Skip to content

cliffyan28/wechat-digest

BranchesTags

Repository files navigation

WeChat Group Digest

微信群聊每日摘要自动化工具。从微信本地加密数据库提取聊天记录，用 LLM 生成结构化摘要，输出 Markdown + PDF。支持任意 LLM（Claude、GPT、Gemini、本地模型等）。

效果

每天自动生成三个文件：

  • 2026-04-09-群名-聊天记录.md — 原始聊天记录（含链接 URL）
  • 2026-04-09-群名-摘要.md — 结构化摘要（适合AI调用）
  • 2026-04-09-群名-摘要.pdf — PDF 版摘要（适合跟别人分享）

原理

微信本地加密数据库 (SQLCipher 4)
        ↓ init-keys.py（从微信进程内存提取密钥）
解密密钥 (~/.wechat-digest/all_keys.json)
        ↓ extract-messages.py（解密 + 提取文本/链接消息）
格式化聊天记录（含 URL）
        ↓ LLM_CMD（任意 LLM 结构化总结）
Markdown 摘要
        ↓ pandoc + Chrome headless
PDF

快速开始

1. 安装依赖

# Python 依赖（必需）
pip3 install pycryptodome zstandard

# 公众号文章正文抓取（可选，fetch-article.py 用）
pip3 install playwright && playwright install chromium

# pandoc（可选，生成 PDF 用）
brew install pandoc  # macOS
# apt install pandoc  # Linux

# Google Chrome（可选，生成 PDF 用，通常已有）

2. 提取密钥

确保微信已启动并登录，然后运行：

sudo python3 init-keys.py

这会扫描微信进程内存，提取数据库加密密钥，保存到 ~/.wechat-digest/。

如果你已经用 wechat-cli init 生成过密钥（在 ~/.wechat-cli/），本项目会自动读取，无需重复操作。

3. 配置群名

编辑 extract-messages.py，在 known 字典中添加你的群：

known = {
    '你的群名': '12345678901@chatroom',
}

群的 username（chatroom ID）可以通过以下方式获取：

  • 如果安装了 wechat-cli：wechat-cli sessions --limit 1000 | grep "群名"
  • 或者查看微信数据库目录下的文件名规律

4. 配置 LLM（可选）

通过环境变量 LLM_CMD 配置你使用的 LLM。LLM_CMD 应为一个命令，从 stdin 读入 prompt + 聊天记录，输出摘要到 stdout。

# 方式一：Claude Code CLI（推荐，Anthropic 官方）
# 安装：npm install -g @anthropic-ai/claude-code
export LLM_CMD="claude -p"

# 方式二：Simon Willison 的 llm CLI（支持多种模型）
# 安装：pip install llm && llm keys set openai
export LLM_CMD="llm -m gpt-4o"

# 方式三：OpenAI 官方 CLI
export LLM_CMD="openai chat -m gpt-4o"

# 方式四：本地模型 via Ollama（免费，离线可用）
# 安装：https://ollama.com
export LLM_CMD="ollama run qwen2.5"

如果不配置 LLM_CMD，脚本只会提取聊天记录（.md），不会生成摘要和 PDF。你可以把聊天记录手动粘贴到任何 AI 对话中总结。

5. 运行

# 手动运行（总结昨天）
bash wechat-digest.sh

# 指定日期
bash wechat-digest.sh 2026-04-09

# 指定语音转写引擎（默认 auto：讯飞 > Whisper > 跳过）
VOICE_ENGINE=whisper bash wechat-digest.sh

# 只提取聊天记录（不做总结）
python3 extract-messages.py "群名" 2026-04-09 --hour-offset 2

# 提取所有私聊记录（按联系人分组，显示备注名）
python3 extract-all-private.py 2026-04-09 --hour-offset 2
python3 extract-all-private.py 2026-04-09 --min-messages 5  # 只输出 ≥5 条消息的对话
python3 extract-all-private.py 2026-04-09 --voice-engine xfyun  # 指定语音引擎

# 语音转写（自动检测可用引擎：讯飞 > Whisper > 跳过）
python3 voice_to_text.py 2026-04-09 --hour-offset 2
python3 voice_to_text.py 2026-04-09 --engine whisper  # 强制用 Whisper

# 提取消息时同时转写语音（--voice-engine 可选 auto/xfyun/whisper/none）
python3 extract-messages.py "群名" 2026-04-09 --hour-offset 2 --voice-engine auto

# 查询公众号文章
python3 biz-articles.py 某公众号 --since 2026-04-01 --format md
python3 biz-articles.py --list  # 列出所有关注的公众号

# 抓取公众号文章正文（需要 playwright）
python3 fetch-article.py "https://mp.weixin.qq.com/s?..."           # 单篇
python3 biz-articles.py 某公众号 --limit 5 --format json \
  | python3 fetch-article.py --stdin --outdir ./articles             # 批量
python3 fetch-article.py --format text "https://..."                 # 纯文本输出（适合喂 LLM）

6. 配置语音转写（可选）

语音消息会自动从数据库提取 SILK 音频并转为文字。支持两种引擎：

方式一：讯飞一句话识别（推荐，中文最准）

注册 讯飞开放平台，创建应用，开通"语音听写"服务，然后设置环境变量：

export XFYUN_APP_ID="你的AppID"
export XFYUN_API_KEY="你的APIKey"
export XFYUN_API_SECRET="你的APISecret"

需要额外安装：pip install websocket-client

方式二：Whisper 本地模型（免费，离线可用）

pip install openai-whisper

首次运行会下载模型（base 约 140MB）。中文准确率不如讯飞，但无需联网。

不配置：语音消息会显示为 [语音 8秒]，不影响其他功能。

7. 设置每日自动运行（macOS launchd）

创建 ~/Library/LaunchAgents/com.wechat-digest.plist：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN" "http://www.apple.com/DTDs/PropertyList-1.0.dtd">
<plist version="1.0">
<dict>
    <key>Label</key>
    <string>com.wechat-digest</string>
    <key>ProgramArguments</key>
    <array>
        <string>/bin/bash</string>
        <string>/path/to/wechat-digest.sh</string>
    </array>
    <key>StartCalendarInterval</key>
    <dict>
        <key>Hour</key>
        <integer>9</integer>
        <key>Minute</key>
        <integer>0</integer>
    </dict>
    <key>WorkingDirectory</key>
    <string>/path/to/wechat-digest-project</string>
    <key>EnvironmentVariables</key>
    <dict>
        <key>PATH</key>
        <!-- 重要：必须包含 python3/pandoc/LLM CLI 所在的路径 -->
        <string>/your/anaconda/bin:/opt/homebrew/bin:/usr/local/bin:/usr/bin:/bin</string>
        <key>HOME</key>
        <string>/Users/your-username</string>
        <key>LLM_CMD</key>
        <string>claude -p</string>
        <!-- 替换为你的 LLM 命令，如 "llm -m gpt-4o"、"ollama run qwen2.5" 等 -->
        <key>VOICE_ENGINE</key>
        <string>auto</string>
        <!-- 语音转写引擎：auto（讯飞>Whisper>跳过）/ xfyun / whisper / none -->
    </dict>
    <key>StandardOutPath</key>
    <string>/path/to/wechat-digest-project/logs/digest.log</string>
    <key>StandardErrorPath</key>
    <string>/path/to/wechat-digest-project/logs/digest-error.log</string>
</dict>
</plist>

加载：

mkdir -p logs
launchctl load ~/Library/LaunchAgents/com.wechat-digest.plist

脚本会自动等待微信启动后再运行（最多等 30 分钟）。

Windows 用户说明

Python 脚本（init-keys.py、extract-messages.py、biz-articles.py）是跨平台的，Windows 可直接使用。密钥提取走的是 Windows API 内存扫描（scanner_windows.py），不需要 C 二进制。

wechat-digest.sh 是 bash 脚本，Windows 需要做以下适配：

  1. 运行环境：用 Git Bash 或 WSL 运行，或者改写为 .bat/PowerShell 脚本
  2. 微信进程检测：pgrep -x "WeChat" 改为 tasklist /FI "IMAGENAME eq Weixin.exe"
  3. 昨天日期：date -v-1d 改为 PowerShell 的 (Get-Date).AddDays(-1).ToString("yyyy-MM-dd")
  4. Chrome 路径：改为 "C:\Program Files\Google\Chrome\Application\chrome.exe"（或设置 CHROME_PATH 环境变量）
  5. 定时任务：用 Windows 任务计划程序替代 launchd

或者你也可以只用 Python 脚本提取消息，手动喂给任意 AI 总结：

python extract-messages.py "群名" 2026-04-09 --hour-offset 2 > chat.txt
# 然后把 chat.txt 的内容粘贴到 ChatGPT / Claude / Gemini 等任意 AI 对话中

Linux 用户说明

密钥提取需要 root 权限（通过 /proc/<pid>/mem 读取进程内存）：

sudo python3 init-keys.py

wechat-digest.sh 基本兼容 Linux，只需注意：

  • Chrome 路径改为 google-chrome 或 chromium（设置 CHROME_PATH 环境变量）
  • 定时任务用 cron 或 systemd timer 替代 launchd

踩坑记录

1. wechat-cli history 不稳定

wechat-cli history 有时返回 0 条消息。所以我们直接读数据库，不依赖这个命令。

2. 消息类型是复合值

微信数据库的 local_type 低 32 位才是真实类型。链接消息 type=49，但数据库存的是类似 244813135921 的值。必须用 (local_type & 0xFFFFFFFF) = 49。

3. 消息内容 zstd 压缩

WCDB_CT_message_content = 4 表示内容是 zstd 压缩的（WCDB 特性），需要解压后才能读取。

4. launchd PATH 缺失

macOS launchd 环境的 PATH 很精简，不包含 homebrew、anaconda 等路径。必须在 plist 里显式设置完整 PATH，否则找不到 python3 等命令。

5. LLM 会篡改统计数字

在 prompt 里写 消息总数：510 条，LLM 可能自作主张改成 约 280 条。需要在 prompt 里强调「这个数字是精确统计，请原样使用，不要修改」。

6. 微信必须先启动同步

数据库是本地文件。昨晚关机后到今早开机之间的消息，需要微信启动并同步后才会写入数据库。脚本用 pgrep 检测微信进程，检测到后等 2 分钟再提取。

7. pandoc 重复标题

pandoc 自动生成 <title> 和 <header id="title-block-header">，导致 PDF 标题重复。用 Python regex 删掉。

8. Chrome headless 页眉页脚

Chrome 旧版 --print-to-pdf-no-header 不一定生效。用 --headless=new + --no-pdf-header-footer 才行。

项目结构

wechat-digest/
├── README.md               # 本文件
├── LICENSE                  # MIT 协议
├── requirements.txt        # Python 依赖
├── prompt-template.txt     # LLM 总结 prompt 模板（可自定义）
├── init-keys.py            # 密钥提取（替代 wechat-cli init）
├── extract-messages.py     # 群聊消息提取（直接读数据库）
├── extract-all-private.py  # 所有私聊消息提取（按联系人分组）
├── voice_to_text.py        # 语音转文字模块（讯飞/Whisper）
├── biz-articles.py         # 公众号文章查询（标题/URL/描述）
├── fetch-article.py        # 公众号文章正文抓取（Playwright headless Chrome）
├── wechat-digest.sh        # 主流程脚本（提取 → 总结 → PDF）
├── crypto/                 # 解密模块（来自 wechat-cli, Apache 2.0）
│   ├── __init__.py
│   ├── decrypt.py          # SQLCipher 4 AES-256-CBC 解密
│   ├── config.py           # 配置加载 + 微信数据目录自动检测
│   └── keys/               # 密钥提取
│       ├── __init__.py     # 平台路由
│       ├── common.py       # 跨平台：HMAC 验证、内存扫描
│       ├── scanner_macos.py
│       ├── scanner_windows.py
│       ├── scanner_linux.py
│       └── bin/
│           ├── find_all_keys_macos.arm64  # macOS ARM 二进制
│           └── find_all_keys_macos.c      # C 源码（参考）
└── output/                 # 输出目录（git ignored）
    ├── 2026-04-09-我的群-聊天记录.md
    ├── 2026-04-09-我的群-摘要.md
    └── 2026-04-09-我的群-摘要.pdf

安全说明：预编译二进制

重要提示：项目包含一个预编译的 macOS ARM64 二进制文件 crypto/keys/bin/find_all_keys_macos.arm64，该文件会读取微信进程内存以提取密钥。我们强烈建议你从源码自行编译，而非直接信任预编译版本。

编译方法（一行命令）：

# macOS ARM (M1/M2/M3)
cc -O2 -o crypto/keys/bin/find_all_keys_macos.arm64 crypto/keys/bin/find_all_keys_macos.c

# macOS Intel
cc -O2 -o crypto/keys/bin/find_all_keys_macos.x86_64 crypto/keys/bin/find_all_keys_macos.c

C 源码在 crypto/keys/bin/find_all_keys_macos.c，约 300 行，建议审计后再编译使用。Windows 和 Linux 的密钥提取是纯 Python 实现，不涉及编译二进制。

致谢

  • 数据库解密模块来自 wechat-cli（Apache 2.0 协议）

About

微信群聊每日摘要自动化：解密本地数据库 → 提取消息 → AI 总结 → Markdown + PDF

Resources

Readme

License

View license
Activity

Stars

21 stars

Watchers

0 watching

Forks

10 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages