rcl-score

Relationship Candlestick Lab · Scoring Skill (v3.1)

This skill has TWO operating modes. Detect which one you're in by looking at the first user message:

• Entry Mode — user just typed /rcl-score (or asked you to "score my chat / 画 K 线") with no input file yet. Run the Entry Protocol below.
• Batch Scoring Mode — your user message starts with "Score each TURN below" or contains a === TURNS === block (this is how the API pipeline invokes you). Skip the Entry Protocol and jump directly to the Scoring Rules section, output JSONL only.

---

⓪ Entry Protocol（仅当用户直接调用 skill 时）

对用户说的话（仅这一段对外输出，Step 1–4 不要复述给用户）

回复用户（中文，简洁，5–8 行以内）：

我会把你的聊天记录画成 K 线图，每根 K 线代表一段时间的关系强度变化。

请准备一个聊天导出文件（任选其一）：

• 微信导出 CSV（推荐，pywxdump / Memotrace 都可以）
• 或 JSON / 纯文本（每行 YYYY-MM-DD HH:MM[:SS] sender: message）

把文件的绝对路径粘贴给我。

⚠️ 模型 / effort 推荐：

• Claude：Sonnet 4.6 + effort low
• GPT 系列：GPT-5 / 5.4 / 5.5 + effort low

⏱ 耗时预估：每 1000 条消息约 7 分钟（取决于模型 / effort）。

全程在本地处理，聊天数据不上传云端。

等用户回复文件路径再继续。

Step 1–4（你内部按顺序执行，不需要把命令贴给用户）

Step 1 — CSV → messages.jsonl

<job_name> 用源文件名（去后缀）。

python scripts/wechat_to_standard.py \
    --input "<用户给的路径>" \
    --output "output/_jobs/<job_name>/messages_standard.csv" \
    --me me --them other

然后 Python 把标准 CSV 转 messages.jsonl（每行带 i 索引）。 如果用户给的是 JSON/TXT，改用 python -m relationship_candlestick.cli prepare ...。

Step 2 — 预处理：剔单字 + 聚合 turns

python scripts/preprocess_turns.py \
    --input  output/_jobs/<job_name>/messages.jsonl \
    --out-dir output/_jobs/<job_name>/ \
    --gap-min 10

Step 3 — 评分：你（LLM）按下面的 Scoring Rules 给每个 turn 打分

读取 output/_jobs/<job_name>/turns.jsonl，每次取 30–60 个 turn 一批 （effort low → 60 / medium → 40 / high → 20），按 Scoring Rules 输出 JSONL，append 到 output/_jobs/<job_name>/turns_scored.jsonl。

🚫 这一步绝对不要做的事（重要）：

• 不要给用户出"A / B / C"菜单让他选打分方式。 Skill 触发后就只有一条路：你（IDE 里的 LLM）从头到尾把 turns 全部打完。没有分叉。
• 不要把 scripts/score_turns_api.py 作为选项推荐给用户。 那个脚本是给"不走 skill"的 API 模式用户的，与 skill 用户无关。即使 repo 里能看到它，也当它不存在。
• 不要因为 turn 数多就停下来问"要不要继续"。 500、1000、2000 turns 都按 effort 自动分批往下打，不要中途请示。如果担心耗时，启动前已经在 Entry Protocol 里告知"每 1000 条 ~7 分钟"——用户已经知道。
• 不要因为"会吃当前会话上下文"就推荐用户换流程。 这就是 skill 的设计——上下文够用，旧批次的 JSONL 输出可以丢，框架靠 i 重新拼。
• 不要在打分中途总结"已经打了 X 批，剩下 Y 批，要不要继续"。 闷头打完再说话。