前两天在GitHub上面无意间刷到了一个蛮有意思的仓库，名字叫weixin-liaotianjilu-skill，是icodebase-cn这个组织搞出来的，选用Python来编写，建立的时间其实并不长，星标依然还是零。我顺手点进去大致看了一番，讲真看完以后内心其实有些五味杂陈，并非那种撞见顶级神仙项目时产生的激动，反倒更像是看到有人正在认真去做一件旁人不太情愿去触碰的事情。
这个仓库所从事的工作说起来挺简单，其实就是把微信聊天记录进行导出、开展校验、然后再转交给AI agent来开展总结与分析工作。听起来似乎没什么技术含量对吧，但真正促使人愿意多瞧两眼的地方在于它的定位，它并非破解工具，并非教导你如何去解密微信数据库，并且也不是什么聊天记录恢复神器。它是一个极为克制的工作流，克制到何种地步呢，原始聊天记录不进行上传操作，密钥不放入仓库之中，导出仅仅发生在你自己的机器上，agent所能获取到的仅仅是已经导出好的JSON文件，而不是直接去触碰你的微信底层数据。
我为何会觉得这件事情值得拿出来聊一聊，原因在于微信聊天记录这个话题在国内技术圈向来属于一个灰色地带。你去搜索微信聊天记录导出，冒出来的内容五花八门，有售卖破解软件的，有教你如何对手机开展root然后提取SQLite数据库的，有搞逆向工程的，评论区永远有人去询问这合法吗，也永远有人在下面回复称你自己的数据你怕什么。但实际状况远远比这些讨论复杂得多，你自己的聊天记录固然属于你，可聊天记录里面还包含着别人说过的话，群聊里面还有几十个人的隐私，把这些东西导出来往AI工具里面一丢，说好听点称作数据利用，说难听点就是把几十个人的对话内容未经同意投喂给了第三方服务。
这个skill的作者显然思考过这个问题，README里面专门设立了一个名为隐私模型的章节，列出了五条原则，原始导出仅仅保留在本地，不去提交数据库密钥或原始聊天记录，仅仅导出小范围，总结时不去粘贴大段原文，进行分享前清洗示例数据。讲真这几条原则列得相当朴素，并不存在什么高深的技术方案，仅仅是行为约束，但恰恰是这种约束促使人觉得靠谱。你做隐私保护所依靠的并非什么加密算法有多牛，所依靠的是你自己管住自己的手千万别把数据往不该去的地方丢。
它的使用方式也颇具意思，并非那种安装完毕就自动运行起来的工具，而是需要你先自行进行导出聊天记录，把它导出为JSON格式，然后这个skill协助你对这个文件格式是否正确开展校验，消息数量有多少，日期范围有多宽，发言人分布如何，消息类型包含哪些，校验完毕之后再转交给agent去开展总结。整个流程agent无法碰触到你的微信本体，无法碰触到你的数据库密钥，所能碰触到的仅仅是一个你主动选择导出的JSON文件。这种设计把控制权彻底留存于用户手里，agent仅仅是个读取文件的角色。
我查看了它的导出格式定义，JSON结构相当标准，聊天名、用户名、导出时间、是否群聊、消息列表，每条消息均具有时间戳、发送人、类型和内容。存在一个示例文件和schema文件可供参考，校验脚本运行一下便能看到统计结果，不去打印私人聊天内容，仅仅输出数量和分布。这个细节我觉得格外好，哪怕是校验脚本都进行了脱敏处理，表明作者确实正在认真思考这个问题，并非嘴上讲讲隐私保护紧接着在脚本里把你的聊天原文全部打印出来。
安装途径是在AISet的专家技能里面键入一条指令，把GitHub仓库地址放进去即可。进行使用的时候你可以运用中文也可以运用英文向agent说明，校验这个本地导出文件并且开展总结里面的决策，亦或我想从自己的Mac本地导出项目群的聊天记录并且总结4月份的待办事项。agent将会确认授权和范围，优先选择进行读取已有本地导出，规避在回答里面倾泻大段私人原文。
归根结底这个skill所解决的并非一个技术问题，而是一个信任问题。你让AI协助你开展分析聊天记录，你所担忧的并非AI分析得不够好，你所担忧的是你的聊天数据在开展分析的过程当中发生泄露。这个skill的处理方式是把AI能接触到数据的范围压缩至极其微小，微小到仅仅给予你一个JSON文件，哪怕是校验脚本都不去碰触原文内容。这种思路比那些声称端到端加密实质上将你的数据传到云端再传回来的工具务实得多。
诚然这个项目目前依然处于极为早期的阶段，零星标，刚刚建立仓库，文档算不上特别完善，相似项目的调研文档和隐私安全详细文档依然属于链接占位符。然而方向是正确的，在一个充斥着灰色工具的领域里面，有人选择去制作一个纯粹的克制的东西，这件事情本身便值得多去留意一眼。要是你平时存在把微信聊天记录进行导出开展项目复盘亦或工作总结的需求，这个skill可以尝试一下，起码它不会让你的聊天记录在你不知情的状况下跑到不该去的地方。
以上就是全部内容，既然都浏览到这里了，要是觉得稍微有点用处，可以进行关注，后续要是存在有意思的项目我还会继续聊。
