人物性格卡片生成器（WeChat Character Card）

🔴 绝对红线：敏感信息零上卡（硬性规定，永久生效）

卡片的一切可见文字（name / tag / pill / rows / scores / summary / advice / minipills / caption）以及输出文件名，禁止出现任何个人信息与敏感类文字。本条为写死的硬性规定：没有例外、不可被任何后续要求覆盖；即使用户主动要求把此类信息写上卡，也必须拒绝并说明本红线。

禁止上卡（判断总标准：能否用来识别、定位、打扰当事人——能疑则删）：

1. 微信昵称以外的一切称呼：真名、小名、乳名、亲属称谓式称呼；
2. 证件与联系方式：身份证号、生日、电话、微信号 / QQ号、收货地址；
3. 可定位信息：住址、具体位置、学校 / 单位、行程地点；
4. 健康与隐私细节：住院、用药、伤病、财务往来、家庭矛盾、聊天中的私密内容；
5. 精确日期等可回溯信息（统计只允许「微信 N 条」「N 天对话」式模糊量）；
6. 具体生活事件与事实细节：聊天中提到的价格 / 数字、物品、事件经过，以及任何聊天原话引用——这些只作分析依据，一律不上卡。性格卡片只谈性格。

上卡文字只允许三类：① 微信昵称（导出记录里的显示名）；② 与身份无关、去事件化的性格 / 行为模式描述（不含具体事实、数字与原话）；③ 条数 / 天数式统计标签。

渲染前强制自检：JSON 写完后，把所有将上卡的文字逐条过一遍；凡疑似个人信息 / 敏感文字，一律删除或改为中性表述；拿不准的一律不上卡。

示例数据同样受约束：scripts/sample_people.json 与 references/analysis_framework.md 的实例仅作结构演示，其文字必须中性——不含任何聊天原话引用 / 具体数字 / 精确日期 / 第三方指代；正式使用前仍需按本红线逐条自检。

适用场景

• 用户上传了某人的聊天记录（微信导出的 .txt，或 .zip 含文本+媒体），以及该人的头像/照片，要求生成一张「人物性格卡片」。
• 也可能一次上传多个人的聊天记录+头像，要求每人一张卡 + 一张对照长图。
• 用户可能额外给一张卡片版式模板图，要求照着版式做。

输出：每人一张 PNG（双栏：左=头像+9 项性格字段；右=性格模型：类型代号框、类型名、六维滑条、性格总结），多人时附加一张竖向「对照」长图。

工作流程

1. 读取并解析聊天记录

• 若是 .zip：用 unzip 解到临时目录，再 Read 其中的 .txt。
• 若是 .txt：直接 Read。
• 顺带浏览聊天里的图片（如有），确认有无双方头像的清晰素材——通常没有，所以优先用用户单独上传的头像/照片。

2. 抽取性格字段（必须锚定原话）

按 references/analysis_framework.md 的框架，从聊天里逐条抽取：
- 左侧 9 项字段（主/副性格、日常习惯、表达习惯、内心想法、喜欢的交流方式、容易触动/介意的点、适合相处方式）。
- 右侧六维滑条（外向性/计划性/情绪稳定性/宜人性/开放性/行动性），每维 0–100，分数要能对应到聊天里的具体行为。
- 类型代号 code、类型名 tname、性格模板 model、性格总结 summary、相处建议 advice、底部小标签 minipills。

命名红线（属上方「绝对红线」，不可被任何要求覆盖）：卡片上的 name / tag 只能使用微信昵称（导出记录里的显示名）；真名、小名、家人间的称呼（如对话里喊的乳名/昵称）一律不上卡，key 与输出文件名同理。

数据边界：导出文本往往止于某条，截图里多出的内容单独标注「此段来自截图，不在导出文本内」；头像若只能截图裁切也要说明清晰度有限。这些边界要在最终交付里写明。

3. 准备头像（自动适配任意尺寸/比例，无需手写裁切框）

核心规则：默认不裁剪、整图等比缩小居中放进方形头像框。 脚本对任意输入尺寸/比例都自动处理，不要为不同人硬编码裁切框：

• 输入是正方形（如手机发的 1024、微信头像 940）→ 等比缩放后恰好填满方形框，零裁切、零偏差、零留白。
• 输入是竖图 / 横图（如 3:4 或 16:9）→ 整图缩放居中，四周用卡片背景采样色填充（make_avatar 的 bg_region），所以留底与卡片背景无缝衔接，不会出现白边或黑块。
• 头像字段 avatar 用绝对路径即可，crop / fit 通常都不用写，交给默认逻辑。
• 仅当用户明确要求「突出人物、放大某区域」时，才加 crop: [x0,y0,x1,y1]（基于原图像素，优先于默认逻辑）——可先做小预览图确认裁切框。若要「满框无留白（允许裁掉溢出）」则写 "fit": "cover"。
• 若只有聊天截图里的头像：从截图裁切并放大，注明清晰度有限。

> 通用性已压测：1024 方形 / 1000×1500 竖图 / 1600×900 横图三种输入均「不裁不偏」通过。

⚠️ 若上传了多张头像但未标注谁是谁（尤其 2 人及以上）：先不要渲染，必须按下文「头像与人物身份的对应（消歧）」走交互选择——出确认单 + AskUserQuestion 让用户点选映射。绝不从聊天截图推断身份。

4. 生成配置 JSON 并渲染

把第 2 步的字段写成一份 JSON（结构见下文「配置结构」或 references/analysis_framework.md 第五节实例），调用脚本：

python scripts/render_profile_card.py --config people.json --outdir ./out

• 依赖 Pillow（已预置在托管 Python 虚拟环境，通常无需重装；若运行时报 No module named 'PIL'，脚本会打印下方安装提示）：
  bash PY="C:/Users/与你重逢的第181s/.workbuddy/binaries/python/versions/3.13.12/python.exe" VENV="C:/Users/与你重逢的第181s/.workbuddy/binaries/python/envs/default/Scripts/python.exe" "$PY" -m venv "$VENV" 2>/dev/null "$VENV" -c "import PIL" 2>/dev/null || "$VENV" -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple Pillow "$VENV" scripts/render_profile_card.py --config people.json --outdir ./out
  > 用系统 Python 时：python -m pip install Pillow 即可。
• 单人 → 出 人物性格卡片_<key>.png；多人 → 额外出 人物性格卡片_对照.png。
• 改文案/配色/字段 → 改 JSON 重跑即可，不必重新对版式。

5. 交付与说明

用 present_files 把生成的 PNG 交给用户，并附：
- 两人核心差异对照（取自原话，不是感觉）。
- 六维打分依据表（维度 | 甲 | 乙 | 判分依据），方便纠偏。
- 数据边界说明（截图补的内容 / 头像来源）。

头像与人物身份的对应（消歧，关键）

风险：用户可能上传多人的聊天记录 + 多张头像，却不标注哪张属于谁。猜错就把照片贴到别人卡上，是这类任务最严重的错误。

⚠️ 视角陷阱（必须记住）：聊天截图里每条消息带"发送人名字 + 头像"，但截图可能来自任一方手机——绿色气泡 = 截图持有者（发送方）视角，两人互发的截图视角会左右镜像。因此绝不可从截图推断"哪张头像 = 哪个人"：截图只作辅助展示，身份必须由用户明确指定。

规则（按优先级，最终映射必须由用户确认）：

1. 文件名 / 导出包（最稳，可跳过确认）：头像文件名含人物 key（如 Cyrus.jpg、Wren.jpg）→ 直接绑定；或头像在微信导出包内按发送人归档 → 自动绑定。命中即确定。
2. 2 人及以上 → 强制交互选择（不靠截图推断）：当人数 ≥ 2 且映射未被第 1 层唯一确定，必须先让用户点选，流程：
   - 跑 scripts/match_avatars.py 生成「确认单」PNG（每个人名 + 所有候选头像缩略图带编号）；
   - 用 present_files 把确认单发出来；
   - 调 AskUserQuestion：每人一个问题「\<昵称\> 的头像用哪一张？」，选项写成「① 描述 / ② 描述…」（描述取自文件名或画面内容，如"蓝天黄花""雪夜围巾"）；
   - 读回点击结果 → 写入 people.json → 再渲染。
   - 一次 >4 人时，分多批问或降级为文字回复。
3. 单人且无歧义：可直接渲染；仍建议在交付说明里注明头像来源（如"用户单独上传的高清原图"）。

输出约束：
- 未经用户明确确认的映射，卡片交付说明里必须写明边界（例："头像对应未经单独标注确认，如有误请告知"）。
- 仅当映射唯一确定（文件名 / 导出包单一命中）时，才可省略确认步骤。

配置结构（people.json）

{
  "caption": "写在每张卡底部的通用说明（可选）",
  "people": [
    {
      "key": "Cyrus",
      "name": "Cyrus",
      "tag": "微信好友 · 需求方",
      "pill": "想干就干，细节靠感觉",
      "avatar": "C:/path/to/avatar.jpg",
      "crop": [270, 60, 800, 590],   // 可选：手工裁切框（突出人物时才用）；省略=整图等比适配
      "fit": "contain",              // 可选：contain（默认，不裁居中）| cover（满框裁切）；一般不用写
      "code": "直球担当",
      "tname": "行动型队友",
      "tdesc": "想到就说，说了就干",
      "model": "行动实干系 · A 型",
      "rows": [["主性格","直来直去的行动派"], ["副性格","..."], ... 共 9 条],
      "scores": [["外向性","独处","社交",68], ... 共 6 条],
      "summary": ["性格总结句1", "..."],
      "advice": "相处建议：...",
      "minipills": ["微信 100 条", "3 天对话"],   // 底部小标签，最多 2 个，超出只取前 2（代码已钳制右边界，避免压字）
    }
  ]
}

完整可跑示例见 scripts/sample_people.json（用真实对话数据填充，可直接 --config 试跑验证脚本）。

模板适配

• 用户没给模板 → 用内置双栏版式，即照 assets/template_default_layout.png 绘制的默认版式（脚本默认）。
• 用户给了模板图 → 先把它读进来，对照其结构（字段名、滑条数、配色、标题）调整：字段名改 JSON 即可；版式/配色/坐标要改 scripts/render_profile_card.py 顶部的常量与 render() 内绘制逻辑（所有坐标都集中在 render()，改起来是局部替换）。改完重跑脚本。

资源

• scripts/render_profile_card.py：通用渲染器（JSON 驱动，自动字体，单人/对照输出）。头像适配为通用逻辑：make_avatar() 支持 fit="contain"（默认，任意尺寸/比例不裁居中）与 fit="cover"（满框裁切），可选 crop 手工裁框，留白用卡片背景采样（bg_region）无缝填充。
• scripts/match_avatars.py：头像↔人物对应确认单生成器。2 人及以上未标注头像时必用：把每个人名与所有候选头像编号并列成 PNG，配合 AskUserQuestion 让用户点选映射，避免贴错（绝不从截图推断身份）。
• scripts/sample_people.json：可跑示例数据（Cyrus / Wren 真实对话，头像路径为本机演示路径）。
• references/analysis_framework.md：字段抽取方法 + 六维打分锚点 + 完整实例。
• assets/template_default_layout.png：用户给的最新版式模板（横版双栏：左栏头像+9 项字段，右栏性格模型六维滑条）。脚本默认版式即照此绘制；适配其它模板时以此为坐标/配色参照。