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：
当前目录有 wechat-insight 可执行文件 → 直接用 ./wechat-insight ...

~/.local/share/wechat-insight/wechat-insight 存在 → cd ~/.local/share/wechat-insight 后用 ./wechat-insight ...
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：

检查微信环境
处理 Frida 注入前置条件
捕获数据库密钥
自动识别 wxid 和数据库路径
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

产物目录

配置

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

导出数据

~/.wechat-insight/data/

主要文件：

messages_YYYYMMDD_YYYYMMDD.jsonl
export_meta.json

feature 层

~/.wechat-insight/features/

主要文件：

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

报告

~/.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

分析微信聊天记录 Analyzing WeChat Chats

总览

适用条件

核心原则

当前命令面

标准执行流

Phase 1: 环境检查

Phase 2: 首次配置

Phase 3: 根据意图选择任务

1. 用户想看有哪些群 / 联系人

2. 用户想导出聊天记录

3. 用户想做日报

3.1 用户想让 OpenClaw / 自动化宿主每天推送沟通摘要

4. 用户想做客户 / 商业分析

4.1 用户想看"有没有谁的消息我还没回"

5. 用户想先生成结构化特征层

6. 用户想先清洗联系人标签

7. 用户点名 MBTI / 情绪 / 口癖 / 社交图谱

推荐话术与策略

用户说“帮我分析下微信”

用户说“帮我看看最近聊天情况”

用户说“帮我看客户和商机”

用户说“我想做 MBTI / 性格分析”

产物目录

配置

导出数据

feature 层

报告

关键数据字段

联系人标签文件格式

安全声明

结论