微信收藏知识库

Decrypt, categorize and organize wechat favorites (Official Account collection) into knowledge base

收藏夹导出 · 智能分类 · 知识库导入

快速上手： 解析收藏夹 → 导出记录 → 智能分类 → 导入 IMA 知识库

💡 试试这样说： "帮我整理微信收藏" / "导出收藏夹并分类" / "把微信收藏导入知识库" / "解析 favorite.db 导出文章"

触发词： 微信收藏（WeChat Favorites）、收藏夹导出（favorites export）、收藏文章分类（favorites classification）、IMA 知识库导入（knowledge base import）、收藏整理（favorites organizer）、微信公众号收藏、公众号文章整理

为什么用这个工具？

微信收藏夹积累了大量文章：随手打的标签越来越复杂，待读越积越多，从来没有真正整理过，也不记得读了哪些、学到了什么。这个工具可以：

自动分类 — 96% 的文章自动归入 9 大类，无需手动整理
细粒度标签 — 57 个二级标签，精准定位细分主题
跨领域识别 — 自动标注"生物医药+投资"等复合主题
LLM 增强 — 低置信度条目用大模型智能重判
知识库导入 — 一键导入 IMA，构建个人知识库

实测数据

基于 32,333 篇文章（2014-2025 收藏）：

| 指标 | 数值 | |------|------| | 总收藏数 | 36,853 | | 文章数 | 32,333 | | 一级分类覆盖率 | 96.0% (31,088/32,333) | | LLM 重分类成功率 | 98.5% (8,789/8,912) | | 二级标签平均覆盖率 | 35.5% |

核心能力

| 能力 | 说明 | |------|------| | 收藏导出 | 从解析后的 favorite.db 导出全部收藏记录为 CSV | | 关键词分类 | 一级分类 9 类（生物医药/AI/投资等），关键词匹配自动识别 | | 标签增强 | 二级标签 57 个 + 跨领域标签 6 类，支持多标签组合 | | LLM 增强（可选） | 置信度 < 0.4 时自动调用 LLM 二次分类，需配置 API Key | | IMA导入（可选） | 批量导入到 IMA 知识库，需配置凭证 | | 报告生成 | 分类统计、各分类 CSV 导出 |

前置条件

1. 微信收藏数据库

本工具需要已解析的 favorite.db 文件。解析步骤请使用专门的微信数据库处理工具。

2. Python 环境

pip install pycryptodome zstandard

3. IMA 导入（可选）

如需导入 IMA 知识库：

创建 IMA 知识库，获取 kb_id
配置凭证：~/.config/ima/client_id 和 ~/.config/ima/api_key

4. IMA 导入配置（可选）

IMA 凭证支持多种配置方式（优先级从高到低）：

| 方式 | 说明 | |------|------| | 命令行参数 | --client-id, --api-key, --kb-id | | 环境变量 | IMA_CLIENT_ID, IMA_API_KEY, IMA_KB_ID | | config.json | ima_kb_id 字段 | | 文件 | ~/.config/ima/client_id, ~/.config/ima/api_key |

# 方式 1: 命令行参数
python import_ima.py --kb-id YOUR_KB_ID --client-id XXX --api-key YYY

# 方式 2: 环境变量
IMA_CLIENT_ID=xxx IMA_API_KEY=yyy python import_ima.py

# 方式 3: 配置文件
# 在项目目录创建 config.json，填写 ima_kb_id
# 创建 ~/.config/ima/client_id 和 api_key 文件

安全说明

本工具涉及本地文件操作与可选网络调用。所有核心功能（导出 + 本地分类）可在离线环境完成，无需任何网络配置。

| 操作 | 行为 | 数据流向 | 说明 | |------|------|----------|------| | 收藏导出 | 读取已解析的 favorite.db，导出为 CSV | 本地只读 | 核心功能，完全离线 | | 智能分类 | 基于关键词本地分类 | 本地计算 | 核心功能，完全离线 | | LLM 分类 | 可选，将标题/摘要发送至外部 LLM API | 本地 → OpenRouter (可选，需配置) | 默认关闭，不调用外部 API | | IMA 导入 | 可选，将收藏 URL 列表发送至腾讯 IMA | 本地 → ima.qq.com (可选，需配置) | 默认关闭，不调用外部 API | | 凭证读取 | 读取本地 ~/.config/ima/ 凭证文件 | 本地读取 | 仅 IMA 功能需要，不上传凭证 |

可选功能说明：

LLM 分类：依赖 llm_classify.py，通过 OpenRouter API 调用大模型。默认关闭，需设置 LLM_API_URL 等环境变量才会发起网络请求
IMA 导入：依赖 import_ima.py，调用腾讯 IMA 知识库 API。默认关闭，需配置 client_id/api_key 才会发起网络请求
SAFE_MODE：完全禁用网络功能，设置 SAFE_MODE=1 环境变量即可强制离线模式
敏感数据：LLM 仅发送文章标题和摘要，不发送正文内容； IMA 仅发送收藏的 URL 列表，不包含微信聊天记录

离线使用方案：

导出 + 本地分类：无需网络，无需配置任何 API
LLM 增强：可使用本地模型（修改 LLM_API_URL 指向本地 Ollama）
IMA 导入：可选功能，不导入不影响其他功能

建议： 在信任的网络环境或离线环境使用，网络功能均为可选，默认关闭。

快速开始

cd scripts

# 0. 验证环境
python quick_validate.py

# 1. 解析数据库（如未解析）
python decrypt_db.py  # 或使用其他工具

# 2. 导出收藏记录
python export_favorites.py

# 3. 智能分类（支持 LLM 增强）
python classify_favorites.py

# 4. 导入 IMA（可选）
python import_ima.py

目录结构

wechat-favorites/
├── SKILL.md                     # 本文件
├── LICENSE.txt                  # MIT License
├── CHANGELOG.md                 # 更新日志
├── requirements.txt             # 依赖声明
├── config.json                  # 用户配置（需创建）
├── scripts/
│   ├── quick_validate.py        # 环境验证
│   ├── decrypt_db.py            # 数据库解析
│   ├── export_favorites.py      # 收藏导出
│   ├── classify_favorites.py    # 智能分类（一级+二级+跨领域）
│   ├── llm_classify.py          # LLM 二次分类模块
│   ├── llm_incremental.py       # LLM 增量批处理
│   ├── merge_llm_results.py     # LLM 结果合并
│   ├── normalize_categories.py  # 标签标准化
│   ├── import_ima.py            # IMA 导入
│   ├── config.py                # 配置加载
│   └── key_utils.py             # 密钥工具
├── decrypted/                   # 解析输出
│   └── favorite/favorite.db
├── exported_favorites/          # 导出输出
│   ├── favorites_all.csv        # 全部收藏
│   ├── articles_final.csv       # 带分类标签
│   ├── cat_biomed.csv           # 生物医药分类
│   ├── cat_AI科技.csv           # AI 分类
│   └── ...
└── references/
    ├── classification.md        # 分类算法说明
    └── schema.md                # 数据库结构

数据流程

favorite.db (加密)
      │
      ▼ decrypt_db.py
favorite.db (解析后)
      │
      ▼ export_favorites.py
favorites_all.csv
      │
      ▼ classify_favorites.py [--llm]
articles_final.csv + cat_*.csv
      │
      ▼ import_ima.py
IMA 知识库

分类体系

一级分类（9类）

| 分类 | 关键词示例 | |------|-----------| | 生物医药 | 创新药、ADC、CAR-T、mRNA、临床试验、靶点、抗体 | | AI科技 | GPT、大模型、Agent、RAG、芯片、GPU、NVIDIA | | 投资金融 | IPO、融资、科创板、估值、基金、VC、PE | | 科学研究 | Nature、Science、论文、神经科学、突破 | | 商业财经 | 企业战略、行业分析、商业模式、宏观 | | 生活方式 | 健康、运动、旅行、读书、电影 | | 媒体资讯 | 新闻、热点、评论、舆论 | | 政治国际 | 国际关系、地缘政治、中美、外交 | | 其他 | 未命中以上分类 |

二级标签（57个）

每个一级分类下设细分标签，关键词匹配自动识别：

| 一级分类 | 二级标签示例 | |---------|-------------| | 生物医药 | ADC、CAR-T、mRNA、创新药、临床、神经科学、免疫治疗、基因编辑、疫苗、医疗器械... | | AI科技 | 大模型、AI应用、AI医疗、自动驾驶、机器人、GPU、芯片、深度学习、RAG、Agent... | | 投资金融 | VC/PE、二级市场、IPO、并购、估值、私募、公募、债券、量化... | | 科学研究 | 神经科学、物理、化学、生物、材料、天文学、量子计算... | | 商业财经 | 企业战略、行业分析、商业模式、宏观经济、消费、零售... | | 生活方式 | 健康、运动、旅行、读书、电影、美食、教育... |

完整标签列表见 references/classification.md。

跨领域标签（6类）

识别跨领域主题，多标签组合：

| 跨领域标签 | 触发条件 | |-----------|---------| | 生物医药+投资 | 医药领域 + 融资/IPO/估值关键词 | | AI+医疗 | AI领域 + 医疗/医院/诊断关键词 | | AI+投资 | AI领域 + 融资/IPO/估值关键词 | | 生物医药+AI | 医药领域 + AI/大模型关键词 | | 商业+政治 | 商业领域 + 国际关系/政策关键词 | | 科学+政策 | 科学领域 + 政策/监管关键词 |

LLM 二次分类

关键词分类置信度不足时，可启用 LLM 二次分类进行智能重判：

# 置信度低于 0.4 时触发 LLM
python classify_favorites.py --llm

# 全量 LLM 分类（跳过关键词）
python classify_favorites.py --llm-only

# 自定义触发阈值
python classify_favorites.py --llm --llm-threshold 0.3

环境变量配置：

| 变量 | 默认值 | 说明 | |------|--------|------| | LLM_API_URL | http://localhost:4200/v1/chat/completions | API 地址 | | LLM_MODEL | auto | 模型名称 | | LLM_CONCURRENCY | 5 | 最大并发数 | | LLM_BATCH_SIZE | 10 | 每批处理数量 |

OpenRouter 配置示例：

export LLM_API_URL="https://openrouter.ai/api/v1/chat/completions"
export LLM_MODEL="deepseek/deepseek-chat"
export LLM_API_KEY="your-openrouter-api-key"

输出文件说明

| 文件 | 内容 | |------|------| | favorites_all.csv | 全部收藏记录 | | articles_final.csv | 带 category、subcategory、cross_domain 标签的文章 | | cat_*.csv | 各分类单独文件 | | llm_checkpoint.json | LLM 分类断点（增量处理） | | ima_import_state.json | IMA 导入进度（断点续传） | | ima_import.log | IMA 导入日志 |

CSV 字段说明：

| 字段 | 说明 | |------|------| | local_id | 原始记录 ID | | title | 文章标题 | | url | 文章链接 | | desc | 摘要 | | source | 来源公众号 | | create_time | 收藏时间 | | category | 一级分类 | | subcategory | 二级标签（多个用逗号分隔） | | cross_domain | 跨领域标签（多个用逗号分隔） | | confidence | 分类置信度 |

favorite.db 表结构

CREATE TABLE fav_db_item (
    local_id INTEGER PRIMARY KEY,
    fav_local_type INTEGER,  -- 类型：1=文章, 3=图片, 等
    status INTEGER,
    create_time INTEGER,     -- 收藏时间戳
    source_id TEXT,          -- 来源 wxid
    source_type INTEGER,
    content BLOB,            -- XML 内容
    WCDB_CT_content INTEGER  -- 压缩标记：4=zstd
);

content 字段解析：

<title> 标题
<url> 链接
<source> 来源公众号
<description> 摘要

常见问题

Q: 收藏数据不完整？ A: 检查 favorite.db 最后修改时间，微信可能未同步最新数据。

Q: IMA 导入被限流？ A: API 限流约 200 次/小时，脚本已内置 3 秒/批的限速。

Q: 如何新增分类？ A: 编辑 classify_favorites.py 中的 CATEGORIES 字典。

Q: 解析失败？ A: 确保密钥正确，检查 all_keys.json 是否包含 favorite.db 的密钥。

Q: LLM 分类中断了怎么办？ A: 脚本自动保存断点到 llm_checkpoint.json，重新运行会从中断处继续。

技术细节

SQLCipher 4 参数

加密：AES-256-CBC + HMAC-SHA512
KDF：PBKDF2-HMAC-SHA512，256,000 iterations
页面：4096 bytes，reserve = 80

支持平台

| 平台 | 解析支持 | |------|---------| | Windows | ✅ | | Linux | ✅ | | macOS | ✅ |

参考资料

references/schema.md — 数据库结构详解
references/classification.md — 分类算法说明

更新日志

v1.1 — 2026-04

分类体系升级：新增三级分类体系——9大主类、57个二级标签、6个跨领域标签，分类更精细多元
文档全面优化：完善 SKILL.md，补充分类逻辑说明、LLM 使用指南、实测数据、文件格式说明
快速上手简化：精简配置示例、优化命令说明、增强引导提示、补充常用触发词，方便快速上手
LLM 智能增强（可选）：新增 LLM 辅助分类脚本（llm_classify.py、llm_incremental.py、merge_llm_results.py、normalize_categories.py），低置信度或模糊条目可交由大模型重新分类
安全说明强化：新增## 安全说明章节，强调本地化、隐私保护与数据安全
版本升级：1.1.0 → 1.1，新显示名（微信收藏知识库）

License

MIT License

微信收藏知识库一键整理微信收藏

微信收藏知识库

为什么用这个工具？

实测数据

核心能力

前置条件

1. 微信收藏数据库

2. Python 环境

3. IMA 导入（可选）

4. IMA 导入配置（可选）

安全说明

快速开始

目录结构

数据流程

分类体系

一级分类（9类）

二级标签（57个）

跨领域标签（6类）

LLM 二次分类

输出文件说明

favorite.db 表结构

常见问题

技术细节

SQLCipher 4 参数

支持平台

相关链接

参考资料

更新日志

v1.1 — 2026-04

License

免责声明

微信收藏知识库 一键整理微信收藏

微信收藏知识库

为什么用这个工具？

实测数据

核心能力

前置条件

1. 微信收藏数据库

2. Python 环境

3. IMA 导入（可选）

4. IMA 导入配置（可选）

安全说明

快速开始

目录结构

数据流程

分类体系

一级分类（9类）

二级标签（57个）

跨领域标签（6类）

LLM 二次分类

输出文件说明

favorite.db 表结构

常见问题

技术细节

SQLCipher 4 参数

支持平台

相关链接

参考资料

更新日志

v1.1 — 2026-04

License

免责声明

微信收藏知识库一键整理微信收藏