用途
LinkedIn Export 用于将 LinkedIn GDPR 数据导出包（ZIP）解析为结构化 JSON，并在此基础上进行消息搜索、人脉分析、Markdown 导出以及 RLAMA 语义搜索导入。所有脚本读取同一份 ~/.claude/skills/linkedin-export/data/parsed.json，一次解析后可多次查询。
主要能力
解析：li_parse.py 解压并解析导出包中的全部 CSV，输出结构化 JSON，支持 23 种 CSV 类型，包括 messages、connections、profile、positions、education、skills、endorsements、invitations、recommendations、shares、reactions、certifications、comments、projects、honors、organizations、volunteering、languages、events、member_follows、job_applications、recommendations_given、inferences。可自动识别列名（不区分大小写）、处理 LinkedIn 的前言格式（Connections.csv），并合并拆分的文件（如 Job Applications）。
消息搜索：li_search.py 支持按人物、关键词、日期范围或组合条件搜索消息，支持按会话 ID 查看完整对话、列出所有对话伙伴（按消息数排序）、显示匹配上下文、输出完整消息内容与 JSON。可用参数包括 --person、--keyword、--after、--before、--conversation、--list-partners、--context N、--full、--limit N、--json。
人脉分析：li_network.py 分析连接图谱，包括汇总统计、按连接数排列的顶级公司、按年或月的人脉时间线、职位/头衔分布、搜索连接，以及导出连接为 CSV 或 JSON。子命令包括 summary、companies、timeline、roles、search、export。
Markdown 导出：li_export.py 将解析数据转换为 Markdown 文件，可按会话导出消息（每个会话一个文件）、导出连接为 Markdown 表格、导出全部内容，或导出为 RLAMA 优化文档。子命令包括 messages、connections、all、rlama。
RLAMA 语义搜索导入：li_ingest.py 准备 RLAMA 优化文档并创建语义搜索集合。支持仅准备文档（--prepare-only）或重建已有集合（--rebuild）。默认集合为 linkedin-tdimino（固定/600/100 分块，启用重排序，13 个文档，2.14 MB）。查询时默认检索原始分块由 Claude 综合（最佳质量），也可用本地 LLM 回答作为回退。RLAMA 文档共 13 个文件，按字母分组会话、公司、时间线、简历、技能、动态、评论、项目荣誉志愿、元数据及 INDEX.md 组织。
使用方式
前置条件：通过 uv 使用 Python 3.10+；从 LinkedIn 请求 GDPR 导出 ZIP（LinkedIn → Settings → Data Privacy → Get a copy of your data）；RLAMA + Ollama 为可选，仅用于语义搜索导入。
基本流程：先用 uv 运行 li_parse.py 解析 ZIP（一次即可），再用 li_search.py、li_network.py、li_export.py、li_ingest.py 进行搜索、分析、导出或导入。具体命令示例见官方文档。
适用场景
适合需要归档个人 LinkedIn 数据、检索历史消息、分析人脉网络结构、把数据导出为可读 Markdown，或构建本地语义搜索索引的用户。
限制
需要用户自行申请并下载 LinkedIn GDPR 数据导出包；解析结果依赖于导出包中的 CSV 内容与格式。语义搜索功能依赖 RLAMA 与 Ollama（可选）。文档未提供关于收费、价格、平台兼容性、处理速度或效果的具体说明，此类信息暂未提供。