📚 离职知识库

FDE · 知行猿「私域AI销售大脑」复刻 + 调研

本文件夹是对一个 To B SaaS 产品「知行猿 · 私域AI销售大脑」的完整拆解：前端界面复刻 + 后端两大关键技术的调研。

#一、这个项目是干啥的（定性分析）

一句话：给微信私域商家的"AI 销售分身"——帮有几百上千老客户的商家，用 AI 自动接客、自动激活沉睡老客、按每个客户的聊天历史生成个性化话术，聊到高意向再真实转人工。

  • 目标客户（To B）：手里握着一两千个微信老客户的商家（演示案例是珠宝/玉石店"久鸿珠宝"）。这些老客都是花过获客成本买来的资产，时间久了变"沉睡"，产品核心价值就是低成本重新激活并变现这批存量客户。
  • 产品形态：一个 SaaS 后台，7 个功能页：
    1. 老板看板——AI 今天挣了多少、干了什么（增量对账：只算比没 AI 时多挣的）。
    2. 客户智能分析——每个客户的永久档案、性格雷达图、成交策略、概率预测。
    3. 实时对话——AI 正在陪聊的会话，可一键接管/转人工，逐句可批注。
    4. 老客激活——1284 位 >90 天没说话的好友，AI 读完历史，一人一句开场白，发送前商家确认。
    5. 调教台·训练场——员工给 AI 话术打批注 → 平台审核 → 一键上线 → 可回退，把 AI 越调越像金牌销售。
    6. 考场·模拟测试——另一个 AI 扮客户来考它，三层判卷（话术层/档案层/动作层），改新不许坏旧。
    7. 搭建向导——新商家聊几句 + 丢真实聊天记录，AI 自己洗料、搭建、进考场，考过才发布。
  • 产品的三个差异化卖点（截图里写明）：① 每句话有出处（不编，能点开看学自哪段真实聊天）；② 考试用盲题（防止 AI 只会背不会用）；③ 说做了=真做了（转人工、发图查真实状态，不许嘴上完成）。

#二、两个关键技术问题的调研结论

用户最关心的是这产品后端怎么实现，拆成两份调研：

#调研1：后端怎么操控微信、模拟真人、避风控 → 见 调研1-微信自动化操控技术方案.md

核心结论：不是注入脚本，而是真机/云手机的 UI 自动化（安卓无障碍 + Appium 群控）模拟真人点击输入。因为 hook 注入=篡改进程内存、协议=伪造客户端，都能被腾讯直接检测封号（旗舰 hook 项目 WeChatFerry 已于 2026-07 归档）；而 UI 自动化是"真身操作"，微信在应用层无法区分是人点还是脚本点。产品真正的护城河在拟人调度层（随机延迟、逐字打字、模拟在线时段、一机一号、及时转人工），而非操控技术本身。

#调研2：怎么导出微信聊天记录喂 AI → 见 调研2-微信记录导出喂AI.md

核心结论：用户记忆属实——被腾讯 DMCA 下架的是 PyWxDump 和 chatlog（不是留痕 WeChatMsg，它只是停更）。主流方案是 PC 微信内存取 32 字节 key + SQLCipher 解密本地数据库。现存可用替代：留痕 WeChatMsg（41.9k，不支持4.0）、chatlog 的 fork（支持4.0+自带 HTTP/MCP 接口）、WeClone（18.1k，做 LoRA 微调数字分身）。喂 AI 的最佳 pipeline：按联系人切分 → 清洗脱敏 → RAG/画像 prompt 承载每客户个性化 +（可选）微调固化商家口吻。

#三、复刻成果

  • 在线访问（国内可打开）：https://fde.saveme505.help
  • 备用地址：见 Vercel 项目 zhixingyuan
  • 技术栈：Next.js 16 + React 19 + Tailwind v4，纯前端静态站（数据为演示值），源码在 zhixingyuan/。
  • 7 个页面全部按截图 1:1 复刻，含 SVG 性格雷达图、逐句标注气泡、增量对账、考场三层判卷回放等。

#四、目录结构

FDE/
├── README.md                        # 本文件
├── 原始截图/                        # 8 张产品截图
├── 调研1-微信自动化操控技术方案.md   # 后端如何操控微信
├── 调研2-微信记录导出喂AI.md         # 记录导出→喂AI（首轮）
├── 调研3-终审与落地方案.md           # 12-agent 深挖 + 落地决策
├── 调研4-Mac真实导出落地方案.md      # Mac 4.1 真实导出 runbook（截图不可行→数据库解密）
├── zhixingyuan/                      # 复刻的 Next.js 前端（含「AI 落地」页）
└── wechat-ai-pipeline/               # 可运行的「聊天记录→按客户分区→喂AI」pipeline
    ├── src/pipeline.mjs              #   分区/清洗脱敏/LLM画像/话术
    ├── src/import-from-chatlog.mjs   #   从 chatlog:5030 拉真实记录
    ├── server.mjs                    #   本地后端（真实数据只在本地）
    └── input/demo-messages.json      #   demo 输入（真实数据 gitignore）

#五、真实数据接入（本地自用，不上云）

演示线上站用的是假 demo 数据。要接你自己的真实微信记录：截图逐条读不现实，必须走数据库解密（message_0.db 是 SQLCipher4 加密，key 只在微信进程内存里）。Mac 4.1 + SIP 的完整方案见 调研4，两条路线：

  • 不关 SIP：sudo codesign --force --deep --sign - /Applications/WeChat.app 重签名去掉 hardened runtime → ydotdog/wechat-export-macos 扫内存取 key + 解密导出 JSON。
  • 临时关 SIP：teest114514/chatlog_alpha（实测微信 4.1.11，自带 5030 HTTP/MCP），用完 csrutil enable 关回。

下游（分区→清洗→LLM画像→本地后端→前端「AI 落地」页显示真实数据）我已全部写好跑通。取 key 需要 sudo / 改微信 / 关 SIP，是只有你能授权的系统级操作，我不会替你偷偷执行——命令都在 调研4 里备好。真实记录、解密库、画像 JSON 全程 gitignore、不部署。

⚠️ 合规提醒：微信自动化操控与聊天记录导出在国内均属微信明令禁止/腾讯高频维权的灰色地带。若真要落地此类产品，务必以"辅助+人工确认""商家自有数据本地处理""脱敏授权"为红线，两份调研末尾都有详细提示。

来源：沉淀/FDE/README.md（整理于 2026-08-18）

相关笔记