WeLink-帮你分析自己的的微信聊天记录

概述

微信聊天记录里隐藏着你和每个人关系的完整轨迹：

• 第一条消息是哪天发的
• 哪段时期聊得最密集
• 凌晨还在聊天的都是什么人
• 最常说的词是什么
• …

这些数据一直都在，只是没有一个地方能让你好好看清楚，而 WeLink 就是为这件事而做的。

功能

好友分析

• 消息总量排行，一眼看出谁是你真正常联系的人
• 第一条消息时间，回顾一段关系的起点
• 24 小时活跃分布，发现你们的聊天习惯
• 聊天日历热力图，哪段时间最密集一目了然
• 词云分析，看看你们之间出现最多的词是什么
• 深夜消息统计、红包次数、发起对话比例等社交特征
• 共同群聊数：联系人列表直接显示与该联系人的共同群聊数量，详情页可查看完整群聊列表并跳转

群聊分析

• 群内发言排行
• 群活跃时间分布
• 群内高频词

全局统计

• 总消息量、活跃好友数、零互动好友数
• 月度消息趋势
• 消息类型分布（文字 / 图片 / 语音 / 视频 / 表情）
• 深夜聊天排行榜

时间范围筛选

• 支持选择近 1 个月 / 3 个月 / 6 个月 / 1 年 / 全部数据进行分析
• 支持自定义任意起止日期，精确分析某段时期的聊天数据

隐私屏蔽

• 侧边栏「屏蔽」页面，可按微信ID、昵称或备注名屏蔽指定联系人和群聊
• 被屏蔽的对象从好友列表、群聊列表中完全隐藏，数据仍保留在数据库中
• 屏蔽规则存储在浏览器本地（localStorage），不上传、不修改后端数据

🤖 MCP — 用自然语言查询你的微信数据

WeLink 内置了一个 MCP（Model Context Protocol） 服务器，让你在 Claude Code（CLI） 里直接用中文提问来分析微信数据——无需打开浏览器，无需手动查找。

几个例子：

「我今年和哪个朋友聊得最多？」

「帮我分析一下我和 XXX 的关系深度，我们经常聊什么话题？」

「我哪个群最活跃？群里谁发言最多？」

「我凌晨还在聊天的都是什么人？」

AI 会自动调用 WeLink 后端，把分析结果直接呈现在对话里。

完整配置说明（注册 MCP Server + Skills 配置）见 mcp-server/README.md。

功能截图

快速入门引导

首次使用向导，一步步完成数据库解密、目录配置与分析时间范围选择。

好友总览 Dashboard

总好友数、总消息量、活跃好友、零消息好友一览，关系热度分布（活跃 / 温热 / 冷淡），月度趋势柱状图与 24 小时活跃曲线。

联系人排行榜

按消息总数排序，支持搜索与分页，活跃状态标签快速识别关系冷热，共同群聊数一列呈现与每位联系人的群圈交集。

联系人深度画像

点击任意联系人进入详情面板：收发消息各自占比、深夜消息统计、主动发起对话率、红包次数、24 小时 & 每周活跃分布，以及可点击的聊天日历——点击任意一天即可查看当天完整对话记录。

情感分析

基于关键词逐条打分，按月聚合，呈现长达数年的情感趋势折线图，直观反映积极 / 消极 / 中性消息的历史变化。

群聊画像

群聊列表按消息数排序，显示起始与最近活跃时间，点击群聊查看成员发言排行、词云、活跃日历，同样支持点击日历查看当天群聊记录。

隐私屏蔽

侧边栏「屏蔽」页面集中管理屏蔽名单，支持按微信ID、昵称或备注名屏蔽联系人，按群名或群ID屏蔽群聊。也可在联系人或群聊详情弹窗右上角点击眼睛图标快速屏蔽。被屏蔽对象的显示名会自动解析展示，仅在找不到匹配时才回退显示原始ID。

推荐运行配置

WeLink 在本地跑 Docker Compose，资源消耗取决于聊天数据量。以下是建议：

• CPU：双核即可，多核对并发群聊分析有提升
• 磁盘：decrypted/ 目录本身通常在 1–5 GB，建议预留 10 GB 空余
• 时间范围：首次使用建议先选「近 6 个月」体验，确认无误后再切换到「全部数据」

如果首次索引时间过长，可在欢迎页选择「自定义范围」缩短分析区间，或减少消息数据库文件数量。

快速体验（Demo 模式）

没有微信数据库？可以用内置的示例数据快速预览页面效果：

1
2

cd welink
docker compose -f docker-compose.demo.yml up

访问 localhost:3000 即可看到预置了 12 个好友、3 个群聊和数千条模拟消息的完整界面。

Demo 模式下后端会在容器内自动生成仿真数据库，无需挂载任何本地目录。所有数据均为随机生成，不涉及真实聊天记录。

使用前提

目前仅支持 macOS，Windows / Linux 支持敬请期待。

第一步：把手机聊天记录同步到电脑（推荐）

手机微信 → 「我」→「设置」→「通用」→「聊天记录迁移与备份」→「迁移到电脑」，这样能获得最完整的历史数据。

第二步：解密数据库

确保 Mac 上的微信处于运行状态，然后使用 wechat-decrypt 提取并解密数据库：

1
2
3
4

git clone https://github.com/ylytdeng/wechat-decrypt
cd wechat-decrypt
sudo python3 main.py
# 选择 decrypt 模式

解密完成后会生成 decrypted/ 目录，将其中内容放到以下结构：

1
2
3
4
5
6
7

decrypted/
├── contact/
│   └── contact.db
└── message/
    ├── message_0.db
    ├── message_1.db
    └── ...

第三步：放置解密后的数据库

将上一步生成的 decrypted/ 目录放在与 welink/ 仓库同级的位置，目录结构如下：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13

~/（或任意父目录）
├── welink/            ← 本仓库
│   ├── backend/
│   ├── frontend/
│   ├── docker-compose.yml
│   └── ...
└── decrypted/         ← 解密后的数据，放在这里
    ├── contact/
    │   └── contact.db
    └── message/
        ├── message_0.db
        ├── message_1.db
        └── ...

wechat-decrypt 生成的 decrypted/ 目录内部已是上述结构，直接移动过来即可，无需手动调整。

第四步：启动 WeLink

确认 decrypted/ 与 welink/ 同级后，执行：

1
2

cd welink
docker compose up

首次启动会自动拉取 GitHub CI 构建好的镜像，无需本地编译。如需强制本地构建，加上 --build 参数。

访问 localhost:3000 开始分析。

配置

WeLink 支持通过 config.yaml 进行自定义配置。对于大多数用户，无需任何配置，直接 docker compose up 即可运行。

如需自定义，在项目根目录编辑 config.yaml（Docker Compose 会自动挂载）：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22

server:
  port: "8080"          # HTTP 监听端口

data:
  dir: "/app/data"      # 微信数据目录（Docker 内路径，通常不需要修改）

analysis:
  timezone: "Asia/Shanghai"   # 统计时区（IANA 时区名）
  late_night_start_hour: 0    # 深夜区间开始（含），默认 0 点
  late_night_end_hour: 5      # 深夜区间结束（不含），默认 5 点
  session_gap_seconds: 21600  # 新对话段判定间隔，默认 6 小时
  worker_count: 4             # 并发分析 goroutine 数，建议不超过 CPU 核心数
  late_night_min_messages: 100  # 进入深夜排行所需最少消息数
  late_night_top_n: 20          # 深夜排行保留前 N 名

  # 启动后自动开始索引的时间范围（Unix 秒，0 表示不限）
  # 设置后无需前端手动点击「开始分析」
  # 示例（只分析 2023 年）：
  #   default_init_from: 1672531200
  #   default_init_to:   1704067199
  default_init_from: 0
  default_init_to: 0

配置优先级：config.yaml > 环境变量（DATA_DIR / PORT）> 默认值。

技术栈

API 文档

启动后访问 localhost:3000/swagger/ 查看完整接口文档。

更多技术细节（数据库结构、索引流程、情感分析算法等）见 docs/。

一些说明

• 数据安全：所有数据纯本地处理，不联网，不上传任何服务器。
• 系统要求：目前仅支持 macOS（Windows / Linux 后续看情况）。
• 索引性能：数据量较大时首次索引可能需要几分钟，建议先选「近 6 个月」体验。
• 代码开源：github.com/runzhliu/WeLink

欢迎试用，有问题或建议直接 issue 或在这里回复都行。

数据安全说明：WeLink 不联网、不上传、不需要账号，所有分析在你自己的机器上完成。请仅分析自己的聊天记录。

💡赞赏支持

微信打赏 支付宝打赏