📚 离职知识库

wechat-ai-pipeline

把微信聊天记录 按客户分区 → 清洗脱敏 → 喂 AI 生成客户画像 + 个性化话术 的可运行 pipeline。

这是 FDE「私域AI销售大脑」复刻的核心能力落地：前端展示的客户画像/开场白，就是这条 pipeline 真实跑出来的。

#它做了什么

input/demo-messages.json (标准化聊天记录)
        │
        ▼  ① 按 contact 字段分区，每个客户一条独立时间线
        ▼  ② 清洗：剔除系统消息/撤回，图片转占位，合并同角色连续消息
        ▼  ③ 脱敏：手机号打码（隐私红线）
        ▼  ④ 每个客户全量对话 → 云雾 LLM → 结构化画像
        ▼  ⑤ 生成个性化开场白/成交话术
        ▼
output/profiles.json (性格/雷达/档案/判断依据/策略/开场白，按意向分排序)

#运行

# 用云雾中转 key（一把通 400+ 模型）
YUNWU_API_KEY=sk-xxxxx node src/pipeline.mjs

# 可选：换模型
YUNWU_API_KEY=sk-xxxxx LLM_MODEL=deepseek-v4-flash node src/pipeline.mjs

生成结果在 output/profiles.json，已同步到前端 zhixingyuan/src/data/generated-profiles.json，在网站「AI 落地 · 我的客户」页展示。

#本地后端 + 前端联动（真实数据只在本地）

架构上把真实数据和线上彻底隔离：线上部署的前端只打包了 demo 数据；真实数据由本地后端提供，前端本地 dev 时才去读。

# 1) 生成真实画像（真实输入 → output/real-profiles.json，已 gitignore）
YUNWU_API_KEY=<key> node src/pipeline.mjs --input input/real-messages.json

# 2) 起本地后端（有 real-profiles.json 就服务它，否则回退 demo）
node server.mjs                       # http://localhost:8787/api/profiles

# 3) 前端本地 dev 指向本地后端
cd ../zhixingyuan
NEXT_PUBLIC_PROFILES_API=http://localhost:8787/api/profiles npm run dev
#   打开「AI 落地」页，顶部会显示绿色「真实数据（本地，未上传云端）」

真实数据从微信导出的完整步骤（Mac 4.1 + SIP）见 ../调研4-Mac真实导出落地方案.md。走 chatlog 路线时用：

CHATLOG_API=http://127.0.0.1:5030 TALKERS="联系人1,联系人2,联系人3" node src/import-from-chatlog.mjs

#换成你自己的真实微信记录

  1. 导出（Mac 首选）：用 Wxw-Gu/WechatExplorer（Electron，实测支持 macOS 微信 4.1.8）导出你的聊天记录；Windows 可用 teest114514/chatlog_alpha（支持 4.1，自带 HTTP/MCP 接口）。
  2. 转格式：把导出的数据整理成 input/demo-messages.json 的结构：
    { "owner": "你的店名", "messages": [
  { "contact": "客户备注名", "sender": "me或other", "ts": "2026-06-28 21:30", "type": "text", "content": "..." }
]}
    • sender：me = 你自己发的，other = 客户发的
    • type：text / image / system / revoke（后两者会被清洗掉）
  3. 跑：YUNWU_API_KEY=sk-xxx node src/pipeline.mjs

全程在你本机处理，不上传原始数据库。

#合规

自己的微信、自己的聊天记录、本地处理、自用 demo——正当使用。不要服务化/对外分发导出与解密能力（那是腾讯 2026 年 DMCA 批量维权的重灾区，详见 ../调研2 ../调研3）。

#目录

wechat-ai-pipeline/
├── input/demo-messages.json   # 标准化聊天记录样例（demo，非真实）
├── src/pipeline.mjs           # 主流程：分区→清洗→脱敏→LLM画像→话术
├── output/profiles.json       # 生成结果
└── README.md

来源：沉淀/FDE/wechat-ai-pipeline/README.md（整理于 2026-08-18）

相关笔记