子任务二 · 如何导出微信记录并清洗成可喂 AI 的语料，做每客户个性化话术/画像

#一、被下架项目考据（核心结论）

用户记忆基本属实，但"被告下架"命中的是 PyWxDump 和 chatlog，而不是留痕 WeChatMsg。

事件经过：腾讯早在 2025 年 7 月就向 GitHub 投诉，GitHub 未认定侵权；2026 年 1 月腾讯升级为正式 DMCA 投诉，理由是这些工具"未经授权提取并解密微信本地数据库，绕过其专有加密算法、密钥和数据库协议"。GitHub 给开发者两个选择：1 天内删码，或提交反通知申辩。媒体报道波及范围从"30 多个"到"4000+ 个"仓库不等（后者含大量 fork）。多数原作者选择删库自保。

留痕没被强制下架，但长期停更、不支持微信 4.0；真正"能打"的现代工具 PyWxDump 和 chatlog 反而被清掉。

#二、导出的技术方案

1. PC 本地数据库解密（主流、成功率最高）

• 微信 3.x：核心库 MSG.db / MicroMsg.db 为 SQLCipher 加密。密钥不在磁盘，需从运行中的 WeChat.exe 进程内存搜出 32 字节 key。安卓老库 EnMicroMsg.db 密钥 = md5(IMEI + uin) 取前 7 位。
• 微信 4.0：换成 SQLCipher4（更强 KDF），schema 大改，旧脚本全失效；仍靠从内存 dump key。chatlog 是少数适配 4.0 的工具。
• 附件解密：语音 SILK/AMR，需 silk-v3-decoder 转码；图片 .dat 在 3.x 是简单 XOR，4.0.3 后改 AES 且每用户独立 key。

2. 手机端提取

• 安卓 root：pull /data/data/com.tencent.mm/ 下 EnMicroMsg.db，IMEI+uin 算 key。
• iOS：非加密 iTunes 备份 → 解析 MM.sqlite。门槛高、成功率不稳。

结论：To B 落地首选 PC 内存取 key + SQLCipher 解密，能拿全量历史。

#三、现存可用替代项目清单（已核实）

实操建议：原库虽删，fork 大量存活（wo1261931780/fork-PyWxDump、OverTM/LC044.WeChatMsg、WechatRagAgent/chatlog-new 等）。生产优先盯 chatlog 的 fork（支持 4.0 + 自带 HTTP/MCP 接口，最适合工程化对接）。

#四、聊天记录 → 喂 AI 的 Pipeline

1. 导出与结构化：用 chatlog(fork) 起 HTTP API 或 PyWxDump 导出，落统一 schema {contact_id, contact_name, sender(me/other), timestamp, msg_type, content}；按联系人切分，每客户一条独立时间线——正是"每客户单独画像"的数据单元。

2. 清洗：剔除撤回/系统提示/表情占位；语音转文字，图片走 OCR/多模态；角色标注 me/other 保留时序；脱敏手机号地址支付信息（To B 合规红线）。

3A. RAG 路线（推荐做话术/画像，轻、可解释）

• 每客户对话按时间窗切 chunk → 向量化入库（pgvector / Supabase）。
• 跑"客户画像 prompt"：输入该客户全量对话 → 输出结构化画像（需求/预算/顾虑/性格/决策阶段/称呼习惯）存表。
• 生成话术：画像 + 最近 N 轮 RAG 检索 → 专属开场白/跟进话术。不需训练，改 prompt 即迭代，最适合 SaaS 多租户。

3B. 微调路线（做"数字分身"，重）

• 参考 WeClone（18.1k、活跃）：(客户消息 → 商家回复) 组 QA 对，LoRA 微调让 AI 学"商家说话风格"。适合固化商家人设；每客户单独微调不现实，个性化仍放 RAG/prompt 层。

架构建议：微调固化"商家口吻"（可选）+ RAG/画像 prompt 承载"每客户个性化" 是性价比最高组合。导出层直接复用 chatlog 的 API，不要自己啃 SQLCipher4。

#五、合规提醒（务必）

腾讯批量 DMCA 说明该方向法律风险高。做 To B 须确保：数据是商家自有记录、本地解密不上传原始 db、明确授权、脱敏；不要在产品里内置/分发解密 key 提取代码，避免踩腾讯"绕过技术保护措施"的投诉点。

来源：腾讯 DMCA 下架事件（知乎/博客园）· LC044/WeChatMsg · sjzar/chatlog · xaoyaoo/PyWxDump · xming521/WeClone · ylytdeng/wechat-decrypt · ycccccccy/echotrace

#终审与落地方案（调研3）

#终审报告 · 12-agent 深挖结论 + 落地方案

在「调研1/2」基础上，派了 12 个 agent（两方向各 5 搜索 + 1 Sonnet 审核）二次深挖 GitHub，本文件是终审 + 落地决策。关键约束：用户是 macOS，且为个人自用 demo（自己的微信、本地跑、不商业化）。

#一、方向A：记录导出 → 按客户分区 → 喂 AI

#结论

上一轮说的 PyWxDump / chatlog 原库确实已被腾讯 DMCA 删库，但有活的继任者。且很多 fork 是 AI 生成占位仓库 / 刷 star 假仓（已剔除）。

#可落地项目清单（按对 Mac 自用 demo 的优先级）

剔除（存疑/造假）：wo1261931780/fork-PyWxDump（疑 AI 占位仓）、hicccc77/WeFlow（13k star 仅 12 commit，疑刷量）、ylytdeng/wechat-decrypt & 0xlane/wechat-dump-rs（已被 GitHub 451 封）。

#推荐落地 pipeline（本项目已实现前 3 段，见 wechat-ai-pipeline/）

① 抓取：Mac 上用 WechatExplorer 导出 → 标准化 JSON
② 按客户切分：group by contact，每客户一条独立时间线
③ 清洗脱敏：去撤回/系统消息/表情占位，合并连续消息，手机号打码
④ 客户画像：每客户全量对话 → LLM → 结构化画像（称呼/预算/家庭/偏好/性格/顾虑/关键节点/意向分）
⑤ RAG/话术：画像 + 检索片段 → 生成个性化开场白（参考 welink 的关心/回忆/调侃/约见四型）
⑥（可选）微调：WeClone 的 LoRA 管线固化本人口吻

#二、方向B：模拟真人操作 / 微信自动化

#结论（含 Mac 约束的现实判断）

Sonnet 审核首选 Windows UI 自动化（不碰注入/协议/内存，风险最低、社区最活）：

#对你（Mac）的现实建议

Windows UI 自动化最省事但你 Mac 用不了。Mac 上要落地自动化，两条路：

1. 一台安卓真机/云手机 + ven-coder/assists 无障碍（推荐，最像真人、抗风控）。
2. Mac 版微信的 Accessibility/AppleScript（能力有限，仅能做简单收发）。

拟人化防风控要点：随机延迟(200ms~3s)、分时段作息、逐字打字、加人/群发限流、避免频繁登录、小号先测一周、只做实时收发、别碰批量解密历史库（那是腾讯 DMCA 重灾区）。

方向B 本次不强行实现——它需要额外安卓设备且非你此次重点。已给清晰路线，作为 demo 第二阶段。

#三、最终落地决策

1. 前端：已 1:1 复刻并上线 fde.saveme505.help（第一阶段成果）。
2. AI pipeline（本次落地）：实现"聊天记录 → 按客户分区 → 清洗 → LLM 画像 → 个性化话术"全链路，见 wechat-ai-pipeline/，用云雾 LLM 真跑通，输出真实画像 JSON。
3. 前端对接：新增「AI 落地 · 我的客户」页，读取 pipeline 真实生成的数据展示（证明链路跑通，非写死）。
4. 真实数据替换：你在 Mac 上用 WechatExplorer 导出自己的记录，转成 pipeline 的标准输入格式即可替换 demo 数据，全程本地、不上传原始库。
5. 自动化（方向B）：给出路线，留作第二阶段（需安卓设备）。

合规边界（你的场景完全正当）：自己的微信、自己的聊天记录、本地处理、自用 demo、不服务化/不分发。守住这条线即可。

来源：沉淀/FDE/调研2-微信记录导出喂AI.md；沉淀/FDE/调研3-终审与落地方案.md（整理于 2026-08-18）