/analyzing-wechat-chats

name: analyzing-wechat-chats
description: |
  Use when analyzing, exporting, or reporting on WeChat Mac 4.x local chat history on macOS - builds feature layers from exported JSONL data, 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

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）： > ```bash > 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：

• 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`
• 分析类请求尽量走：
• `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 features` | 生成 feature 层 | 可用 | | `./wechat-insight daily` | 生成日报 | 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 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 4. 自动识别 `wxid` 和数据库路径 5. 生成：

• `~/.config/wechat-insight.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

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

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

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` 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-insight-contacts_labels.json`

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

• `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
• 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"