WeLink

AI 驱动的微信聊天数据分析平台

官方文档  ·  在线 Demo

你的微信聊天记录里，藏着你和每个人关系最真实的样子。WeLink 把这些数据交给 AI 来读——不只是统计图表，而是能让你直接提问、得到洞察：

「我和 XXX 的关系在哪个阶段最好？后来发生了什么？」

「这个群里真正活跃的人是谁？他们通常聊什么？」

「我今年和哪些朋友聊得越来越少了？」

所有数据留在本地，不上传任何服务器。

---

功能示例

点击可放大查看

AI 分身	AI 分析
AI 群聊	AI 首页
快速入门引导	好友总览
好友深度画像	群聊画像
全局搜索	时间线
时光机	纪念日

---

AI 分身（核心功能）

让 AI 学习任何联系人的聊天风格，模拟和 TA 对话——像真的在和 TA 聊天一样。

聊天记录是一个人最真实的语言印记。AI 分身从中学习 TA 的用词习惯、语气特征和表达方式，让你可以：

和已经失去联系的老友再聊一次——哪怕只是 AI 模拟的，也能找回当年的感觉

让远在天堂的亲人以 TA 熟悉的方式"回复"你——不是冰冷的机器，而是带着 TA 说话习惯的温暖文字

在做重要决定前，和最信任的人的 AI 分身聊聊——TA 会用 TA 的方式给你回应

或者纯粹好奇——你最好的朋友如果看到你发的这句话，会怎么回？

[!NOTE] AI 分身旨在帮助用户回忆珍贵的人际关系。模拟结果由 AI 生成，不代表真人的真实想法。请善意使用，不要用于冒充他人身份或误导第三方。使用本功能即表示用户同意自行承担使用后果，项目作者不对因使用 AI 分身产生的任何直接或间接影响负责。

功能特点

• 风格学习：从私聊记录 + 共同群聊中提取 TA 的文本消息（可选 100 / 300 / 1000 / 2000 / 全部条），AI 学习 TA 的用词、语气、断句、emoji 习惯
• 背景补充：可填写 TA 的籍贯、职业、与你的关系等背景信息，让 AI 更准确地还原 TA 的人物特征
• 群聊联动：自动列出与该联系人的共同群聊，可勾选要包含的群聊，只提取 TA 在群里的发言（按 sender_id 精确过滤），不会混入其他人的消息
• Session 机制：学习一次即缓存，后续多轮对话不再重复加载数据库，响应速度快
• 流式对话：仿微信气泡界面，AI 回复逐字显示
• 对话续写：AI 同时模拟你和 TA 继续聊天，像看一部关于你们的迷你剧

详细实现见 ai-clone.md。

AI 群聊模拟

让 AI 模拟群友继续聊天——按每个成员的发言比例和说话风格生成对话，你也可以随时加入。

• 风格画像：自动分析每个成员的用词习惯、消息长度、表情使用、提问频率等特征
• 自定义配置：可选参与成员、设定话题场景、调节聊天氛围（日常/激烈/深夜/搞笑/严肃）
• 多轮记忆：模拟对话使用多轮对话机制，群友会回应你说的话，不会重复

详细说明见 ai-group-sim.md。

跨联系人 AI 问答

不再局限于单个联系人——直接问关于所有聊天记录的问题，AI 自动搜索并汇总回答。

「谁跟我聊过旅行？」→ AI 搜索全部联系人，找到 3 人提到过旅行，汇总每人聊了什么

「去年国庆我都跟谁聊天了？」→ AI 查询 10/1-10/7 的日历数据，列出每天的聊天对象

「哪些朋友经常提到加班？」→ AI 搜索关键词，按匹配频次排列

技术原理：LLM Agent 模式——第一步 LLM 解析问题意图（提取关键词/时间范围），第二步自动调用搜索/日历 API 收集数据，第三步 LLM 基于真实数据生成回答。每次提问仅消耗 ~4000 token。

对话历史持久化

AI 首页的联系人分析和跨联系人问答的对话自动保存到本地数据库，支持：

• 历史记录列表，按时间排序，显示预览文字
• 点击加载历史对话，继续追问
• 刷新页面不丢失，下次打开仍可查看

AI 洞察

对任意联系人生成三种深度分析（基于统计摘要 + 采样消息，低 token 消耗）：

• 关系报告：关系发展阶段、沟通特点、关键数字、AI 感言
• 风格画像卡：性格标签、口头禅、聊天习惯、趣味类比
• AI 日记：选择任意一天，AI 以第一人称写日记

自定义 Prompt 模板

所有 AI 功能的系统提示词（System Prompt）完全透明、可自定义：

• 每个 AI 功能旁边都有「查看 Prompt」按钮，可以看到当前使用的完整提示词
• 在设置页的「Prompt 模板」区块，可以编辑任意功能的 Prompt
• 支持变量：{{name}}（联系人名）、{{today}}（日期）、{{rounds}}（轮数）等
• 留空即恢复默认值，修改即时生效

---

🧪 创意实验室 — 把聊天记录玩出花

侧边栏「实验室」Tab，集合了一组好玩、能分享的小工具。和"分析"路线不同，这一组以"卡片化、可截图、像 Spotify Wrapped 一样" 为目标。

聊天 DNA

类 Spotify Wrapped 的年度聊天人设卡：消息总数、最爱的人、活跃时段、emoji 偏好、最长一句话、最早开始聊的人 …… 全部纯统计、无 LLM——零 token 成本，离线也能出。一键导出长图分享。

高光瞬间

AI 从你和某位联系人的聊天记录里，挑出 5–8 段最有故事感的对话片段——表白、争吵、深夜聊人生、第一次见面、相互坦白。每段配一张可截图的卡片，自动生成标题和情绪标签。

灵魂提问机

AI 出 5 道只有你们俩才答得上的默契测试题（"TA 最常吃的早餐是？""你们第一次见面在哪？"），翻面看答案。可以截图给对方做。

关系星图

把联系人按"共同群聊"聚拢的力导向图——同一个圈子的朋友会自动靠拢成簇，让你一眼看出社交圈层结构。自写的迷你 force-directed layout，零新增依赖。

平行宇宙对话

选一个联系人 + 输入一个"如果……"场景（"如果我们五年前就认识"、"如果我现在跟 TA 求婚"、"如果我们是同事"），AI 用 TA 的人设生成一段虚构对话，逐字流式展开。复用 AI 群聊模拟的 persona 引擎。

5 个 Lab 都支持白底分享图导出，footer 自带 welink.click + 日期，发朋友圈合适。

---

AI 分析

WeLink 内置完整的 AI 分析引擎，可对任意联系人、群聊或某一天的聊天记录发起对话式分析。

三种检索模式

模式	工作方式	适合场景
全量分析	将选定时间范围内的全部消息送入 LLM 上下文	深度关系分析、长期趋势总结
混合检索（RAG）	FTS5 全文检索 + 语义向量检索，精准召回相关片段	查找特定事件、关键词检索
时光机 AI	跨所有对话的单日聚合分析	「某天发生了什么」式的日记回顾

记忆提炼

LLM 批量阅读聊天记录，自动提炼关键事实（人名、事件、情感节点）并持久化存储。后续对话中，AI 可以调用这些「长期记忆」，而不依赖每次重新加载全量消息。

支持的 LLM 提供商

提供商	说明
DeepSeek	默认 deepseek-v4-pro，国产高性价比首选
豆包（火山方舟）	字节 Doubao 系列，OpenAI 兼容；默认 doubao-seed-2-0-pro-260215
Kimi	Moonshot（月之暗面），支持超长上下文
OpenAI	GPT-4o 等，标准 API
Claude	Anthropic Claude，通过原生 API 接入
Gemini	Google Gemini，支持 OAuth 2.0 认证
Vertex AI	Google Cloud Vertex AI，原生支持。认证方式：Service Account JSON → JWT → OAuth2 token（自动缓存刷新）。走 Vertex AI 的 OpenAI 兼容端点，支持所有 Gemini 模型
AWS Bedrock	原生支持。认证方式：AWS SigV4 签名（手写实现，无 AWS SDK 依赖）。使用 Converse API（跨模型家族统一 API），支持 Claude / Llama / Mistral / Titan / Cohere 等所有 Bedrock 模型
MiniMax	国内版 + 国际版，支持 MiniMax-Text-01 等
GLM	智谱 AI，GLM-4 系列
Grok	xAI Grok
通义千问（DashScope）	阿里 Qwen 系列，OpenAI 兼容模式
腾讯混元	Hunyuan-turbo / pro 等
百度千帆（文心一言）	ERNIE-4.0 系列，OpenAI 兼容端点
OpenRouter	一个 Key 接入 300+ 模型的聚合网关
Mistral AI	mistral-large / codestral 等
Groq	LPU 极速推理，Llama / Mixtral 等开源模型
Together AI	开源模型托管，价格友好
Fireworks AI	开源模型高速托管
Perplexity	内置联网搜索（Sonar 系列）
Cohere	Command R+，企业 RAG 强项
硅基流动 SiliconFlow	国内开源模型聚合（DeepSeek / Qwen / Llama 等）
零一万物（Yi）	yi-large 系列
阶跃星辰（StepFun）	step-1 / step-2 系列
Azure OpenAI	企业版 OpenAI；Base URL 需填写完整 deployment 端点
Ollama	本地部署，完全离线，数据不出本机
自定义	任意兼容 OpenAI 接口的模型服务

在设置页面填写提供商、Base URL、API Key 和模型名称即可。支持为 AI 对话和记忆提炼分别指定不同的模型。

Vertex AI 配置：选择 Google Vertex AI provider → 粘贴完整的 Service Account JSON → 填写 GCP Project ID 和 Region → 选择模型（默认 google/gemini-2.0-flash-001）

Bedrock 配置：选择 AWS Bedrock provider → 填写 AWS Access Key ID 和 Secret Access Key → 填写 Region → 填写 Model ID（如 anthropic.claude-3-5-sonnet-20241022-v2:0）

本地 Ollama 配置参考 ollama-setup.md，完整 AI 功能说明见 ai-analysis.md。

---

MCP — 在 Claude Code 里直接提问

WeLink 内置 MCP（Model Context Protocol） 服务器，让你在 Claude Code（CLI） 里用自然语言查询微信数据，无需打开浏览器。

完整配置见 mcp-server/README.md。

---

🔮 Skill 炼化 — 把聊天记录变成 AI 工具的能力包

把聊天记录里的人际关系，直接炼化成 Claude Code / Codex / Cursor 等 AI 编程工具的 Skill 文件包。 一次炼化，多处使用。

三种 Skill 类型

类型	输入	用途
contact 联系人分身	和某联系人的全部聊天	让 AI 用 TA 的语气帮你写邮件、起草回复、预演对话
self 我的写作风格	我发出去的所有消息	让 AI 用你自己的口吻写公众号、朋友圈、邮件，避免 AI 腔
group 群聊智囊	某个群的集体聊天	回答「这个群会怎么说」，把群的集体知识/术语/氛围封装起来

六种输出格式（一键切换）

格式	目标工具	产物路径
claude-skill	Claude Code Skills（目录式）	~/.claude/skills/<name>/SKILL.md + 附件
claude-agent	Claude Code Subagent（单文件）	~/.claude/agents/<name>.md（带 frontmatter）
codex	OpenAI Codex CLI	项目根 AGENTS.md
opencode	OpenCode Agent	.opencode/agent/<name>.md
cursor	Cursor Rules	.cursor/rules/<name>.mdc（支持 glob）
generic	通用 Markdown	工具无关，可粘贴到任何 AI 对话

炼化的内容

• 性格特征：LLM 从真实对话里抽取的人物画像
• 说话风格：句长、语气、用词偏好、标点习惯、emoji 使用
• 高频词与口头禅：独特词汇和常用短语
• 常聊话题：兴趣领域和专业方向
• 关系背景：你和 TA 的关系推断（仅 contact 类型）
• 代表性原话：5-8 条最能体现风格的消息片段（自动脱敏）
• 使用注意事项：什么场景适合用、什么场景不适合

使用入口

• 联系人深度画像头部 → 紫色 Sparkles 图标按钮
• 群聊画像头部 → 紫色 Sparkles 图标按钮
• 洞察页「个人自画像」卡 → 「炼化我的 Skill」按钮

Skills 管理

侧边栏新增「Skills」页面，集中管理所有已炼化的 Skill 包：

• 持久化存储：每次炼化自动写入本地数据库（ai_analysis.db 的 skills 表），文件保存到 ~/.welink/skills/<id>/<filename>.zip
• 后台异步执行：炼化任务在 goroutine 中运行，关闭弹窗、刷新页面都不会中断
• 状态实时追踪：等待中 / 炼化中 / 成功 / 失败（含错误原因），页面每 2s 自动刷新
• 搜索 + 筛选：按目标名/文件名/模型名搜索，按类型（联系人/自画像/群聊/群成员）和状态筛选
• 表头排序：按目标、类型、格式、炼化时间升降序排列
• 重新下载：已成功的任务随时可以重新下载 zip 文件，不需要重新炼化
• Mac App 路径显示：炼化成功后显示保存到 ~/Downloads/ 的完整路径，可一键复制

隐私保护

• 炼化前手机号、邮箱、身份证号自动脱敏
• 整个过程只调用一次 LLM（约 5-15k token）
• 产物是本地 zip 文件，由你决定是否分享

---

💕 关系动态预测 — 谁在悄悄变冷，谁值得主动联系

WeLink 不止告诉你"现在关系多热"，而是前瞻性地判断每段关系的走向，并给出具体行动建议。

四档状态判定

扫描每个联系人最近 6 个月的消息节奏，对比最近 3 月 vs 前 3 月自动打档：

状态	判定条件	典型场景
🔥 升温	最近 3 月消息增加 ≥50%	新认识的人 / 深化中的关系
✅ 稳定	波动 ±30% 内	日常长期好友
❄️ 降温	最近 3 月消息量不到前期一半	开始疏远的信号
🚨 濒危	前期 ≥10 条但 60 天没说过话	长期联系人快失联

多维度信号增强

简单的「消息减少了」可能是双方都忙，结合多维信号才能识别到底是谁在疏远谁：

• 主动占比趋势 — 过去你占 72%，现在降到 42% → 说明对方不再主动找你。差 ≥15pp 在 reason 里自动提示
• 响应时延趋势 — TA 去年 10 分钟回你，现在平均 8 小时 → 「TA 回复从 X 分钟变成 Y 小时」（变慢 ≥3× 且原本 ≤1h 才提）
• 连续冷却周数 — 基于客户端 localStorage 滚动 6 周快照，连续 ≥2 周处于 cooling/endangered 显示 🕐 红色徽章
• 最后消息相对时间 — 30 / 60 / 90 天阶梯色阶

reason 文案示例：

最近 3 个月消息减少 65%（120 → 42）；原本你更主动（72%），现在对方说得更多（58%）；TA 回复从 12 分钟变成 8 小时

两种入口

• AI 首页「建议主动联系」卡片 — Top 5 cooling + endangered，直接可点打开联系人详情。每张卡支持「🪄 写开场白」和「不再推荐此人」。「今日不再提醒」按日期关闭
• 统计页「关系动态预测」section — 4 tab 完整列表（濒危/降温/稳定/升温），每条带 12 月迷你折线，点 sparkline 弹大图 modal（12 月柱状图 + 峰值标注 + 主动占比双进度条 + 响应时延对比）

🪄 AI 开场白草稿（行动闭环）

对 cooling / endangered 联系人，点「写开场白」→ 取最近 40 条消息 + 相识年数 + 沉默天数 → LLM 写 4 条不同调性（关心 / 回忆 / 调侃 / 约见）的破冰草稿，一键复制粘到微信。

每周变化摘要

AI 首页顶部的小 banner，对比上次快照（≥5 天前）：「近 7 天变化：3 位关系降温 · 1 位回暖」。按 ISO 周关闭。

管理忽略名单

设置页加「关系预测 · 忽略名单」，首页点「不再推荐此人」后可在这里撤销。

---

📦 导出中心 — 数据一键搬家

把年度回顾、对话归档、AI 对话历史、记忆图谱四类内容，统一打包导出到 8 种目标：

笔记 / 文档平台

目标	实现方式	输出
Markdown	本地打包	单文件直下 / 多文件自动 .zip
Notion	POST /v1/pages + 自实现 Markdown→Blocks（标题/列表/引用/代码/表格）	指定 Parent Page 下建新页
飞书文档	upload_all → import_tasks 异步轮询	获得 docx URL

云盘 / 对象存储

目标	协议 / 认证	覆盖服务
WebDAV	HTTP PUT + Basic Auth + 递归 MKCOL	坚果云 / Nextcloud / ownCloud / 群晖等
S3 兼容	minio-go v7，支持 path-style / virtual-host 切换	AWS S3 / Cloudflare R2 / 阿里云 OSS / 腾讯 COS / 七牛 / MinIO / Backblaze B2
Dropbox	files/upload API + App Console 长期 Access Token（PAT 模式免 OAuth 回调）	Dropbox
Google Drive	完整 OAuth 2.0 + multipart upload，refresh token 自动刷新	Google Drive
OneDrive	Microsoft Identity Platform v2 OAuth + Graph API PUT	OneDrive（个人 / 工作账号）

Token 配置与既有 LLM 配置一样支持脱敏占位符 __HAS_KEY__，保存后不会泄露明文。

OAuth 类目标（Google Drive / OneDrive）使用流程

1. 在目标平台的开发者控制台创建 OAuth Client，授权回调 URI 填 http(s)://<你的 WeLink 地址>/api/export/oauth/<gdrive|onedrive>/callback
2. 把 Client ID / Secret 粘到导出中心配置卡 → 保存 → 点「授权」→ 浏览器跳转完成授权 → 自动回传 token
3. 之后每次导出自动 refresh，token 过期不用管

---

🗄️ 数据库管理 — 分析师工作台

SQLite 数据直接暴露给懂 SQL 的用户，配 4 件套 工具：

• SQL 模板：10 个预置常用查询（消息排行、联系人列表、群聊列表、AI 对话历史、Skill 记录、记忆提炼等），点一下填入编辑器 + 自动选数据库
• 结果一键画图：结果 ≥2 列时点「图表」，第一列 X 轴 / 第一个数字列 Y 轴自动出柱状/折线（日期格式走折线）
• 磁盘占用环形饼图：每个 DB 文件占比 + Tooltip + 彩色图例
• SQL 历史 + 收藏：自动记录最近 20 条执行历史；点「收藏」起名保存常用 SQL，列表置顶展示

💬 自然语言查数据（中文问 AI 写 SQL）

在面板里输入中文问题，例如：

「我和老婆的第一条消息是什么时候」 「今年跟我妈聊了多少条消息」

LLM 会：

1. 读取自动生成的 WCDB schema 摘要
2. 输出 {db, sql, explain} JSON（严格限制 SELECT/PRAGMA only + LIMIT 50）
3. 后端执行并返回结果表 / 自动画图

跨库联系人消息（mode=contact_messages）：按备注模糊查 contact.db → md5 计算 Chat_xxx 表名 → 遍历 message_N.db 找到有该表的 DB 执行 SQL。"我和 XX 的..." 这类跨库问题现在也能直接回答。

结果表支持一键 CSV 下载。

---

数据分析功能

好友分析

• 消息总量排行、关系热度变化（历史峰值 vs. 近一个月）
• 聊天趋势折线图、24 小时活跃分布、聊天日历热力图
• 词云分析、情感趋势曲线（按月，可切换仅对方/双方）
• 撤回次数、红包/转账次数（分开统计，含时间线记录）、主动发起对话比例等社交特征
• 共同群聊数
• 聊天里程碑：初识日期 + 第一条消息预览、消息量门槛（100/500/1K/5K…）、最火月份、认识天数
• 深夜守护统计：深夜消息占比、最活跃时段、深夜密友 Top 3
• 渐行渐远的人：近一月消息量比历史峰值下降超过 80% 的联系人预警
• 弹窗全屏模式：私聊和群聊弹窗支持全屏查看
• 刷新保持：联系人/群聊弹窗状态写入 URL hash，刷新页面自动恢复

时光机

• 以 3 个月为单位的可滑动日历热力图，覆盖全部历史
• 点击任意日期查看当天私聊 + 群聊记录，或直接发起 AI 分析
• 「去年今天」回忆横幅：自动检测 1-5 年前今天的聊天记录，点击查看

群聊分析 + 小团体检测 + 对比

• 成员发言排行、活跃时间分布、高频词
• 人物关系力导向图：互动频率可视化，支持拖拽和悬停高亮
• 小团体检测：Louvain 社区检测 + 模块度 Q 兜底（Q<0.3 时不强行凑圈），基于真实 refermsg/chatusr 引用信号而非时间窗
• 潜水成员检测：显示每个成员的最后发言时间（>180天红色 / >30天橙色），支持按消息数/最后发言/名字排序，快捷筛选 Top 3/10/50/全部
• 💕 群内「我的 CP」：扫描引用消息（lt=49 <refermsg><chatusr>），列出跟我双向引用互动最多的成员 Top 3，挂在群画像顶部。比单纯 @ 或消息数更能识别"隐形聊友"
• 🎬 群聊回放：按最近 N 条 / 按日期范围加载群消息，6 档倍速（实时 ~ 100×）真实时间间隔回放，连续同发言人合并头像 + 日期分割线
• 群聊搜索：支持按发言人筛选，结果可导出 TXT/CSV
• 群聊活跃度对比：同时选中多个群对比消息量、成员数、日均消息、人均消息

群聊四件套 — 这个群的指纹

• ⚡ 群号称卡（群的 MBTI）：基于 hourly_dist / weekly_dist / type_dist / member_rank 规则派生 2-4 条标签 —— 深夜话唠 / 工作日正午群 / 晚八点饭后群 / 周末活跃 / 工作日只上班群 / 表情包战场 / 图包王国 / 链接集散地 / 语音派对 / 红包雨 / 消息洪流 / 静默多数派 / 潜水员联盟 等。零 LLM 零后端
• 🕐 时钟指纹：7×24 小热图徽章，log 压缩着色，一眼识别「工作群作息 / 深夜局 / 周末亲友群」不同性格
• 📊 群影响力指数：我发言后 30 分钟内有异发言者回应的比例 vs 群整体基线，Score = min(myRate/baseRate, 2) × 50。看你在哪个群更"有号召力"
• 📖 AI 群年报：Spotify Wrapped 风格分页卡片 —— 年度概览 / 话痨榜 Top 3 / AI 精选 3 条金句（原文引用）/ 月度趋势柱状图 / 60-100 字 AI 叙事。每群每年可生成

群聊列表四维信息

• 我的参与度：在每行副标展示「我 #N · X%」（在成员发言排行里的位置 + 消息占比）
• 近期活跃度：旁边一个「30天 N 条」区分"已死"和"活跃"群
• 活跃趋势箭头：最近 3 月 vs 前 3 月百分比变化，↑12% 绿 / ↓35% 红
• 我最后发言时间：不同于群最后消息 —— 显示我自己在这个群潜水了多久

回复节奏分析（联系人深度画像）

• 双向对比我 / 对方的回复速度（中位数、均值、秒回次数、慢回次数）
• 按 24 小时分时段的平均回复速度柱状图
• 消息间隔分布直方图：10秒 / 1分钟 / 10分钟 / 1小时 / 6小时 / 1天
• 聊天密度曲线：按月统计消息间隔均值，自动判断升温 / 降温 / 平稳趋势

谁最像谁 — 联系人相似度分析

• 基于消息类型分布、平均消息长度、表情偏好、互动方式等 18 维特征向量
• 余弦相似度算法计算所有联系人间的聊天风格相似度
• 展示共同高频词，发现说话最像的两个人

红包 / 转账全局总览

• 全局 KPI：红包总数、转账总数、我发出、我收到
• 月度收发趋势柱状图
• 联系人红包转账排行，细分四个方向（发红包 / 收红包 / 发转账 / 收转账）

个人自画像

• 汇总所有「我」方向的消息数据
• 发出消息总数、平均字数、最活跃时段、联系过的人数
• 最爱发消息的星期、最常联系的人
• 24 小时个人发送分布

每日社交广度

• 每天联系了多少个不同的人（不是消息数）
• 年度曲线 + 日均 / 最广日统计，看到"社牛日"和"闭关日"

共同社交圈

• 选择两个联系人，基于共同所在群聊推测他们的共同朋友圈
• 列出共同群聊（小群优先）和推测的共同好友
• 标记每个共同好友出现的群数，多群共现 = 关系更紧密

链接收藏夹

• 自动扫描所有聊天中发过 / 收过的链接，按域名聚合
• 支持搜索、按域名筛选、导出 CSV
• 当作"个人书签库" — 那些在微信里分享过的好文章再也不会丢

消息撤回排行

• 基于已有的撤回数据做"谁最爱撤回消息"排行 + 撤回率

词云交互

• 悬浮显示词频 tooltip，点击固定详情卡（次数、排名、相对频率条）

全局统计

• 关系热度分布五档：活跃 / 温热 / 渐冷 / 沉寂 / 零消息
• 月度趋势、深夜聊天排行榜

纪念日

• 自动检测生日（扫描"生日快乐"等关键词，按年份去重）
• 友谊里程碑提醒（认识 100/365/1000/... 天）
• 支持自定义纪念日（标题、日期、是否每年重复）
• AI 首页「今天的纪念日」banner：客户端聚合 4 类当天命中（首条消息 MM-DD 对应的整周年 / 检测生日 / 0 天里程碑 / 自定义），Hero 上方小卡，单条点击直接开联系人，多条跳纪念日 tab，按日期关闭

全局搜索增强

• 跨联系人全局关键词搜索（热门推荐词 + 搜索历史持久化）
• 时间范围筛选（预设一周/一月/三月/一年 + 自定义日期）
• 搜索结果排序（匹配数 / 最新时间 / 联系人消息量）
• 统计摘要条 + Top 5 迷你柱状图
• 即输即搜（2 字以上 500ms debounce 自动搜索）
• 空结果建议（换关键词 / 清除时间筛选）

链接收藏夹增强

• 来源筛选（全部 / 私聊 / 群聊）+ 方向筛选（我发出 / 我收到）
• 时间范围筛选 + 联系人快捷选择（Top 30 按链接数排序）

其他

• 认识时间线（垂直河流式，按年月展开，支持播放回忆动画）
• 联系人对比（勾选 2-6 人，雷达图 + 柱状图 + 数据明细）
• 社交体检报告（健康指数 + 洞察，支持分享为图片）
• 全局字号调节（设置页 12-22px 滑块，Docker/macOS/Windows 全平台支持）
• 时间范围筛选（预设 + 自定义）
• 隐私屏蔽（联系人 / 群聊，仅本地生效）

---

使用技巧

完整说明见 docs/ux.md，高频用到的几项：

功能	快捷键 / 入口	做什么
命令面板	⌘K / Ctrl+K	搜索联系人 / 群聊 / AI 对话历史（支持拼音首字母，输入 zw 能搜到「张伟」）；触发备份、诊断、刷新索引、切主题、反馈问题等动作；空查询显示最近打开
Tab 快捷切换	⌘1 .. ⌘9	首页 / 统计 / 联系人 / 群聊 / 搜索 / 时间线 / 日历 / Skills / 设置
🔒 锁屏保护	设置 → 锁屏 PIN / ⌘L / Ctrl+L	设 4-32 位 PIN 后手动或闲置超时（30min / 1h / 2h）自动锁屏；可配置 App 启动即锁。全屏毛玻璃遮罩 + PIN 输入框，PIN 以 bcrypt 哈希存 preferences.json
一键诊断	设置 → 诊断	数据目录健康 / 索引状态 / LLM 探活 / 磁盘占用；支持一键复制为 Markdown 贴 issue
AI 数据备份 / 恢复	设置 → AI 数据备份	VACUUM INTO 自洽快照；App 模式写下载目录 + 可在 Finder 定位，Docker 模式触发浏览器下载
多账号切换	设置 → 数据目录·多账号切换	把多个 decrypted/ 作为 profile 保存，热替换无需重启
AI 对话全局搜索	⌘K 输入关键词	跨所有联系人 / 时光机 / AI 首页的对话里做子串搜索，命中展示上下文片段
索引进度 + 取消	初始化屏幕	真实进度条 + ETA + 当前处理联系人；中途可取消
导出目录可配置	设置 → 导出图片保存位置	默认 ~/Downloads，可改成任意 Home 下目录；保存后 toast 里有「在 Finder 中显示」
启动自动探测	—	找不到数据目录时，Docker / App 各自展示针对性引导；只读盘会给出警告
一键反馈问题	设置 → 诊断 → 反馈问题，或 ⌘K「反馈」	自动附带诊断报告 + 环境信息；没 GitHub 账号可复制 md / 下载文件贴到任意地方
界面崩溃自救	—	ErrorBoundary 接住异常，不会白屏；可一键带 stack 反馈
设置页内搜索	设置页顶部搜索框	输入"下载"/"LLM" 等关键词过滤 section
自动检查新版本	启动 5s 后后台 GitHub API 轮询	有新版本弹 Release Notes Modal 展示 changelog；「我先用着」记住版本不再烦人
LLM 用量统计	设置 → LLM 用量	累计字符 / 估算 tokens，按 provider 分组
有趣发现	统计页底部	字数换算 / 最话痨一天 / 互动档位 / 陪伴时长 / 微信 MBTI / 首次相遇 / 沉默最久 / Ghost 月 / 表情包浓度 / 独白指数 / 最像我的朋友 / 我的人设 / 秘语雷达 / 词语年鉴 / 失眠陪聊榜
关系动态预测	AI 首页 + 统计页底部	4 档趋势 + 建议主动联系 Top 5 + AI 开场白草稿 + 12 月折线大图
导出中心	侧边栏「导出」	年度回顾 / 对话归档 / AI 历史 / 记忆图谱 × 8 种目标（Markdown / Notion / 飞书 / WebDAV / S3 / Dropbox / Google Drive / OneDrive）
数据库查询	侧边栏「数据库」	SQL 模板 + 自然语言问 AI 写 SQL + 结果画图 + SQL 历史收藏
真实头像	所有聊天回放 / 日聊面板 / 搜索上下文	对方和「我」都显示真实头像，无头像时降级彩色首字母圆圈

---

快速开始

第一步：解密微信数据库

把手机聊天记录同步到电脑后（微信 → 设置 → 通用 → 聊天记录迁移），使用 wechat-decrypt 解密：

git clone https://github.com/ylytdeng/wechat-decrypt
cd wechat-decrypt
sudo python3 main.py   # 选择 decrypt 模式

解密后生成 decrypted/ 目录（含 contact/contact.db 和 message/message_N.db）。

第二步：启动 WeLink

Docker 模式（将 decrypted/ 放在仓库根目录内）：

cd welink
docker compose up

访问 localhost:3418 开始使用。

完整 Docker 部署指南（环境变量 / Volume / 反代 HTTPS / 升级 / 多 profile / K8s 等）见 docs/docker.md。

macOS / Windows App（无需 Docker）：前往 GitHub Releases 下载，启动后在设置页选择 decrypted/ 目录即可。

端口说明：详见下方端口与自定义章节。

没有数据？先试试 Demo

docker compose -f docker-compose.demo.yml up

或直接访问 https://demo.welink.click。

Demo 数据以阿森纳 2025/26 赛季一线队球员与教练组为联系人，消息内容充满更衣室气息。COYG！ 🔴⚪

---

macOS App 安装说明

系统要求：macOS 12（Monterey）及以上

1. 前往 GitHub Releases 下载最新 WeLink.dmg
2. 拖入 /Applications，双击运行

提示「无法打开」？ 右键 → 「打开」→ 再次点击「打开」。若仍无效：xattr -cr /Applications/WeLink.app

完整指南（配置路径 / 端口自定义 / 升级 / 多 profile / FAQ）见 docs/install-macos.md。从源码构建：make dmg。

Windows App 安装说明

系统要求：Windows 10 1903 及以上

1. 下载 WeLink-windows-amd64.zip，解压后双击 WeLink.exe
2. 如提示缺少 WebView2，从 Microsoft 官网 安装 Evergreen Bootstrapper
3. SmartScreen 拦截时点「更多信息」→「仍要运行」

完整指南（%APPDATA%\WeLink 配置路径 / 端口自定义 / 升级 / 多 profile / FAQ）见 docs/install-windows.md。从源码构建：make exe。

---

端口与自定义

WeLink 启动时会占用以下端口：

运行方式	后端端口	前端端口	说明
macOS / Windows App	8080	—	内置 WebView，后端直接监听 8080，无需额外端口
Docker Compose	8080（容器内）	3418 → 容器 80	浏览器访问 localhost:3418
本地开发	8080	3418	后端 go run .，前端 npm run dev

自定义端口

macOS / Windows App：在设置页修改端口，或编辑 preferences.json：

{ "port": "9090" }

也可以通过环境变量覆盖：

PORT=9090 ./WeLink

Docker Compose：修改 docker-compose.yml 的端口映射：

ports:
  - "5000:80"  # 改为 5000

本地开发：

• 后端端口：编辑 config.yaml 的 server.port，或 PORT=9090 go run .
• 前端端口：编辑 frontend/vite.config.ts 的 server.port

---

推荐运行配置

数据规模	消息量	推荐内存	首次索引时间
轻量	< 50 万条	2 GB	< 30 秒
中等	50–200 万条	4 GB	1–3 分钟
重度	200 万条以上	8 GB+	3–10 分钟

首次使用建议先选「近 6 个月」体验，确认无误后再切换到「全部数据」。

---

整体架构

                       ┌──────────────────────────────────────────┐
                       │             终端用户 (浏览器 / App)        │
                       └────────────────┬─────────────────────────┘
                                        │ HTTP / SSE
                                        ▼
          ┌───────────────────────────────────────────────────────┐
          │                      前端 (React)                     │
          │   Dashboard · AI 对话 · 设置 · 数据库 · 记忆库 · 播客   │
          └────────────────┬──────────────────────────────────────┘
                           │ REST + SSE
                           ▼
          ┌───────────────────────────────────────────────────────┐
          │              后端 (Go + Gin, 单 binary)               │
          │                                                       │
          │  ┌─────────┐  ┌────────┐  ┌──────┐  ┌──────┐  ┌────┐ │
          │  │ 统计分析 │  │ AI/LLM │  │ RAG  │  │ 记忆 │  │ TTS│ │
          │  │  服务   │  │ 多 provider│ FTS+向量│  提炼 │  代理│ │
          │  └─────────┘  └────┬───┘  └──┬───┘  └──────┘  └────┘ │
          │                    │         │                        │
          │              ┌─────▼─────────▼────┐                   │
          │              │   DB 管理器 (纯 Go) │                   │
          │              └─────┬─────────┬────┘                   │
          └────────────────────┼─────────┼────────────────────────┘
                               │         │
                      ┌────────▼───┐   ┌─▼──────────────┐
                      │ 解密后的    │   │ ai_analysis.db │
                      │ 微信 DB     │   │ AI 对话/记忆/  │
                      │ (contact/   │   │ 向量索引/播客   │
                      │  message)   │   │ 历史           │
                      └─────────────┘   └────────────────┘
                               ▲
                               │ 本地解密（不出机器）
                               │
                      ┌────────┴─────────────┐
                      │ wechat-decrypt       │
                      │ (从微信进程内存取 key) │
                      └──────────────────────┘

  外部可选集成（全部用户自备凭证）
  ─────────────────────────────────────────────────────────────────
  LLM:   OpenAI / Anthropic / Gemini / DeepSeek / 豆包 / Kimi / Ollama / Vertex / Bedrock
  导出:  Markdown / Notion / 飞书 / WebDAV / S3 / Dropbox / Google Drive / OneDrive
  MCP:   Claude Code / Claude Desktop / Cline / Continue / Windsurf / Zed / ... (独立 Go binary)
  TTS:   OpenAI / Azure / Edge-TTS (播客功能)

关键设计

• 本地优先：微信数据库全程在本地机器解密、索引、检索；只有你明确触发 AI 对话时才会把相关片段发到你配置的 LLM 提供商
• 单 binary 部署：后端 Go 源码编译成一个可执行文件，内嵌前端静态资源，Docker 镜像 < 50MB，也可打包成 macOS / Windows 桌面 App
• 零 CGO：SQLite 用 modernc 纯 Go 实现，向量检索/FTS 全部走 Go，跨平台编译不依赖 C 工具链
• MCP 集成：独立的 mcp-server binary 通过本地 HTTP 反向代理后端 API，让 Claude Code 等 MCP 客户端能直接用自然语言查询你的聊天数据

---

技术栈

层次	技术
后端	Go + Gin
前端	React 18 + TypeScript + Tailwind CSS
数据库	SQLite（modernc，纯 Go，无 CGO）
全文检索	SQLite FTS5
向量检索	余弦相似度（纯 Go，无外部依赖）
AI / LLM	OpenAI / Ollama / Gemini / 自定义（兼容 OpenAI 接口）
中文分词	go-ego/gse
部署	Docker Compose

API 文档：启动后访问 localhost:3418/swagger/。架构细节与分层职责见 docs/architecture.md，更多技术文档见 docs/。

---

数据安全

所有数据仅在本地处理，不会上传至任何服务器。请仅分析自己的聊天记录。

感谢

本项目依赖 ylytdeng/wechat-decrypt 实现微信数据库解密。微信数据库使用 SQLCipher 加密，该项目从进程内存中提取密钥，是 WeLink 的基础。

开源协议

本项目采用 GNU Affero General Public License v3.0 (AGPL-3.0) 协议。

Star History