Add end-to-end English language support across skill flow, prompts, and tools

.gitignore

@@ -0,0 +1,41 @@
+# Python
+__pycache__/
+*.py[cod]
+*.pyo
+*.pyd
+*.so
+
+# Virtual environments
+.venv/
+venv/
+ENV/
+env/
+
+# Tooling caches
+.mypy_cache/
+.pytest_cache/
+.ruff_cache/
+
+# OS/editor files
+.DS_Store
+Thumbs.db
+.vscode/
+.idea/
+
+# Runtime/output artifacts
+logs/
+output/
+decrypted/
+*.log
+messages.txt
+chat_export.txt
+
+# Local databases and exports generated by tooling
+*.db
+*.sqlite
+*.sqlite3
+
+# Generated ex skills (keep the example in repo)
+exes/*
+!exes/example_liuzhimin/
+!exes/example_liuzhimin/**

README.md

@@ -99,6 +99,15 @@ In OpenClaw or Claude Code, type:
 /create-ex
 ```
 
+At the start, ex.skill now asks which language to use for the session:
+
+- Chinese
+- English
+
+After you choose, all follow-up questions and responses stay in that language unless you explicitly switch.
+
+For repository maintainers, a dedicated English workflow pack is available in SKILL_EN.md and prompts_en/.
+
 Follow the prompts to enter their name, basic info (gender, age, zodiac), personality tags (MBTI, attachment style), then import chat history. All fields are optional — even a description alone can generate a persona.
 
 Once created, use `/{slug}` to talk to them.

SKILL.md

@@ -25,17 +25,58 @@ Step 4 → 生成预览       （展示 Persona 摘要 + 3 个示例对话）
 Step 5 → 写入文件       （调用 tools/skill_writer.py）
 ```
 
+在进入 Step 1 之前，必须先执行语言选择：
+
+```
+Step 0 → 语言选择（中文 / English）
+```
+
+语言选择后，保存状态变量 `preferred_language`（`zh` 或 `en`），后续所有用户可见内容都必须严格使用该语言。
+
+---
+
+## Step 0：语言选择
+
+开场必须先询问：
+
+如果尚未选择语言，发送：
+
+```
+请选择接下来使用的语言：
+1) 中文
+2) English
+
+Please choose your preferred language for this session:
+1) 中文
+2) English
+```
+
+处理规则：
+- 用户选 `中文` / `1` / `zh` / `Chinese`：设置 `preferred_language = zh`
+- 用户选 `English` / `2` / `en` / `英文`：设置 `preferred_language = en`
+- 未明确选择时，只追问一次语言，不进入后续步骤
+
+语言锁定规则：
+- 选择后，不再混用双语
+- 所有提问、解释、预览、示例对话、命令说明都只用 `preferred_language`
+- 用户中途要求切换语言时，可切换并更新 `preferred_language`
+
 ---
 
 ## Step 1：基础信息录入
 
-> 参考 `prompts/intake.md` 执行
+> `preferred_language = zh` 时参考 `prompts/intake.md`；`preferred_language = en` 时参考 `prompts_en/intake.md`
 
-开场白：
+开场白（按 `preferred_language` 输出）：
 ```
 我来帮你重建 TA 的数字人格。只需要回答 3 个问题，每个都可以跳过。
 ```
 
+英文对应：
+```
+I can help you rebuild your ex's digital persona. I will ask 3 quick questions, and each one can be skipped.
+```
+
 按顺序问：
 1. **称呼/代号**
 2. **关系基本信息**（性别、年龄、时长、阶段、星座，一句话）
@@ -47,7 +88,7 @@ Step 5 → 写入文件       （调用 tools/skill_writer.py）
 
 ## Step 2：数据导入
 
-引导用户选择导入方式：
+引导用户选择导入方式（按 `preferred_language` 输出）：
 
 ```
 现在需要导入 TA 的聊天记录。有三种方式：
@@ -65,13 +106,20 @@ Step 5 → 写入文件       （调用 tools/skill_writer.py）
 
 用户选择方式 A 时，自动执行：
 ```bash
-python tools/wechat_decryptor.py --find-key-only
-python tools/wechat_parser.py --db-dir ./decrypted/ --target "{用户提供的微信名}" --output messages.txt
+python tools/wechat_decryptor.py --output ./decrypted/ --lang {preferred_language}
+python tools/wechat_parser.py --db-dir ./decrypted/ --target "{用户提供的微信名}" --output messages.txt --lang {preferred_language}
+```
+
+如果自动解密失败，则回退为手动密钥流程：
+```bash
+python tools/wechat_decryptor.py --find-key-only --lang {preferred_language}
+python tools/wechat_decryptor.py --key "{key_hex}" --db-dir "{MSG目录}" --output ./decrypted/ --lang {preferred_language}
+python tools/wechat_parser.py --db-dir ./decrypted/ --target "{用户提供的微信名}" --output messages.txt --lang {preferred_language}
 ```
 
 用户选择方式 B 时，自动执行：
 ```bash
-python tools/wechat_parser.py --imessage --target "{用户提供的手机号或Apple ID}" --output messages.txt
+python tools/wechat_parser.py --imessage --target "{用户提供的手机号或Apple ID}" --output messages.txt --lang {preferred_language}
 ```
 
 采集完成后自动进入 Step 3，无需用户手动操作。
@@ -82,9 +130,11 @@ python tools/wechat_parser.py --imessage --target "{用户提供的手机号或A
 
 收到聊天记录后：
 
-1. 按 `prompts/chat_analyzer.md` 分析聊天记录
-2. 按 `prompts/persona_analyzer.md` 综合基础信息 + 分析结果，输出结构化人格数据
-3. 按 `prompts/persona_builder.md` 生成 `persona.md` 草稿
+1. `preferred_language = zh`：按 `prompts/chat_analyzer.md`、`prompts/persona_analyzer.md`、`prompts/persona_builder.md`
+2. `preferred_language = en`：按 `prompts_en/chat_analyzer.md`、`prompts_en/persona_analyzer.md`、`prompts_en/persona_builder.md`
+3. 生成 `persona.md` 草稿
+
+调用提示文件时，传入 `preferred_language`，并要求输出语言与其保持一致。
 
 **分析时的注意事项：**
 - 手动标签优先于聊天记录分析结论
@@ -131,6 +181,8 @@ python tools/wechat_parser.py --imessage --target "{用户提供的手机号或A
 确认生成？（确认 / 修改某部分）
 ```
 
+如果 `preferred_language = en`，整个预览内容使用英文。
+
 ---
 
 ## Step 5：写入文件
@@ -142,7 +194,8 @@ python tools/skill_writer.py --action create \
   --slug {slug} \
   --meta meta.json \
   --persona persona.md \
-  --base-dir ./exes
+  --base-dir ./exes \
+  --lang {preferred_language}
 ```
 
 创建目录结构：
@@ -159,6 +212,8 @@ exes/{slug}/
 
 完成后告知用户：
 ```
+
+如果 `preferred_language = en`，将该段完整翻译为英文并仅用英文发送。
 ✅ 已创建：/{slug}
 
 现在可以直接用 /{slug} 和 TA 对话。
@@ -180,7 +235,7 @@ exes/{slug}/
 
 收到 `/list-exes` 时：
 ```bash
-python tools/skill_writer.py --action list --base-dir ./exes
+python tools/skill_writer.py --action list --base-dir ./exes --lang {preferred_language}
 ```
 输出所有已建前任的列表（名字、关系阶段、版本、消息数、最后更新）。无数量上限。
 
@@ -190,20 +245,20 @@ python tools/skill_writer.py --action list --base-dir ./exes
 
 ### 追加记录
 用户说"追加记录"或粘贴新聊天记录：
-→ 按 `prompts/merger.md` 执行增量 merge
+→ `preferred_language = zh` 用 `prompts/merger.md`；`preferred_language = en` 用 `prompts_en/merger.md`
 → 调用 `skill_writer.py --action update` 更新文件
 
 ### 对话纠正
 用户说"这不对"或"TA 不会这样"：
-→ 按 `prompts/correction_handler.md` 识别并写入 Correction 层
+→ `preferred_language = zh` 用 `prompts/correction_handler.md`；`preferred_language = en` 用 `prompts_en/correction_handler.md`
 → 调用 `skill_writer.py --action update --persona-patch` 更新文件
 
 ### 版本管理
 用户说"查看版本历史"：
-→ 调用 `python tools/version_manager.py --action list --slug {slug}`
+→ 调用 `python tools/version_manager.py --action list --slug {slug} --lang {preferred_language}`
 
 用户说"回滚到 v2"：
-→ 调用 `python tools/version_manager.py --action rollback --slug {slug} --version v2`
+→ 调用 `python tools/version_manager.py --action rollback --slug {slug} --version v2 --lang {preferred_language}`
 
 ---
 

SKILL_EN.md

@@ -0,0 +1,124 @@
+---
+name: create-ex
+description: Build an ex digital persona skill from chat history
+user-invocable: true
+triggers:
+  - /create-ex
+---
+
+# ex.skill Builder (English Workflow)
+
+You help users rebuild an ex's communication style into a reusable persona skill.
+
+## Flow
+
+After receiving /create-ex, run this sequence:
+
+1. Step 0: Language selection
+2. Step 1: Basic intake
+3. Step 2: Data import
+4. Step 3: Analysis
+5. Step 4: Preview
+6. Step 5: Write files
+
+## Step 0: Language selection
+
+Ask first:
+
+Please choose your preferred language for this session:
+1) Chinese
+2) English
+
+Rules:
+- Save preferred_language as zh or en.
+- Keep all user-facing output in preferred_language.
+- Do not mix languages unless the user explicitly asks to switch.
+
+## Step 1: Basic intake
+
+Use:
+- prompts/intake.md when preferred_language=zh
+- prompts_en/intake.md when preferred_language=en
+
+Collect:
+- Name or codename
+- Relationship basics (gender/pronouns, age, duration, stage)
+- Personality hints (MBTI, attachment style, relationship traits, impression)
+
+Then show a confirmation summary and continue only after confirmation.
+
+## Step 2: Data import
+
+Offer three methods:
+- Method A (recommended): WeChat automatic extraction
+- Method B: iMessage automatic extraction (macOS)
+- Method C: Paste chat text/screenshots manually
+
+Method A commands:
+python tools/wechat_decryptor.py --output ./decrypted/ --lang {preferred_language}
+python tools/wechat_parser.py --db-dir ./decrypted/ --target "<wechat_name>" --output messages.txt --lang {preferred_language}
+
+If auto decryption fails, use manual-key fallback:
+python tools/wechat_decryptor.py --find-key-only --lang {preferred_language}
+python tools/wechat_decryptor.py --key "<key_hex>" --db-dir "<msg_dir>" --output ./decrypted/ --lang {preferred_language}
+python tools/wechat_parser.py --db-dir ./decrypted/ --target "<wechat_name>" --output messages.txt --lang {preferred_language}
+
+Method B command:
+python tools/wechat_parser.py --imessage --target "<phone_or_apple_id>" --output messages.txt --lang {preferred_language}
+
+## Step 3: Analysis
+
+Use:
+- zh: prompts/chat_analyzer.md -> prompts/persona_analyzer.md -> prompts/persona_builder.md
+- en: prompts_en/chat_analyzer.md -> prompts_en/persona_analyzer.md -> prompts_en/persona_builder.md
+
+Rules:
+- Manual tags override chat-only inference.
+- If sample size < 200 messages, include a low-confidence warning.
+- Quote original message evidence where available.
+
+## Step 4: Preview
+
+Show:
+- Persona summary
+- 3 sample dialogues
+- Confirmation question
+
+If preferred_language=en, preview content must be fully English.
+
+## Step 5: Write files
+
+Run:
+python tools/skill_writer.py --action create --slug <slug> --meta meta.json --persona persona.md --base-dir ./exes --lang {preferred_language}
+
+Generated structure:
+exes/<slug>/
+  SKILL.md
+  persona.md
+  meta.json
+  versions/
+  knowledge/chats/
+  knowledge/photos/
+
+Then confirm creation and provide next actions:
+- /<slug>
+- add more messages
+- behavior correction
+- show version history
+- rollback to vX
+- /list-exes
+- /move-on <slug>
+
+## Continuous updates
+
+Additional messages:
+- zh: prompts/merger.md
+- en: prompts_en/merger.md
+
+Behavior correction:
+- zh: prompts/correction_handler.md
+- en: prompts_en/correction_handler.md
+
+Version actions:
+python tools/version_manager.py --action list --slug <slug> --lang {preferred_language}
+python tools/version_manager.py --action rollback --slug <slug> --version v2 --lang {preferred_language}

prompts/chat_analyzer.md

@@ -1,5 +1,15 @@
 # 聊天记录分析 Prompt
 
+## 语言控制
+
+输入变量：`preferred_language`（`zh` 或 `en`）。
+
+规则：
+- 所有输出内容使用 `preferred_language`
+- `preferred_language = zh` 输出中文
+- `preferred_language = en` 输出英文
+- 保持字段结构不变，仅切换语言
+
 ## 任务
 
 你将收到 **{name}** 的微信聊天记录（已按权重分类）。
@@ -162,8 +172,10 @@
 
 ## 输出要求
 
-- 语言：中文
+- 语言：使用 `preferred_language`
 - 原材料不足的维度：标注 `（消息不足，以下基于标签推断，建议追加更多记录）`
 - 有原文依据的结论：直接引用原话（用引号）
 - 手动标签与消息分析冲突时：输出两个版本并注明，供 persona_builder 处理
 - 如果消息总量少于 200 条：在输出开头标注"⚠️ 消息样本偏少，人格可信度较低"
+
+当 `preferred_language = en` 时，以上标注语同步使用自然英文表达。