lark-fashion-cockpit-im-collector

name	lark-fashion-cockpit-im-collector
version	2.0.0
description	跨平台消息收集 — 把飞书 / 企业微信 / 个人微信三平台的群组和重要联系人消息汇集到一处，AI 分析+摘要。一处看消息，不再切换 4 个工具。当用户说「扫消息」「看下今天群里聊了啥」「跨平台摘要」「微信群速览」「重要消息汇总」时使用。
metadata	{"requires":{"bins":["lark-cli","python"],"pip":["pyautogui","pygetwindow","openai","Pillow","opencv-python","numpy","pyperclip","pywin32"],"env":["DOUBAO_API_KEY","DEEPSEEK_API_KEY","LARK_FASHION_COCKPIT_BOSS_CHAT"]}}

跨平台消息收集 · 一处看完所有消息

🎯 痛点： 老板娘的合作伙伴散落在飞书 / 企业微信 / 个人微信，每天打开 4 次切换看消息，重要的还容易漏。

核心价值： 一句飞书指令 → 系统自动汇集三平台关键消息 → AI 分析 → 摘要早报。

一、三平台采集策略

平台	采集方式	风险	状态
飞书	lark-cli im 拉 @我 / 群消息 / 待办	0	✅
企业微信	会话存档（认证企业）+ 客服消息接口（48h 窗口）	0	spec
个人微信	截图 + AI 视觉（4 路径，详见下方）	0	✅ 已跑通

二、个人微信 4 路径（核心难点）

路径 A · 主窗口扫红点（自动）⭐

• scan-wechat.py —— 截图 PC 微信主窗口 → DOUBAO 视觉识别群列表 + 未读红点 + @我 + 关键词命中
• 0 风险：OS 级截屏，腾讯不感知
• 全微信版本兼容（4.0 / 4.1 / 5.0）

路径 B · 长截图 AI 总结（半自动主推）⭐

• summarize-image.py —— 用户飞书滚动截屏一个群 30 秒 → 长图发给 cockpit 机器人 → DOUBAO 一图分析
• 实测 1076×21180 长图识别 98 条消息无漏

路径 C · 第三方导出文件总结（半自动）

• summarize-export.py —— 用第三方工具导出聊天 .txt → DEEPSEEK 文本分析
• 比图片便宜 20 倍，能装数千条消息精确按时间过滤

路径 D · 桌面 RPA 进群（实验性）

• scan-person.py —— PyAutoGUI 自动搜索 + 进群 + 滚屏 + AI 拼接长图分析
• ⚠️ Win11 焦点限制 + 微信 Qt 渲染，仅在独立 PowerShell 跑稳

三、典型用法

飞书发: 扫所有渠道 24h
  ↓
并发拉：
  ├─ 飞书：@我 + 待办（lark-im / lark-task）
  ├─ 企微：48h 主动窗口的客户消息
  └─ 个微：scan-wechat 主窗口 + 关键群 summarize-image
  ↓
DEEPSEEK 三路情报合并
  ↓
飞书卡片摘要（紧急 / @我 / 关键词命中）

四、文件清单

文件	用途
scripts/scan-wechat.py	主窗口扫红点（自动）
scripts/summarize-image.py	长图 AI 总结（半自动主推）
scripts/summarize-export.py	第三方导出 .txt 分析
scripts/scan-person.py	桌面 RPA 进群（实验性）
scripts/snap-wechat.py	截图测试工具
scripts/wake-wechat.py	从托盘呼出微信
scripts/probe-wechat-uia.py	UIA 探测工具（开发用）

五、与 im-broadcaster 互补

skill	角色
im-collector（本 skill）	一处看消息（多平台汇集 + AI 摘要）
im-broadcaster	一处发消息（多平台分发 + 风控）

跨平台 IM 板块就这两个 skill。简化设计：收消息 / 发消息，不再有更多。