装到 Claude Code skills 目录
mkdir -p .claude/skills
git clone https://github.com/Terry-cyx/memorial-skill .claude/skills/create-memorial

# 安装依赖（可选依赖失败不影响基础功能）
pip install -r .claude/skills/create-memorial/requirements.txt

语音增强版需要额外安装 PyTorch CUDA、GPT-SoVITS、微信 3.9.x 等，详见 INSTALL.md。

使用

在 Claude Code 中输入：

/create-memorial

按提示回答三个问题——称呼与关系、基本背景、性格印象——然后选择数据来源。
所有字段均可跳过，仅凭口述也能生成基础档案，之后随时补充。

完成后用 /{slug} 调用纪念档案，开始追忆。

管理命令

效果示例

输入：爷爷，1938年生，湖南人，北京铁路工人，退休后种菜，沉默寡言，"吃亏是福"

场景一：追忆故事

你         ❯ 给我讲讲爷爷年轻时候的事

纪念档案   ❯ 他好像很少主动讲那段时间。
              但奶奶说过，文革的时候他把家里的书用油纸包好埋在菜园地下——
              后来改革开放，一本一本挖出来，还能看。
              他就说了一句话："书不能烧，知识不能断。"

场景二：人格追问

你         ❯ 如果我现在告诉他考上大学了，他会说什么？

纪念档案   ❯ 他大概不会说什么。
              可能夹两筷子菜给你，然后去菜园待一下午。
              回来眼睛是红的，问他怎么了，他说"风迷眼了"。
              —— 这是以他的性格做出的推测，不代表他本人。

场景三：帮写悼词

你         ❯ 我想写一篇悼词，你帮我把他这一生整理一下

纪念档案   ❯ 王建国，1938年生于湖南，2023年辞世，享年85岁。
              在北京工作了65年，菜园种了25年。
              他不说"我爱你"，但每天早上给奶奶倒水，几十年从未间断。
              他的口头禅是"吃亏是福"……

场景四：整理家人访谈

你         ❯ 我想问问奶奶关于爷爷的事，帮我列几个问题

纪念档案   ❯ 给奶奶（配偶）的访谈问题：
              1. 你们是怎么认识的？
              2. 他表达爱意的方式是什么——说出来，还是做出来？
              3. 你们有没有特别的习惯或仪式？
              4. 他最让你感动的一件事是什么？……

场景五：生前建档（ta 还在）

你         ❯ 我奶奶还在，我想趁现在给她建一份档案

纪念档案   ❯ 太好了，趁她还在亲口讲是最珍贵的。
              我来生成一套问她本人的问题。

              她现在方便长时间聊吗，还是每次聊一小段？

你         ❯ 她年纪大了，每次聊一会儿就累

纪念档案   ❯ 好，我把问题分成5个模块，每次聊一个：
              模块1：从哪里来（童年、家庭、成长）
              模块2：走过了什么（转折、困难、骄傲的事）
              模块3：在乎什么（价值观、信念、格言）
              模块4：关于家人（想对你们说的话）
              模块5：留下什么（这一生的总结）

              先从第一个模块开始吗？

功能特性

生成的档案结构

每份纪念档案由两部分组成，共同驱动追忆输出：

运行逻辑：收到问题 → 追忆档案提供素材 → 人格档案决定"ta会怎么回应" → 用追忆语气输出

时代背景层（memorial-skill 特有）

老一辈人的性格深受历史塑造。这一层根据出生年代，将历史事件映射到具体行为：

支持的性格标签

说话方式：沉默寡言 · 话多 · 刀子嘴豆腐心 · 内敛不善言辞 · 喜欢讲道理 · 方言腔调

情感表达：行动型爱 · 语言型爱 · 沉默型关心 · 严格背后的骄傲 · 隔代宠爱

处世方式：原则性强 · 吃亏是福 · 节俭 · 热心肠 · 不求回报 · 好面子 · 固执

关系风格：一家之主型 · 默默支撑型 · 严父/慈母型 · 隔代放纵型

进化机制

• 追加材料 → 新的聊天记录/照片/口述 → 自动分析增量 → 追加到对应维度，不覆盖已有内容
• 对话纠正 → 说「他不会这样说」→ 写入 Correction 记录，立即生效
• 版本管理 → 每次更新自动备份，支持回滚到任意历史版本（最多保留 10 个）

声音克隆 — 听到 ta 的声音

纪念档案不只是文字。如果你有亲人的微信/QQ 语音消息，系统可以训练一个声音模型——输入任意文字，输出用 ta 的声音说出来的音频。

效果

你         ❯ 用爷爷的声音说"吃亏是福，年轻人不要怕吃亏"

纪念档案   ❯ 🔊 [生成 10 秒音频，用爷爷的音色说出这句话]

需要多少语音

微信家族群里几十条语音消息通常就够了。

方言支持

支持。 即使亲人平时说方言，也可以训练声音模型。

系统会用方言语音训练音色（SoVITS 模型只学习声音特征，不依赖语言），合成时用目标人的音色输出普通话语音。效果：声音像 ta，但说的是普通话。

后续版本计划支持方言内容输出（即让合成语音也说方言），敬请期待。

技术方案

基于 GPT-SoVITS，本地训练+推理，数据不出设备。

微信/QQ 语音消息 → 预处理（转格式+降噪）→ 训练声音模型 → 输入文字 → 亲人声音

需要 NVIDIA 显卡（推荐 RTX 3060 12GB 以上），训练约 20-30 分钟。

项目结构

本项目遵循 AgentSkills 开放标准：

create-memorial/
├── SKILL.md                      # skill 入口（官方 frontmatter）
├── prompts/                      # Prompt 模板
│   ├── intake.md                 #   对话式信息采集（3问）
│   ├── remembrance_analyzer.md   #   人生轨迹提取（8维度）
│   ├── remembrance_builder.md    #   remembrance.md 生成模板
│   ├── persona_analyzer.md       #   人格提取（含时代背景层、标签翻译表）
│   ├── persona_builder.md        #   persona.md 5+1层结构模板
│   ├── merger.md                 #   增量追加逻辑（不覆盖）
│   └── correction_handler.md    #   对话纠错处理
├── tools/                        # Python 工具
│   ├── wechat_parser.py          #   微信聊天记录解析
│   ├── qq_parser.py              #   QQ 聊天记录解析（txt/mht）
│   ├── audio_transcriber.py      #   音频转录（Whisper）
│   ├── photo_analyzer.py         #   照片 EXIF 时间线提取
│   ├── interview_guide.py        #   访谈问题生成（含本人/家人两种模式）
│   ├── voice_preprocessor.py      #   语音预处理（silk→WAV + 降噪）
│   ├── voice_trainer.py           #   声音模型一键训练（GPT-SoVITS）
│   ├── voice_synthesizer.py       #   语音合成（文字→亲人声音）
│   ├── skill_writer.py           #   档案文件管理
│   └── version_manager.py        #   版本备份与回滚
├── tools/wechat_voice_extractor.py #  微信语音一键提取（解密+搜索+导出）
├── tests/
│   └── test_tools.py             #   自动化测试（8 个测试）
├── memorials/                    # 生成的纪念档案（gitignored）
│   └── example_grandpa/          #   完整示例（虚构爷爷王建国）
│       ├── SKILL.md / remembrance.md / persona.md / meta.json
│       ├── voice/                #   声音模型目录结构示例
│       └── materials/            #   原始材料目录结构示例
├── docs/PRD.md
├── requirements.txt
└── LICENSE

两种建档时机

如果 ta 还在，现在就是最好的时候。

一键完整流程（命令行）

如果你更喜欢直接用命令行而不是对话：

# ① 提取微信语音（微信 3.9.x 需在运行）
python tools/wechat_voice_extractor.py --group "家庭群" --person "目标人名" --outdir ./voices_raw/

# ② 预处理：silk → WAV + 降噪
python tools/voice_preprocessor.py --dir ./voices_raw/ --outdir ./voices_processed/

# ③ 音频转文字（用于纪念档案的文字部分）
python tools/audio_transcriber.py --dir ./voices_processed/ --speaker "目标人" --format chat --output transcripts.md

# ④ 创建档案目录
python tools/skill_writer.py --action create --name "称呼" --slug my_memorial

# ⑤ 一键训练声音模型（自动检测方言 + 选择策略）
python tools/voice_trainer.py --action full --slug my_memorial --audio-dir ./voices_processed/

# ⑥ 测试声音合成
python tools/voice_synthesizer.py --slug my_memorial --text "想让 ta 说的话"

# ⑦ 查看状态
python tools/voice_trainer.py --action status --slug my_memorial
python tools/voice_synthesizer.py --slug my_memorial --action check

运行测试

python tests/test_tools.py

测试覆盖：档案管理、版本回滚、微信/QQ 解析、音频预处理、访谈生成、语音合成。

注意事项

• 原材料质量决定档案深度：聊天记录 + 家人口述 > 仅个人描述
• 建议优先收集：日常消息（最能反映真实语言习惯）> 关键时刻的对话 > 单向描述
• 家人访谈是 memorial-skill 特有的重要来源——用 /interview 命令生成定制问题
• 档案可以随时补充，不必一次完成。记忆会随时间浮现，慢慢加
• 本 Skill 不鼓励以档案代替正常的哀伤过程。如果你发现自己难以走出，请寻求专业支持

致谢

本项目的架构设计深受以下两个优秀的开源项目启发：

• 同事.skill — 将同事蒸馏为 AI Skill，双轨架构（Work Skill + Persona）和 5 层人格模型的原创设计
• 前任.skill — 将前任重建为 AI Skill，关系记忆提取和情感疗愈场景的开创者

memorial-skill 继承了它们的双轨分析框架、提示词驱动架构和增量进化机制，并在此基础上增加了时代背景层、生前建档模式和声音克隆能力。感谢两位作者的开源精神。