WeLink

AI 驱动的微信聊天数据分析平台

官方文档  ·  在线 Demo

你的微信聊天记录里，藏着你和每个人关系最真实的样子。WeLink 把这些数据交给 AI 来读——不只是统计图表，而是能让你直接提问、得到洞察：

「我和 XXX 的关系在哪个阶段最好？后来发生了什么？」

「这个群里真正活跃的人是谁？他们通常聊什么？」

「我今年和哪些朋友聊得越来越少了？」

所有数据留在本地，不上传任何服务器。

AI 分析

WeLink 内置完整的 AI 分析引擎，可对任意联系人、群聊或某一天的聊天记录发起对话式分析。

三种检索模式

记忆提炼

LLM 批量阅读聊天记录，自动提炼关键事实（人名、事件、情感节点）并持久化存储。后续对话中，AI 可以调用这些「长期记忆」，而不依赖每次重新加载全量消息。

支持的 LLM 提供商

在设置页面填写提供商、Base URL、API Key 和模型名称即可。支持为 AI 对话和记忆提炼分别指定不同的模型。

本地 Ollama 配置参考 ollama-setup.md，完整 AI 功能说明见 ai-analysis.md。

MCP — 在 Claude Code 里直接提问

WeLink 内置 MCP（Model Context Protocol） 服务器，让你在 Claude Code（CLI） 里用自然语言查询微信数据，无需打开浏览器。

完整配置见 mcp-server/README.md。

数据分析功能

好友分析

• 消息总量排行、关系热度变化（历史峰值 vs. 近一个月）
• 聊天趋势折线图、24 小时活跃分布、聊天日历热力图
• 词云分析、情感趋势曲线（按月，可切换仅对方/双方）
• 撤回次数、红包次数、主动发起对话比例等社交特征
• 共同群聊数

时光机

• 以 3 个月为单位的可滑动日历热力图，覆盖全部历史
• 点击任意日期查看当天私聊 + 群聊记录，或直接发起 AI 分析

群聊分析

• 成员发言排行、活跃时间分布、高频词

全局统计

• 关系热度分布五档：活跃 / 温热 / 渐冷 / 沉寂 / 零消息
• 月度趋势、深夜聊天排行榜

其他

• 跨联系人全局关键词搜索
• 认识时间线（按第一条消息时间排列）
• 时间范围筛选（预设 + 自定义）
• 隐私屏蔽（联系人 / 群聊，仅本地生效）

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。

快速开始

第一步：解密微信数据库

把手机聊天记录同步到电脑后（微信 → 设置 → 通用 → 聊天记录迁移），使用 wechat-decrypt 解密：

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

解密后生成 decrypted/ 目录（含 contact/contact.db 和 message/message_N.db）。

第二步：启动 WeLink

Docker 模式（将 decrypted/ 放在仓库根目录内）：

cd welink
docker compose up

访问 localhost:3000 开始使用。

macOS / Windows App（无需 Docker）：前往 GitHub Releases 下载，启动后在设置页选择 decrypted/ 目录即可。

没有数据？先试试 Demo

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

或直接访问 https://demo.welink.click。

Demo 数据以阿森纳 2025/26 赛季一线队球员与教练组为联系人，消息内容充满更衣室气息。COYG！ 🔴⚪

macOS App 安装说明

系统要求：macOS 12（Monterey）及以上

1. 前往 GitHub Releases 下载最新 WeLink.dmg
2. 拖入 /Applications，双击运行

提示「无法打开」？ 右键 → 「打开」→ 再次点击「打开」。若仍无效：xattr -cr /Applications/WeLink.app

从源码构建：make dmg（需 Go 1.22+ 和 Node.js 18+）

Windows App 安装说明

系统要求：Windows 10 1903 及以上

1. 下载 WeLink-windows-amd64.zip，解压后双击 WeLink.exe
2. 如提示缺少 WebView2，从 Microsoft 官网 安装 Evergreen Bootstrapper

从源码构建：make exe

推荐运行配置

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」。

技术栈

API 文档：启动后访问 localhost:3000/swagger/。更多技术细节见 docs/。

数据安全

所有数据仅在本地处理，不会上传至任何服务器。请仅分析自己的聊天记录。

感谢

本项目依赖 ylytdeng/wechat-decrypt 实现微信数据库解密。微信数据库使用 SQLCipher 加密，该项目从进程内存中提取密钥，是 WeLink 的基础。

开源协议

本项目采用 GNU Affero General Public License v3.0 (AGPL-3.0) 协议。

Star History