Scan to join WeChat group微信聊天分析助手 v2.9.0
完全本地运行、模块化架构、AI 增强的隐私保护工具
分析 MBTI 人格、大五人格、情感趋势、关系健康度、风险预警，生成可视化报告。
v2.9.0 新增关系健康度分析器（平衡/回应/情感同步/投入/深度五维 + 冷回复惩罚）、情感分析增强（滚动趋势 + 情感转折点 + 己方情感占比）与语音交互（说一句话就能分析/预测/出报告，零依赖自动降级），测试 329 → 394 全通过；
v2.5.0 修复 5 个真实 bug（「非常」窗口误判否定 / RAG 角色过滤失效 / msg_type 丢失 / MBTI 显示崩溃 / 无发送者行 self-other 颠倒），接入全链路友好错误提示与 predict-v2 --seed 可复现预测；
v2.4.0 修复情感分析在 jieba 下的否定/程度识别 bug，补全 4 个模块测试；
v2.3.0 新增时间感知对话预测与回复时机提示；v2.2.0 新增推演与信息解读；v2.1.0 新增 demo、环境自检、离线 HTML 报告。
🆕 v2.9.0 分析能力增强 + 语音交互
- 💗 关系健康度分析器 — 互动平衡 / 回应速度 / 情感同步 / 投入度 / 互动深度五维加权 0-100，冷回复（对方长消息后回「嗯/哦」）额外扣分，输出 excellent/good/fair/warning 等级与中文改善建议（
config.json可关闭） - 📈 情感趋势深化 — 新增滚动情感平均序列（
rolling_trend）、情感转折点检测（turning_points：变差/好转）、己方情感占比（self_positive/self_negative），终端报告展示转折点，全部向后兼容 - 🎤 语音交互 —
python scripts/main.py voice进入会话：「分析 chat.txt / 预测一下 / 跑个演示 / 自检 / 生成报告 / 看日历 / 退出」；TTS 三级降级（pyttsx3 → Windows SAPI 零依赖 → 终端打印），无麦克风自动降级文本输入，分析结果口语化播报
🆕 v2.5.0 五大 bug 修复 + 友好错误 + 可复现预测
- 🐛 修复「非常开心」在长消息中「非」按错位索引误判否定（
sentiment_analyzer） - 🐛 修复 RAG
sender_filter="other"按原始昵称永远匹配不上 → 引入sender_role角色过滤 + 旧库自动降级 - 🐛 修复
Message.from_dict只认message_type导致旧数据 image/voice/system 类型丢失 - 🐛 修复 MBTI 分析器失败时
_display_v2_resultsKeyError 中断报告展示 - 🐛 修复无发送者行 self/other 颠倒（注释与代码相反）+ 过滤纯时间戳行/分隔线
- 🛡
friendly_errors.py接入 CLI 主入口：中文「原因+解决」提示，--debug看完整堆栈 - 🎲
predict-v2 --seed N可复现预测（MiroFish seeded 随机源，默认 seed=0 稳定） - ⚡ 性能：
pseg.cut→jieba.cut、情感词典首字索引、高频词 Counter 排序、二进制中文提取重写 - 🧪 测试 272 通过 / 0 失败 / 0 错误（修复 run_tests 漏跑顶层测试、缺依赖优雅跳过）
🆕 v2.4.0 情感分析与测试补全
- 修复「非常开心」被「非」字误判为否定、「我不开心」否定识别失效（jieba 装与不装结果一致）
- 修复立场识别「我反对」被判 neutral（正面词典单字「对」污染）
- 新增
interpretation/data_manager/vector_store/rag_predictor共 75 个测试用例
🆕 v2.3.0 时间感知预测
core/timing.py：统一计算消息紧急性、时间段、周末/工作日、连续对话节奏predict-v2输出[回复时机]：立即 / 尽快 / 今天内 / 隔太久先主动找回联系- Rule 与 Ensemble 预测器都使用时间特征调整候选和置信度
🎉 v2.1.0 新特性
- 🧬 补齐
mirofish/本地图谱包 — 修复graph-stats崩溃（sqlite3 + jieba，零新依赖） - 📄 文件编码自动检测 — utf-8-sig / utf-8 / gb18030 自动识别，GBK 导出文件不再崩溃
- 📊 大五人格校准 — 小样本不再轻易饱和 100%，各维度区分度更好
- 📈 分析进度反馈 —
[i/6] xxx ... 完成 (0.12s)实时显示 - 💾 结果导出 —
analyze-v2 --export result.json - 🌐 单文件离线 HTML 报告 —
analyze-v2 --html report.html/report-v2，零 CDN 零外部资源 - 🌟
demo一键体验 — 内置示例数据，30 秒跑完全流程 - 🧪
doctor环境自检 — 依赖/config/目录/编码逐项检查 + 修复建议 - 🧭 交互式向导 — 无参数启动直接进入粘贴分析（
-h不变） - 📝 一句话总结 — 终端报告末尾自动生成中文摘要
- 🧠 MBTI 稳定性提示 — 稳定性低时明确提示"结果仅供参考"
- 🔮 predict-v2 备选去重 — 按规范化文本合并重复模板
v2.0.0 基础特性
- 🧠 jieba 精准分词 — 替代简陋的正则分词
- 💬 否定识别 — 修复"我不开心"被误判的 bug
- 🎭 反讽检测 — 识别"虽然...但是..."等句式
- 📊 新 MBTI 置信度算法 — 维度差距 + 样本量综合评估
- 📚 本地 RAG 引擎 — sentence-transformers + ChromaDB
- 🐟 MiroFish 多智能体 — 8 Agent × N 轮模拟 + 投票博弈
- 🔮 三层集成预测 — Rule + RAG + MiroFish 加权融合
- 🏗️ 模块化架构 —
core//analyzers//predictors//rag//mirofish/ - 🔒 隐私优先 — 100% 本地处理，零数据外传
- ♻️ 完全向后兼容 v1.2.0 — 所有旧命令保留
30秒快速上手
第一步：安装核心依赖
pip install -r requirements.txt
第二步：一键体验（推荐新用户）
python scripts/main.py demo # 分析内置示例 + 生成 HTML 报告
python scripts/main.py doctor # 环境自检
python scripts/main.py voice # v2.9 语音交互（说/打字均可，无麦克风自动降级文本输入）
第三步：分析自己的聊天记录
python scripts/main.py # 交互式向导
python scripts/main.py analyze-v2 --input 聊天记录.txt --html report.html
完成！ 终端报告 + 离线 HTML 报告（浏览器直接打开）。
命令对照
| 功能 | 推荐命令 | v1.2.0 兼容 |
|------|-------------|-------------|
| 一键体验 | demo | (无) |
| 环境自检 | doctor | (无) |
| 分析 | analyze-v2 --paste | analyze --paste |
| 导出 JSON | analyze-v2 --export result.json | (无) |
| HTML 报告 | analyze-v2 --html r.html / report-v2 | report --report-type html |
| 预测 | predict-v2 --paste | (无) |
| 图谱统计 | graph-stats | (无) |
| Web | (v1.2.0 命令) | serve --port 5000 |
| 定时任务 | (v1.2.0 命令) | schedule --list |
| 日历 | (v1.2.0 命令) | calendar --list |
v1.2.0 的所有命令在 v2.1.0 中保留并继续工作。
功能一览
分析能力
- MBTI 推断 — 从聊天风格推断对方 MBTI 16 型人格
- v2.0.0: 维度差距 + 样本量综合置信度，输出稳定性评分
- 大五人格 — 开放性 / 尽责性 / 外向性 / 宜人性 / 神经质
- v2.0.0: 归一化 + 雷达图数据 + 补全 neuroticism low 词
- 情感分析 — 追踪情感变化趋势，正面/负面比例
- v2.0.0: jieba 分词 + 否定识别 + 程度副词 + 反讽检测 + HowNet 词典 + Emoji 映射
- 风险感知 — 标记值得关注的对话模式
- v2.0.0: 反讽识别 + 否定排除 + 时序突发 + 三级风险
- 场景分类 — 恋爱 / 工作 / 社交 / 重要事项
- 对话模式 — 回复速度、主动率、问号/感叹号比例
- v2.0.0: 修复 v1.2.0 的 reply_speed 丢失 bug
预测能力（v2.0.0 新增）
- Rule 预测 — 16 MBTI × 5 模板 + 场景 + 关键词触发
- RAG 预测 — 检索 top-K 相似历史对话作为 few-shot
- MiroFish 预测 — 8 Agent × N 轮模拟 + 多轮辩论 + 加权投票
- Ensemble — 三层加权融合
可视化报告
- v2.1.0：单文件离线 HTML 报告（
analyze-v2 --html/report-v2），内联 SVG 图表，零外部资源 - HTML / Word (.docx) / PPTX 格式（v1.2.0 保留）
完整使用指南
方式一：交互式向导 / demo（v2.1.0 推荐）
python scripts/main.py # 无参数进入向导：粘贴 → 分析 → 可选 HTML 报告
python scripts/main.py demo # 一键体验内置示例
方式二：v2 粘贴/文件分析
python scripts/main.py analyze-v2 --paste
python scripts/main.py analyze-v2 --input 聊天记录.txt # 自动识别 utf-8/GBK
python scripts/main.py analyze-v2 --input 聊天记录.txt --export result.json --html report.html
方式三：v2 三层预测
python scripts/main.py predict-v2 --input 聊天记录.txt
输出示例：
[最佳预测] 置信度 78.5%
策略: rule,mirofish
内容: 「我先确认一下情况」
[备选预测]
1. [65%] (rag) 「好的，我跟进一下」
2. [62%] (mirofish) 「收到，我处理一下」
方式四：v1.2.0 文件导入（保留）
python scripts/main.py analyze --file 聊天记录.txt
支持格式：.txt .json .docx .pdf .jpg .mp3
方式五：v1.2.0 Web 服务
python scripts/main.py serve
# 浏览器打开 http://localhost:5000
方式六：生成报告
# v2.1.0：单文件离线 HTML（推荐）
python scripts/main.py analyze-v2 --input 聊天记录.txt --html report.html
python scripts/main.py report-v2 # 用最近一次 v2 结果生成
# v1.2.0：多格式报告（保留）
python scripts/main.py report --report-type html # HTML 报告
python scripts/main.py report --report-type word # Word 报告
python scripts/main.py report --report-type pptx # PPTX 报告
python scripts/main.py report --report-type all # 全部格式
v2 分析结果示例
终端输出
[1/6] mbti ... 完成 (0.01s) ✅
[2/6] bigfive ... 完成 (0.00s) ✅
[3/6] sentiment ... 完成 (0.02s) ✅
[4/6] risk ... 完成 (0.00s) ✅
[5/6] scenario ... 完成 (0.00s) ✅
[6/6] pattern ... 完成 (0.00s) ✅
============================================================
微信聊天分析报告 v2.1.0
============================================================
🧠 [MBTI] ENFP - 竞选者
置信度: 78.5%
特征: 外向 | 直觉 | 情感 | 感知
稳定性: 82%
🔬 [大五] OCEAN 人格分析
开放性: [#######...] 68%
尽责性: [#####.....] 52%
外向性: [#######...] 71%
宜人性: [#######...] 73%
神经质: [####......] 42%
💬 [情感] 趋势: [上升]
正面: 65.5% / 负面: 22.3% / 中性: 12.2%
[v2.0.0] 检测到 3 条反讽
正面词: 开心, 喜欢, 期待, 不错, 哈哈
负面词: 担心, 紧张, 压力
⚠️ [风险]
[MEDIUM] pig_butcher
对方可能正在实施诈骗
命中 2 次: 投资, 充值
[建议]: 听起来不错，但我得先研究研究
🎯 [场景] 主场景: [工作]
work: 18
important: 12
social: 5
📊 [模式] 对话模式分析
主动发起: 我 35% / TA 65%
平均回复: 245 秒
快速回复 (<1分钟): 23
慢速回复 (>1小时): 5
聊天跨度: 15 天
============================================================
目录结构（v2.1.0）
wechat-analyzer/
├── core/ # 🆕 核心抽象层
│ ├── message.py # 统一 Message 模型
│ ├── result.py # 统一 Result 模型
│ ├── analyzer_base.py # 分析器抽象基类（run_all 支持进度回调）
│ ├── predictor_base.py # 预测器抽象基类
│ └── utils.py # 工具（分词/停用词/logger/编码自动检测）
│
├── analyzers/ # 🆕 6 个独立分析器
│ ├── mbti_analyzer.py
│ ├── bigfive_analyzer.py # v2.1.0 归一化校准
│ ├── sentiment_analyzer.py # 否定识别 + 反讽
│ ├── risk_analyzer.py
│ ├── scenario_analyzer.py
│ ├── pattern_analyzer.py
│ └── lexicon/ # 🆕 词典资源
│ ├── hownet_positive.txt
│ ├── hownet_negative.txt
│ ├── negation_words.txt
│ ├── degree_words.txt
│ ├── emoji_dict.txt
│ └── jieba_dict/
│ └── user_dict.txt
│
├── predictors/ # 🆕 3 个预测器 + Ensemble
│ ├── rule_predictor.py
│ ├── rag_predictor.py
│ ├── mirofish_predictor.py
│ └── ensemble.py # v2.1.0 备选规范化去重
│
├── rag/ # 🆕 RAG 引擎
│ ├── embedder.py
│ ├── vector_store.py
│ └── retriever.py
│
├── mirofish/ # 🆕 v2.1.0 本地图谱包
│ └── core/
│ └── zep_local.py # ZepLocalGraph（sqlite3 + jieba，替代 Zep Cloud）
│
├── scripts/ # ♻️ 旧脚本（向后兼容）
│ ├── main.py # CLI 入口（v1.2.0 + v2.0.0 + v2.1.0）
│ ├── v2_report_generator.py # 🆕 v2.1.0 单文件离线 HTML 报告
│ ├── main_setup.py
│ ├── text_analyzer.py # v1.2.0 保留
│ ├── conversation_predictor.py
│ ├── llm_analyzer.py
│ ├── report_generator.py
│ ├── data_manager.py
│ ├── file_importer.py # v2.1.0 编码自动检测
│ ├── calendar_manager.py
│ ├── scheduler.py
│ ├── web_server.py
│ ├── mirofish/ # v1.2.0 高级 MiroFish
│ └── archive_v1/ # v1.2.0 完整快照
│
├── templates/ # Web 模板
├── data/ # 数据存储
│ ├── chat_history.db
│ ├── vector_store/ # 🆕 ChromaDB 持久化
│ ├── models/ # 🆕 embedding 模型
│ ├── reports/ # 🆕 v2.1.0 HTML 报告输出目录
│ └── mirofish_graph.db # 🆕 本地图谱
│
├── tests/ # 🆕 单元测试（含 fixtures 示例数据）
├── config.json # v2.1.0 配置
├── requirements.txt # 核心依赖
├── requirements-rag.txt # 🆕 RAG 独立依赖
├── requirements-web.txt # ⏳ 未来 Web 依赖
├── SKILL.md # Skill 定义
└── README.md # 本文件
使用限制
使用前请了解以下限制：
- 单次分析建议不超过 500 条消息。 超出后分析耗时较长。
- 分析结果仅供参考。 人格推断基于关键词匹配，不是专业心理评估。
- RAG 首次运行需联网。 下载 embedding 模型约 50-100MB（1-2 分钟），之后完全离线。
- RAG 依赖未安装时自动降级。 预测自动回退到 Rule 层，不影响其他功能。
- v1.2.0 命令继续可用。 行为与 v1.2.0 一致，不影响现有用户。
如何导出微信聊天记录
方法一：直接复制文字（最快）
- 打开电脑端微信，进入聊天对话框
- 鼠标选中聊天内容（可多选）
- 按
Ctrl + C复制 - 在工具中粘贴即可
方法二：从微信导出文件
- 打开电脑端微信聊天窗口
- 点击右上角
...或···按钮 - 选择
聊天记录→聊天文件 - 点击
导出聊天记录 - 选择格式
txt，保存到本地 - 使用
python scripts/main.py analyze-v2 --input 文件路径.txt
LLM API 配置（可选，v2.0.0 默认禁用）
v2.0.0 默认禁用云端 LLM，所有分析本地完成。如需启用 LLM 增强：
# 1. 复制环境变量模板
cp .env.example .env
# 2. 编辑 .env 填入 API Key
# LLM_API_KEY=sk-...
# LLM_BASE_URL=https://api.deepseek.com
# LLM_MODEL=deepseek-chat
# 3. 修改 config.json
# "llm": { "enabled": true, ... }
v2.0.0 推荐使用本地 RAG 引擎替代云端 LLM（隐私更好、效果更准）。
数据隐私说明（v2.0.0 强化）
- 所有数据保存在本地
data/目录 - 不向任何云端服务器发送数据（v2.0.0 默认配置）
- 无需注册账号
- SQLite 数据库 + ChromaDB 向量库 + MiroFish 图谱，全部本地
- 无遥测、无统计、无后台网络请求
- RAG embedding 模型本地存储，仅首次下载
- LLM 完全可选（默认关闭）
- MiroFish 默认关闭
常见问题
Q: v1.2.0 的命令还能用吗？ A: 完全兼容，所有旧命令保留并继续工作。
Q: v2.0.0 和 v1.2.0 分析结果不一致？ A: 正常。v2.0.0 引入 jieba、否定识别等，分析更准确。
Q: 首次运行很慢？ A: RAG 首次需下载 embedding 模型（50-100MB），之后秒开。
Q: 不想用 RAG？
A: config.json 中设 "rag.enabled": false。
Q: 不想用云端 LLM？
A: v2.0.0 默认禁用。完全不需要 .env 文件。
Q: MiroFish 怎么启用？
A: config.json 中设 "mirofish.enabled": true，然后运行 predict-v2。
Q: 如何回滚到 v1.2.0？
A: scripts/archive_v1/ 中有完整 v1.2.0 快照。
Q: Web 仪表盘呢？ A: v2.1.0 路线图。当前使用 v1.2.0 的 Flask Web。
Q: 群聊怎么分析？ A: 导出群聊记录时选择"全部消息"，导入后同样可以分析。
Q: 首次安装依赖太多？
A: 运行 python scripts/main_setup.py 自动完成。
依赖安装
核心（必须）
pip install -r requirements.txt
RAG 引擎（v2.0.0 推荐）
pip install -r requirements-rag.txt
可选增强
pip install openai-whisper # 语音转文字
pip install easyocr # 图片 OCR
Web 仪表盘（v2.1.0 路线图）
pip install -r requirements-web.txt
cd web/frontend && npm install
版本路线图
- ✅ v1.2.0 — 基础 MBTI/大五/情感/风险分析，LLM 增强（云端）
- ✅ v2.0.0 — 模块化架构、jieba 分词、本地 RAG、多智能体 MiroFish、隐私优先
- ⏳ v2.1.0 — FastAPI + Vue3 + ECharts 仪表盘
- ⏳ v3.0.0 — 微信 DB 解密、OCR/ASR 升级、长期记忆
版本: v2.5.0