Codex整理微信联系人和聊天记录

sowang

Codex 整理微信联系人和聊天记录，并非一个官方内置的“一键整理”功能，而是通过“先导出/解密，再喂给 AI 分析”的组合拳来实现的——你既可以用专门的工具把加密的微信数据转成可读文件，也可以让 Codex 这类本地 AI Agent 直接读取你的聊天库进行分析、摘要甚至情感追踪。

一、核心路径：先“解密”本地数据库，再交给 AI 分析

根本障碍：微信电脑端的聊天记录以 SQLCipher 加密数据库形式存储（如 Msg.db），直接复制文件无法读取。

解法一（导出后投喂）：使用 Chatlog、留痕、PyWxDump 等第三方工具解密并导出为 HTML / TXT / JSON 等明文格式，然后把文件拖给 Codex 或 Claude Code，下达“总结与张总近三月沟通要点”“提取所有待办事项”等指令。

解法二（本地 Agent 直读）：通过 MCP（Model Context Protocol）协议或 wechat-cli 类命令行工具，让 Codex 直接访问本地微信数据库，无需手工导出。例如 Chatlog 可启动 MCP 服务器，在 Cherry Studio 等客户端中配置后，AI 即可直接查询聊天记录。

二、现成方案：腾讯 WorkBuddy 与 OpenClaw 接入微信

腾讯 WorkBuddy：被称为“更适合国人体质的 Codex”，内置微信联动能力，登录和指令下达都可在微信中完成，适合普通用户。它能直接读取本地微信数据，完成联系人筛选、聊天摘要生成等任务，目前限时免费提供混元 Hy3 模型。

OpenClaw 与 wechat-cli：OpenClaw 是一款本地 Agent 框架，配合 npm install -g canghe_ai/wechat-cli 安装的命令行工具，可统计微信联系人发言排行、会话记录、未读消息、收藏内容，并以 Markdown 格式导出，全程本地运行、只读数据。

三、实战案例：用 Codex 消化十几年聊天记录

有用户将 2004 年至今的 QQ 聊天记录通过 Codex 转成文本，仅大学班级群就达一千多页，私聊记录约两千个。
另有用户导出 321 页 PDF 微博和 2004—2009 年 Gtalk 记录，让 Codex 阅读后提炼出“一个人如何被自己的聊天记录反过来保存”的洞察。这些案例表明，Codex 的真正价值不在于“导出”本身，而在于对海量非结构化社交数据做归纳、检索和情绪发现。


视频：Codex整理微信联系人和聊天记录
https://weibo.com/tv/show/1034:5 ... om=old_pc_videoshow