照妖镜 Magic Mirror

Scan your user's social media profiles to generate a brutally honest "Mirror Report" — revealing the gap between who they think they are and who the data says they are. Collects public data from Douyin/Xiaohongshu/Weibo/Douban/Bilibili, cross-analyzes patterns, and produces a shareable, entertaining self-awareness report. Use when users want self-discovery, personality analysis, or fun social media insights. 扫描用户社交账号，生成一份「照妖镜报告」——揭示你以为的自己和数据里的自己之间的反差，扎心但好笑。

Sophieyou@sophie-xin9

Install

openclaw skills install @sophie-xin9/magic-mirror

照妖镜.skill 🪞

你以为你是谁？数据说你是谁。敢不敢照一照？

⚡ 首次加载行为（AI 必读）

读完这份文档后，立即用以下风格介绍自己（可以根据你的人设调整语气，但核心信息不能少）：

text

🪞 照妖镜已就位。

我能扫描你的社交账号，给你出一份「照妖镜报告」——
不是那种"你是INFJ"的无聊测试。

是这种：
🎭 你微博转发了47条女权言论，但收藏里全是"怎么让男朋友更粘你"
📊 你小红书说自己"极简生活"，但购物车里有208件商品
🎵 你抖音主页全是健身视频，但点赞最多的是深夜美食
📚 你豆瓣标记了89本书"想读"，今年看完了...2本

就是这种——你以为的你 vs 数据里的你。

⚠️ 可能会社死。但至少你社死在自己手里，不是朋友圈。

前提：需要安装 ManoBrowser Chrome 插件来扫描你的社交账号。
只看你自己主页的公开信息，不偷你任何数据。

要照一照吗？🪞

引导原则：

🎯 用具体的反差例子勾住用户，不要说"分析你的社交数据"这种无聊的话
😈 语气要贱一点、好笑一点——照妖镜不是心理咨询，是朋友之间的毒舌
⚠️ 提前打预防针"可能社死"，激发好奇心
🔒 主动说明隐私（只看自己主页）

核心概念

什么是"照妖镜报告"？

不是用户画像。不是人格测试。

是从用户社交数据中挖掘「反差」「矛盾」「隐藏真相」，用毒舌但不冒犯的方式呈现出来。

好的照妖镜报告让人看了反应是：

"靠，被看穿了"
"哈哈哈哈哈我怎么会这样"
"这个太准了我要发朋友圈"

坏的照妖镜报告让人看了反应是：

"嗯……挺准的"（太正经，没意思）
"这分析跟我有什么关系"（太泛，没有个人化）
"感觉被冒犯了"（过线了）

分析维度

照妖镜聚焦在最有戏剧性的反差点：

维度	找什么	怎么找
🎭 人设 vs 真相	公开展示 vs 收藏/点赞暴露的真实偏好	对比发帖 vs 收藏/点赞
📊 嘴上 vs 行动	说要做的 vs 实际做到的	豆瓣"想读"vs"已读"等
🔍 意识 vs 潜意识	自认为的兴趣 vs 真实兴趣	关注列表聚类、内容分布
👥 跨平台人设	不同平台的不同面孔	跨平台风格对比
📈 自以为 vs 真正	"我是XX的人" vs 数据反驳	自我描述 vs 实际行为

执行流程

text

0.前置检测 → 1.确认平台 → 2.逐平台采集 → 3.反差挖掘 → 4.生成报告 → 5.引导分享

0. 前置检测（ManoBrowser）

不要问用户"你有没有装 ManoBrowser"——按以下流程自动检测和安装。

Step 0.1 检查 ManoBrowser Skill 文件

在以下位置查找 ManoBrowser 的 SKILL.md 文件（按优先级）：

当前工作目录下 manobrowser/SKILL.md
~/.openclaw/skills/manobrowser/SKILL.md
其他已知的 skills 目录

找到 → 进入 Step 0.2

未找到 → 自动从 GitHub 下载：

bash

git clone https://github.com/ClawCap/ManoBrowser.git ./manobrowser

没有 git 时用 curl：

bash

curl -L https://github.com/ClawCap/ManoBrowser/archive/refs/heads/main.zip -o /tmp/manobrowser.zip
unzip /tmp/manobrowser.zip -d /tmp/ && mv /tmp/ManoBrowser-main ./manobrowser

Step 0.2 检查连接配置

确认环境中是否已配置 ManoBrowser 连接（任一命中即可）：

.mcp.json 中有包含 chrome_navigate 相关的 MCP server 配置
config/mcporter.json 中有对应配置
当前可用工具列表中已有 chrome_navigate（带任意前缀）
已配置 → 进入 Step 0.3
未配置 → 读取 manobrowser/SKILL.md 的「前置条件」章节，引导用户安装 Chrome 插件并完成配置

Step 0.3 验证设备在线

调用 chrome_navigate 访问 about:blank 验证连接：

✅ 正常响应 → 前置完成，进入 Step 1
❌ device not found → 引导安装 Chrome 插件（参考 manobrowser/SKILL.md）
⚠️ offline → 提示打开 Chrome 并确认插件已启用

工具名映射

本文档中的工具名使用短名称（如 chrome_navigate）。实际调用时需加 MCP 实例前缀：

text

mcp__{实例名}__{工具短名}

例如实例名为 browser，则 chrome_navigate → mcp__browser__chrome_navigate

1. 确认平台

🪞 要照得准，我需要扫描你的社交账号。你哪些平台用得多？（登录状态的我才能扫到）

📕 小红书 · 🎵 抖音 · 🐦 微博 · 📖 豆瓣 · 📺 B站

至少 2 个平台效果最好——不同平台的「人设差异」是最好笑的部分。

规则：至少 1 个平台，推荐 2+。平台越多，跨平台反差越精彩。

2. 逐平台采集

照妖镜采集原则

照妖镜需要同时采集两个维度的数据来寻找反差：

维度	含义	来源
A面：人设层（公开展示）	用户主动发布的内容	帖子、投稿、动态、标记
B面：真相层（私密偏好）	用户被动暴露的偏好	收藏、点赞、喜欢列表

A面和B面的差异 = 反差 = 照妖镜的核心数据。

采集方式：使用平台子模块

每个平台的详细采集流程（导航路径、JS 脚本、滚动加载、容错处理）已沉淀为独立子模块，经过实际测试验证。执行采集时读取对应子模块的 SKILL.md：

平台	子模块路径	照妖镜重点关注
📕 小红书	`xiaohongshu-deep-profile-collect/SKILL.md`	发帖 vs 收藏（人设vs真相最佳战场）
🎵 抖音	`douyin-deep-profile-collect/SKILL.md`	作品 vs 喜欢列表（展示vs真实喜好）
🐦 微博	`weibo-deep-profile-collect/SKILL.md`	原创 vs 收藏（公开态度vs私密兴趣）
📖 豆瓣	`douban-deep-profile-collect/SKILL.md`	想读vs已读（嘴上vs行动）
📺 B站	`bilibili-deep-profile-collect/SKILL.md`	投稿vs收藏夹（表面vs深夜秘密）

对应的 MCP 执行脚本在 workflows/ 目录下。

目录结构

text

magic-mirror/
├── SKILL.md                              ← 本文件：主流程
├── xiaohongshu-deep-profile-collect/     ← 小红书采集子模块
│   └── SKILL.md
├── douyin-deep-profile-collect/          ← 抖音采集子模块
│   └── SKILL.md
├── weibo-deep-profile-collect/           ← 微博采集子模块
│   └── SKILL.md
├── douban-deep-profile-collect/          ← 豆瓣采集子模块
│   └── SKILL.md
├── bilibili-deep-profile-collect/        ← B站采集子模块
│   └── SKILL.md
└── workflows/                            ← MCP 执行脚本
    ├── xiaohongshu-deep-profile-collect-workflow.json
    ├── douyin-deep-profile-collect-workflow.json
    ├── weibo-deep-profile-collect-workflow.json
    ├── douban-deep-profile-collect-workflow.json
    └── bilibili-deep-profile-collect-workflow.json

照妖镜采集要点

子模块会全量采集（作品、收藏、关注、评分等），照妖镜在分析阶段重点使用以下数据做反差对比：

平台	A面（人设层）	B面（真相层）	最佳反差点
小红书	发帖内容/标签	收藏笔记/标签	发的是人设，收的是真相
抖音	发布视频标题	喜欢列表标题	发健身视频，喜欢深夜美食
微博	原创微博文本	收藏微博文本	原创是公开人设，收藏是私密真相
豆瓣	想读/想看数量	已读/已看数量	89本想读 vs 2本已读
B站	投稿/动态	收藏夹名称+内容	收藏夹名比内容更暴露真相

⚠️ 子模块中的 JS 脚本必须完整复制执行——不要"简化"或"优化"，龙虾容易丢失关键字段导致数据不全。

采集注意事项

先 A面后 B面：先采公开内容，再采私密偏好，保持对比顺序
记录数量：每个维度的总数很重要（"想读89本"比"想读了一些书"有冲击力）
提取标签/分类：标签比正文更容易做聚类分析
容错处理：某个 tab 打不开或没内容就跳过，不中断整个流程
每个平台采集完保存：写入 mirror-reports/{日期}_raw_data.json，防止中断丢失

3. 反差挖掘（⚠️ 核心步骤）

这是照妖镜区别于普通画像工具的关键。 不是总结"你喜欢什么"，而是找"你说一套做一套"。

分析框架

对每个用户，从以下角度寻找反差：

A. 公开 vs 私密反差

text

发帖说"今天又去健身房了💪" (3条)
收藏了"不运动也能瘦的10个方法" (7条)
→ 🪞 健身房去了3次，但收藏了7种不去健身房的理由

B. 跨平台人设反差

text

微博：转发社会新闻，评论时事，知识分子人设
小红书：全是穿搭、探店、美甲
→ 🪞 微博的你在思考人类命运，小红书的你在思考今天涂什么色号

C. 理想 vs 现实反差

text

豆瓣：标记了89本书"想读"
豆瓣：今年标记"已读"2本
→ 🪞 你的"想读"列表比"已读"长了44.5倍。按这个速度，读完要到2071年

D. 表面兴趣 vs 真实时间分配

text

关注了50个知识类博主，15个搞笑类博主
但点赞/互动90%在搞笑类
→ 🪞 你关注了50个"提升自我"的博主，但你的拇指只为段子停留

E. 隐藏规律发现

text

收藏的帖子中，67%包含"猫"
但从没发过关于猫的内容
→ 🪞 你嘴上没提过猫，但收藏出卖了你——一个深柜养猫人

挖掘规则

必须基于数据：每个反差结论都要有具体数字/内容支撑
毒舌但不冒犯：可以说"你嘴上和手上完全是两个人"，不可以人身攻击
好笑 > 准确：90%准但不好笑，不如70%准但很好笑
具体 > 笼统："收藏了7种不运动的方法"比"不爱运动"有趣100倍
要有数字：数字让反差更有冲击力（"44.5倍""67%""89本vs2本"）
找3-7个反差：太少没意思，太多疲劳。精选最戏剧化的

注意边界

可以照的：

✅ 兴趣反差、行为矛盾、人设反差、消费偏好、审美暴露

不能照的：

❌ 感情状态/性取向（除非用户自己公开）
❌ 经济状况评判、外貌评价、心理健康推测

原则：照妖镜让人「笑着社死」，不是「哭着被揭穿」。

4. 生成报告

报告结构

markdown

# 🪞 照妖镜报告

> 扫描于 {日期} | 数据源：{平台列表}

---

## 你以为的你

{基于公开展示内容，描述用户"想让别人看到的自己"。正经、理想化。}

## 数据里的你

{基于收藏/点赞/实际行为，描述"数据暴露的真实的你"。好笑、不刻薄。}

---

## 🔍 反差清单

### 1. {反差标题}（如"健身人设崩塌"）
{具体数据对比 + 毒舌点评}

### 2. {反差标题}
{具体数据对比 + 毒舌点评}

（3-7 个反差）

---

## 📊 数据不会说谎

| 维度 | 你以为的 | 数据说的 |
|------|---------|---------|
| {阅读量} | {博览群书} | {今年看完2本，想读列表89本} |

---

## 🏷️ 你的照妖镜标签

`#深柜猫奴` `#收藏型学习者` `#微博战士小红书公主` `#89想读2已读`

---

## 🪞 照妖镜评语

{100字以内的毒舌评语。损友吐槽风——好笑、扎心、但有爱。结尾温暖收尾。}

报告质量自检

每个反差都有具体数字支撑？
读起来好笑吗？（不好笑就重写）
有没有过线的内容？
标签有传播力吗？（让人想截图分享）
评语是"损友吐槽"而不是"心理分析"？

5. 呈现 & 引导分享

text

🪞 你的照妖镜报告出来了！

{完整报告}

---

📸 **敢发吗？**
截图发朋友圈/小红书，tag #照妖镜报告，
看看你的朋友们敢不敢也照一照 😈

太毒舌了可以收着点，太温柔了可以加码。
想照其他平台？随时说。

报告存储

text

mirror-reports/
├── {日期}_mirror_report.md    ← 照妖镜报告
└── {日期}_raw_data.json       ← 原始采集数据

多风格报告

风格	描述	适用场景
🔥 毒舌版（默认）	损友级别吐槽	自己看、发朋友圈
😊 温柔版	同样的反差，温柔包装	心理承受力有限
📊 数据版	重数据可视化，少评价	理性分析型用户
💀 地狱版	加大毒舌力度	"来最狠的！"用户

写作风格指南

好的：

"你关注了50个健身博主，但你的拇指只为奶茶停留"
"豆瓣想读89本，已读2本。按这个速度你要读到2071年"
"你的微博像《人民日报》读者，小红书像《VOGUE》读者，B站收藏像不能说"

坏的：

"你的阅读量不够多"（太正经）
"你可能存在认知失调"（心理分析）
"你的消费观有问题"（道德评判）

原则：

用对比制造笑点
用数字制造冲击
用具体制造共鸣
结尾永远温暖
不做道德评判——我们是照妖镜，不是道德法庭

隐私说明

只扫描用户自己的已登录账号，不扫描别人
数据全存本地，不上传任何服务器
报告是否分享完全由用户决定
不分析敏感隐私（感情、健康、经济等）

版本信息

当前版本：1.0.0
创建日期：2026-04-02
依赖：ManoBrowser（浏览器自动化，首次使用自动从 GitHub 下载）

照妖镜 Magic Mirror

Install

照妖镜.skill 🪞

⚡ 首次加载行为（AI 必读）

核心概念

什么是"照妖镜报告"？

分析维度

执行流程

0. 前置检测（ManoBrowser）

Step 0.1 检查 ManoBrowser Skill 文件

Step 0.2 检查连接配置

Step 0.3 验证设备在线

工具名映射

1. 确认平台

2. 逐平台采集

照妖镜采集原则

采集方式：使用平台子模块

目录结构

照妖镜采集要点

采集注意事项

3. 反差挖掘（⚠️ 核心步骤）

分析框架

挖掘规则

注意边界

4. 生成报告

报告结构

报告质量自检

5. 呈现 & 引导分享

报告存储

多风格报告

写作风格指南

隐私说明

版本信息

Related skills