analyzing-wechat-chats

name

analyzing-wechat-chats

description

Use when analyzing, exporting, or reporting on WeChat Mac 4.x local chat history on macOS - extracts encrypted local messages, builds feature layers, and generates daily reports, customer insights, contact labels, and a single-file HTML report (a pure-Python narrative slides recap by default). 触发词：微信分析、分析微信、微信洞察、微信聊天分析、wechat-insight、analyzing-wechat-chats 当用户提到想分析微信聊天记录、想看聊天报告、想导出微信数据、想看客户线索时，务必使用本 skill。

分析微信聊天记录 Analyzing WeChat Chats

前置依赖：本 skill 不是自包含的，运行需要 ./wechat-insight CLI（仓库：https://github.com/caigee-cmd/wechat-insight）。

触发本 skill 时按以下顺序判断当前 CLI 位置：

1. 当前目录有 wechat-insight 可执行文件 → 直接用 ./wechat-insight ...
2. ~/.local/share/wechat-insight/wechat-insight 存在 → cd ~/.local/share/wechat-insight 后用 ./wechat-insight ...
3. 都没有 → 提示用户、并提议执行一行安装（macOS only）：

   curl -sL https://raw.githubusercontent.com/caigee-cmd/wechat-insight/main/install.sh | bash
   

   脚本会 clone 仓库到 ~/.local/share/wechat-insight、创建 venv、安装 Python 依赖。装好后再 cd 进去触发本 skill。./wechat-insight launcher 会自动使用 .venv，不需要手动 source activate。

总览

这是一个 本地微信分析工作台 v1。

当前已经可用的能力：

• 数据库密钥提取与配置
• 聊天记录导出 JSONL
• 群聊 / 联系人列表
• feature 层生成
• Markdown 日报
• 面向自动化宿主的一键 digest 日报
• 客户 / 商业分析
• 联系人标签模板生成与自动建议
• 单文件 HTML 报告（默认叙事版滑动年报，纯 Python 渲染，不依赖 Node）
• 可分享的竖版关系画像卡

启发式分析能力（基于聊天文本的统计规则推测，不是医学诊断、心理测评或模型级结论，结果仅供参考）：

• 情绪分析
• MBTI 推测
• 口癖统计
• 社交图谱

---

适用条件

• macOS
• 微信 Mac 4.x 已安装并登录过
• Python 3.9+

---

核心原则

• 优先使用统一 CLI：./wechat-insight
• 首次使用先跑 doctor
• 没配置好就跑 setup
• 分析类请求尽量走：
  • export
  • features
  • daily
  • labels
  • customer
• 对启发式分析能力，必须明确告知“仅供参考”，不要包装成模型级结论

---

当前命令面

命令	作用	状态
./wechat-insight doctor	检查配置状态	可用
./wechat-insight setup	首次提取密钥并生成配置	可用
./wechat-insight list	列出群聊和联系人	可用
./wechat-insight export	导出聊天记录 JSONL	可用
./wechat-insight features	生成 feature 层	可用
./wechat-insight daily	生成日报	可用
./wechat-insight digest	一键导出并生成自动化日报	可用
./wechat-insight labels	生成联系人标签模板	可用
./wechat-insight customer	生成客户 / 商业分析	可用
./wechat-insight unreplied	列出最后一条是对方发来、你还没回的会话	可用
./wechat-insight report-data	汇总展示层统一 JSON 载荷	可用
./wechat-insight html	生成本地可打开的单文件 HTML 报告（默认叙事版滑动年报）	可用
./wechat-insight share	生成可分享的竖版关系画像卡	可用
./wechat-insight emotion	情绪分析（启发式）	可用
./wechat-insight mbti	MBTI 推测（启发式）	可用
./wechat-insight speech	口癖统计（启发式）	可用
./wechat-insight social	社交图谱（启发式）	可用

---

标准执行流

Phase 1: 环境检查

每次优先执行：

./wechat-insight doctor

判断逻辑：

• 配置完整：进入具体任务
• 配置缺失：进入首次配置

Phase 2: 首次配置

./wechat-insight setup

脚本会自动：

1. 检查微信环境
2. 处理 Frida 注入前置条件
3. 捕获数据库密钥
4. 自动识别 wxid 和数据库路径
5. 生成：
   • ~/.config/wechat-insight.json
   • ~/.config/wechat-keys.json

注意：

• 过程中用户需要手动登录微信
• 首次配置通常要 2-3 分钟

Phase 3: 根据意图选择任务

1. 用户想看有哪些群 / 联系人

./wechat-insight list

2. 用户想导出聊天记录

常见命令：

./wechat-insight export
./wechat-insight export --days 7
./wechat-insight export --start 2026-04-01 --end 2026-04-25
./wechat-insight export --contacts "老婆"
./wechat-insight export --chats "AI编辑器技术讨论"

3. 用户想做日报

推荐流程：

./wechat-insight export --days 7
./wechat-insight daily

也可以直接指定输入：

./wechat-insight daily --input ~/.wechat-insight/data/messages_*.jsonl

日报当前已包含：

• 基础统计
• 活跃时段
• 最活跃会话 / 联系人
• 高频短句
• 互动结构（发出 / 收到 / 系统）
• Top 会话收发拆分
• 待跟进信号

3.1 用户想让 OpenClaw / 自动化宿主每天推送沟通摘要

本 skill 不负责定时和推送；OpenClaw 负责调度、推送和失败重试。

推荐让自动化宿主每天执行：

./wechat-insight doctor
./wechat-insight digest --today --stdout

执行规则：

• doctor 非 0：提示用户先人工执行 ./wechat-insight setup
• digest 返回 0：从 stdout 读取 Markdown，或读取 DIGEST_REPORT_PATH=... 指向的文件
• 当天没有消息：digest 仍会返回 0，并生成“暂无可分析消息”的日报
• 不要在定时任务中执行 setup，因为它需要用户登录微信和 Frida 注入

4. 用户想做客户 / 商业分析

推荐流程：

./wechat-insight export --days 30
./wechat-insight labels --apply-suggestions
./wechat-insight customer --labels ~/.config/wechat-insight-contacts_labels.json

customer 当前已包含：

• 总览
• 角色分组：customer / vendor / unknown
• 每组的高意向机会
• 每组的售后风险
• 每组的待跟进

4.1 用户想看"有没有谁的消息我还没回"

当用户问"有没有没回复的消息 / 谁的私信我漏回了 / 最近哪些会话我没跟进"时，用 unreplied， 不要用 daily 的待跟进信号——后者只统计命中关键词（商业 / 排期 / 问题等）的消息， 而 unreplied 只看会话最后一条的方向，能覆盖"对方最后发了一句没关键词的话、你没回"的场景。

./wechat-insight unreplied                       # 默认只看私聊，列全部
./wechat-insight unreplied --days 7              # 只看最近 7 天内的未回复
./wechat-insight unreplied --exclude-ad          # 过滤 labels 中 role 为 ad 的营销号
./wechat-insight unreplied --include-groups      # 同时纳入群聊
./wechat-insight unreplied --output ~/un.md      # 同时写入 Markdown 文件

要点：

• 判定"未回复"基于完整历史（只看 inbound/outbound，忽略系统消息），你最后回过的会话不会误报。
• 默认只看私聊；群聊用 --include-groups 显式纳入。
• 默认列出全部，不截断（与 daily 只展示前 5 条不同）。
• --exclude-ad 依赖先跑过 labels --apply-suggestions 生成的 role 字段；没有标签文件时会优雅跳过、过滤 0 个。
• 每条会附带规则标签（商业 / 问题 / 售后等）作为上下文提示，但不作为过滤条件。

5. 用户想先生成结构化特征层

./wechat-insight features

生成内容包括：

• enriched messages
• daily features
• chat features
• contact features

6. 用户想先清洗联系人标签

./wechat-insight labels
./wechat-insight labels --apply-suggestions
./wechat-insight labels --limit 20

标签模板会：

• 只包含私聊联系人
• 保留已有 role / notes
• 输出 suggested_role
• 输出 suggested_role_reason
• 输出 review_priority_score

--apply-suggestions 的规则：

• 只会填充空白 / unknown 的 role
• 不会覆盖用户已确认标签

7. 用户点名 MBTI / 情绪 / 口癖 / 社交图谱

当前必须明确说明：

• 这些脚本已经可用
• 属于启发式分析（基于聊天文本的统计规则推测，不是医学诊断、心理测评或模型级结论），结果仅供参考
• 可以直接进入：
  • Markdown 报告
  • report-data
  • html

---

推荐话术与策略

用户说“帮我分析下微信”

优先走：

1. ./wechat-insight doctor
2. 若未配置则 ./wechat-insight setup
3. 若未明确分析方向，优先推荐：
   • daily
   • customer

用户说“帮我看看最近聊天情况”

优先走：

./wechat-insight export --days 7
./wechat-insight daily

用户说“帮我看客户和商机”

优先走：

./wechat-insight export --days 30
./wechat-insight labels --apply-suggestions
./wechat-insight customer --labels ~/.config/wechat-insight-contacts_labels.json

用户说“我想做 MBTI / 性格分析”

当前应该回答：

• 可以直接跑 ./wechat-insight mbti
• 属于启发式分析（基于聊天表达风格的统计规则推测，不是正式人格测评），结果仅供参考
• 最好和 emotion / speech / social / html 一起看，而不是单独解读

---

产物目录

配置

• ~/.config/wechat-insight.json
• ~/.config/wechat-keys.json
• ~/.config/wechat-insight-contacts_labels.json

导出数据

目录：

~/.wechat-insight/data/

主要文件：

• messages_YYYYMMDD_YYYYMMDD.jsonl
• export_meta.json

feature 层

目录：

~/.wechat-insight/features/

主要文件：

• messages_enriched_*.jsonl
• daily_features.jsonl
• chat_features.jsonl
• contact_features.jsonl

报告

目录：

~/.wechat-insight/reports/

主要文件：

• daily_*.md
• customer_report.md
• report_payload_*.json
• dashboard_*.html

---

关键数据字段

当前导出层已经有这些关键字段：

• is_self
• direction
• real_sender_id

当前 feature 层已经有这些关键衍生字段：

• message_id
• date / hour / weekday
• chat_type
• content_clean
• is_question
• is_action_item
• is_schedule
• is_business_signal
• is_quote_signal
• is_support_signal
• is_negative_signal
• topic_tags
• emotion_label

这意味着：

• 日报和商业分析已经有稳定底座
• MBTI / 响应延迟 / 更细社交分析已经接入统一导出链路
• HTML 报告已经可以直接生成（默认叙事版滑动年报，纯 Python 渲染）

---

联系人标签文件格式

示例：

{
  "contacts": {
    "客户A": {
      "role": "customer",
      "suggested_role": "customer",
      "suggested_role_reason": ["quote_signal", "business_signal"],
      "notes": "已成交客户",
      "review_priority_score": 62,
      "total_messages": 12,
      "inbound_messages": 8,
      "outbound_messages": 4,
      "last_message_at": "2026-04-25 20:55:21",
      "business_signal_count": 2,
      "quote_signal_count": 1,
      "support_signal_count": 0,
      "negative_signal_count": 0
    }
  }
}

建议角色：

• customer
• vendor
• family
• friend
• ad
• spam
• unknown

---

安全声明

• 所有数据只在本地处理
• 不上传任何服务器
• 密钥保存在本地 ~/.config/
• Frida 只用于首次提取密钥

---

结论

当前这个 skill 的真实定位是：

微信本地分析工作台 v1

已经成熟可用的主线：

• doctor
• setup
• list
• export
• features
• daily
• labels
• customer
• report-data
• html
• share
• emotion
• mbti
• speech
• social

已落地的交付层：

• report-data：输出统一展示载荷
• html：生成本地可打开的单文件 HTML 报告（默认叙事版滑动年报，纯 Python 渲染）
• share：生成可分享的竖版关系画像卡