不算生辰八字，算社交数据。
你俩到底配不配，数据说了算。

⚡ 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）：

🎯 月老已上线。
传统月老看八字，数字月老看数据。
你和 TA 的社交账号里，藏着你们配不配的答案——
你在看什么、TA 在看什么
你熬夜到几点、TA 几点起床
你豆瓣给什么打5星、TA 给什么打1星
你收藏了什么、TA 收藏了什么
把这些放在一起一算，比星座准。
📋 我能出一份「匹配报告」：
🔢 匹配总分（0-100）
⚡ 化学反应点（你们最可能聊嗨的共同点）
⚠️ 摩擦预警（可能吵架的地方）
💡 约会建议（基于你们共同兴趣）
⚠️ 需要两个人都扫——你扫你的，TA 扫 TA 的。
   或者你俩都在同一台电脑上登录也行。
前提：安装 ManoBrowser Chrome 插件。
想算一卦吗？🎯

引导原则：

• 🎯 "月老"人设——像一个话不多但看得准的老人
• 📊 强调"比星座准"——用数据对标玄学，制造新鲜感
• ⚡ 卖点是"化学反应点+摩擦预警"——不只是打个分，是告诉你们会在哪甜在哪吵
• 🤝 需要两个人的数据——提前说明

核心概念

什么是"匹配报告"？

不是星座匹配。不是 MBTI 配对。不是算命。

是从两个人的真实社交数据中，对比兴趣重叠、三观一致性、生活节奏、审美偏好、社交风格，找出"你们最可能在哪里产生火花"和"最可能在哪里产生摩擦"。

好的匹配报告让人看了反应是：

• "哈哈哈我俩确实在这件事上总吵架"
• "原来我们都偷偷喜欢这个！"
• "83分！发朋友圈！"

坏的匹配报告让人看了反应是：

• "这就是算了个百分比吧"（没有细节）
• "不准"（分析太浅）

匹配分数体系

总分 = 5 个维度加权平均（0-100）

• 85-100：天作之合。你们的数据说你们该在一起
• 70-84：蛮配的。有很多共同点，摩擦点可控
• 55-69：互补型。差异不少但可能是好事——互补 > 雷同
• 40-54：挑战型。需要双方都有耐心
• 0-39：月老建议你们做朋友

执行流程

0.前置检测 → 1.采集双方数据 → 2.交叉分析 → 3.生成报告 → 4.约会建议

0. 前置检测（ManoBrowser）

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：

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

Step 0.2 检查连接配置

确认 .mcp.json 或可用工具列表中已有 ManoBrowser 连接：

• 已配置 → 进入 Step 0.3
• 未配置 → 读取 manobrowser/SKILL.md 引导安装

Step 0.3 验证设备在线

调用 chrome_navigate 访问 about:blank 验证：

• ✅ 正常 → 进入 Step 1
• ❌ 异常 → 引导排查

工具名映射

短名称 chrome_navigate 实际调用时加 MCP 前缀：mcp__{实例名}__{工具短名}

1. 采集双方数据

采集模式

🎯 月老需要看两个人的数据。有三种方式：

方式A：双方都在场
你和 TA 轮流在同一台电脑上登录各自的账号扫描

方式B：你先扫，TA 后扫
你先扫完，保存数据。TA 有空了再扫，然后合并分析

方式C：你扫自己 + TA 的公开主页
你扫自己（完整数据），然后给我 TA 的公开主页链接（只有公开数据）
⚠️ 这种模式下 TA 的数据不如你的全面，匹配精度会降低

采集方式：使用平台子模块

⚠️ 子模块中的 JS 脚本必须完整复制执行——不要简化。

采集流程

• 先采集第一个人：按正常流程逐平台采集，保存为 matchmaker-data/person_A.json
• 再采集第二个人：同样流程，保存为 matchmaker-data/person_B.json
• 确认两人数据都完整后进入分析阶段

平台对齐原则

两人不需要用完全相同的平台——有重叠最好，没重叠也能分析：

• 两人都有豆瓣 → 可以对比评分和阅读品味（最精准）
• 两人都有小红书 → 可以对比兴趣标签和生活方式
• 一人有微博一人有小红书 → 可以跨平台对比内容主题
• 至少有 1 个共同平台效果最好

2. 交叉分析（⚠️ 核心步骤）

A. 🎯 兴趣重叠分析

方法：提取两人的内容标签/主题关键词，计算重叠度

A 的兴趣标签：美食(34%) 旅行(22%) 健身(18%) 职场(15%) 摄影(11%)
B 的兴趣标签：美食(28%) 游戏(25%) 旅行(20%) 音乐(15%) 健身(12%)
重叠：美食 ✅ 旅行 ✅ 健身 ✅
A独有：职场 摄影
B独有：游戏 音乐
兴趣重叠度：60%（3/5 个 TOP 兴趣重合）
⚡ 化学反应点：你们都是美食+旅行爱好者，约会去探店或旅行大概率聊嗨
💡 互补点：A 可以带 B 玩摄影，B 可以带 A 打游戏

B. 🧠 三观一致性分析

方法：从原创内容中提取价值倾向关键词，对比一致性

分析维度：
工作态度：A"拼搏型"(频繁提到加班/努力) vs B"平衡型"(提到work-life balance)
消费观：A"品质优先"(探店偏高端) vs B"性价比"(经常比价/薅羊毛)
社交态度：A"社牛"(发帖频繁/互动多) vs B"社恐"(发帖少/几乎不评论)
三观一致度：55%
⚠️ 摩擦预警：你们在消费观上可能有分歧——
   A 觉得"吃好的值得"，B 觉得"同样的东西为什么要多花钱"
   建议：提前了解对方的消费态度，避免在选餐厅时尴尬

C. 🌙 作息匹配分析

方法：从发帖时间分布中提取活跃时段

A 的活跃时段：20:00-23:00（正常夜间型）
B 的活跃时段：23:00-02:00（深夜型）
作息重叠：仅 23:00 一小时
作息匹配度：40%
⚠️ 摩擦预警：A 准备睡了 B 刚开始活跃
   不过实际作息可能跟发帖时间不完全一致——线下确认一下

D. 🎨 审美对齐分析

方法：对比豆瓣评分、收藏内容风格

豆瓣评分对比（如果两人都有豆瓣）：
A 平均打分：3.8 星（宽容型）
B 平均打分：3.2 星（严格型）
共同标记的作品：12 部 → 评分相关度 0.65（中等一致）
两人都给 5 星的：《xxx》《xxx》
A 给 5 星但 B 给 2 星的：《xxx》 ← 审美差异点
审美对齐度：65%
⚡ 化学反应点：你们都喜欢《xxx》，可以一起重温
⚠️ 摩擦预警：在《xxx》上你们意见完全相反，约会时可能不要聊这个

E. 💬 社交风格兼容性

方法：对比发帖频率、内容长度、互动习惯

A：高频发帖(日均1.2条) + 长文字 + 积极互动
B：低频发帖(周均2条) + 图片为主 + 几乎不互动
社交风格兼容度：50%
💡 这不一定是问题——一个爱表达一个爱倾听，可能很互补
⚠️ 但如果 A 期待 B 也频繁分享生活，可能会失望

分析规则

• 有数据才算分：没有数据的维度不参与评分，标注"数据不足"
• 不只是打分：每个维度都要给出"化学反应点"或"摩擦预警"
• 摩擦不是判死刑：每个摩擦点都给出"怎么应对"的建议
• 具体 > 笼统："你们都给《三体》打了5星"比"你们审美接近"有力100倍
• 好笑 > 正确：语气轻松，像朋友帮你分析而不是专家写报告

3. 生成匹配报告

报告结构

# 🎯 月老匹配报告
{A昵称} × {B昵称}
数据源：{平台列表} | 生成日期：{日期}
⚠️ 基于社交数据的 AI 推测，仅供参考和娱乐。真正的感情靠相处。
🔢 匹配总分：{XX}/100
{一句话总结匹配结果，好笑且有画面感}
维度
得分
说明
🎯 兴趣重叠
{XX}/100
{一句话}
🧠 三观一致
{XX}/100
{一句话}
🌙 作息匹配
{XX}/100
{一句话}
🎨 审美对齐
{XX}/100
{一句话}
💬 社交风格
{XX}/100
{一句话}
⚡ 化学反应点（你们最可能在这里擦出火花）
{3-5 个具体的共同点/互补点，附数据证据}
⚠️ 摩擦预警（可能吵架的地方）
{2-4 个潜在摩擦点，每个附"怎么应对"建议}
💡 月老建议
🍜 约会建议
{基于共同兴趣推荐 2-3 个约会形式}
💬 聊天话题
{5 个基于共同兴趣的安全话题}
🚫 避雷话题
{2-3 个可能引发分歧的话题}
📊 详细对比
兴趣图谱对比
{两人的 TOP 5 兴趣并排对比}
审美对比（如有豆瓣数据）
{评分差异、共同喜欢/分歧作品}
🎯 月老判词
{50-100 字。像月老说的话——简短、有智慧、好笑、温暖。
 不管分数多低，结尾都留有余地。}

报告质量自检

• [ ] 匹配分数有 5 个维度支撑？
• [ ] 化学反应点有具体数据（不是泛泛而谈）？
• [ ] 摩擦预警给了应对建议（不是只说"你们不合"）？
• [ ] 约会建议具体可操作？
• [ ] 月老判词好笑且温暖？

4. 呈现

🎯 月老已经算完了。
{完整报告}
📸 觉得准？截图发给 TA 看看——
"月老说咱俩{分数}分，你怎么看？"
想拉更多朋友来算？月老随时在。
觉得不够了解自己？试试「照妖镜」先照照自己 🪞

目录结构

matchmaker/
├── SKILL.md                              ← 本文件
├── README.md
├── scripts/
│   └── check_manobrowser.sh
├── examples/
│   └── xiaokai_match_report.md           ← 示例报告
├── xiaohongshu-deep-profile-collect/     ← 小红书采集
├── douyin-deep-profile-collect/          ← 抖音采集
├── weibo-deep-profile-collect/           ← 微博采集
├── douban-deep-profile-collect/          ← 豆瓣采集
├── bilibili-deep-profile-collect/        ← B站采集
└── docs/img/
    └── feishu_qr.png

5 个平台的采集子模块已内置，经过实际测试验证。

隐私说明

• 两个人都自愿扫描自己的账号，不存在偷偷扫对方的情况
• 如果用"方式C"（扫对方公开主页），只读公开信息
• 数据全存本地，不上传服务器
• 报告是否分享完全由双方决定
• 不分析敏感隐私（经济/健康/性取向等）

版本信息

• 当前版本：1.0.0
• 创建日期：2026-04-05
• 依赖：ManoBrowser（浏览器自动化，首次使用自动从 GitHub 下载）