---

📣读完这篇文章里你能收获到

1. 📁 看懂 WeChatDaily 如何把微信群聊变成可视化日报
2. 🐍 按 README 主路径跑通：装依赖 → 配 .env → 对话让 Agent 出日报
3. 🌐 理解本地数据处理、Agent 分析和 HTML/PNG 渲染的分工
4. 🖥️ 避开 raw_key、子模块、PNG 渲染这些常见坑

---

---

前言

微信群一热闹，信息就很容易变成“刷过去就没了”。课程群、技术交流群、社群运营群尤其明显：白天大家讨论了一堆工具、方案、问题和结论，晚上想复盘时，只能在聊天记录里一点点翻。

我自己开源了 WeChatDaily（GitHub：Bryan-Cyf/WeChatDaily）。做这个项目，是因为我自己也有好几个技术群、课程群要复盘——消息一多，手翻聊天记录真的顶不住。

它的目标很直接：在 Windows 本机处理微信 4.1 的群聊数据，再通过内置 Agent Skill 完成话题分析，最后生成 Markdown、HTML，甚至 PNG 长图日报。

我设计的推荐路径不是“让用户自己一条条敲 CLI 导出聊天记录”，而是：装好依赖 → 配好 .env → 在 AI Coding 工具里跟 Agent 说一句话。setup、decrypt、export 这些命令 Agent 会按需自动执行；只有你想手动验流程时，才需要看 README 的「日常使用」命令参考。

我更想把它做成一个“AI Coding 工作流样板”：传统脚本负责脏活累活，Agent 负责理解、归纳和生成结构化内容。这样分工之后，项目本身不用内置大模型接口，也不需要在仓库里塞 API Key——这是我刻意选的设计。

完整日报需走完 Skill 工作流（导出 → Agent 分析 → 渲染 HTML / PNG）。下面是匿名化示例，和 README「效果预览」一致，方便先看排版与信息结构：

示例素材来自匿名化后的本地日报，仅用于展示排版与信息结构。

---

一、WeChatDaily 到底解决什么问题

WeChatDaily 不是一个“聊天记录查看器”，它更像一条面向微信群复盘的自动化流水线。它关心的不是把所有消息原样搬出来，而是把一天的群聊变成一份可以阅读、保存和传播的日报。

1.1 它的核心链路

README 里已经把链路讲得很清楚：

wx_key -> wechat.py setup -> decrypt -> export Markdown
       -> AI Coding Agent 分析 -> analysis JSON
       -> render_manual_report.py -> HTML / PNG 日报

这里面有三个关键角色。

第一个是本地工具链。wx_key 负责提取微信本地 raw_key，WeChatDecrypt 负责数据库解密，wechat.py 把配置、解密、群列表和导出串起来。

第二个是 Agent Skill。项目内置了 wechat-group-daily-report Skill，Agent 读到导出的 Markdown 聊天记录后，会按固定 Prompt 生成结构化 JSON，包括今日概览、主要话题、参与者和证据引用。

第三个是可视化渲染。scripts/render_manual_report.py 读取聊天记录和分析 JSON，再调用 src/visual_report.py 渲染成 HTML。安装 Playwright Chromium 后，还能继续导出 PNG。

这个分工最大的好处是：确定性的本地处理交给脚本，不确定的语义总结交给 Agent。脚本不需要假装自己懂聊天内容，Agent 也不需要直接碰复杂的微信数据库。

1.2 它适合哪些场景

我自己用下来，觉得最适合的不是普通个人聊天，而是有“复盘价值”的群：

• 技术交流群：沉淀问题、方案、工具和踩坑经验
• 课程群：整理当天讨论重点和学员高频问题
• 社群运营群：复盘话题热度、活跃成员和互动节奏
• 项目协作群：把碎片讨论整理成当天纪要

如果只是三五好友闲聊，日报价值不大。但如果群里每天都有知识点、问题排查、工具讨论，这种日报就很容易变成一个“自动知识沉淀器”。

---

二、从零跑通需要准备什么

WeChatDaily 当前的环境边界比较明确：

项	要求
操作系统	Windows
Python	3.14+
微信	4.1+ 桌面版
AI 分析	支持 Agent Skill 的 AI Coding 工具（CLI / IDE 均可）
可选	Playwright Chromium（PNG 长图渲染）

这类工具最怕环境没说清楚，照着教程跑半天才发现版本不对，所以先把边界摆在前面。

2.1 克隆项目和安装依赖

基础步骤如下：

git clone https://github.com/Bryan-Cyf/WeChatDaily.git
cd WeChatDaily
git submodule update --init --recursive
pip install -r requirements.txt

注意 git submodule update --init --recursive 不能省。项目依赖 tools/wechat-decrypt/ 子模块，如果漏掉这一步，后面很容易遇到类似 No module named 'key_scan_common' 的报错。

接着复制环境模板：

copy .env.example .env

.env 里最关键的是 WX_RAW_KEY。如果你有多个微信数据目录，还可以配置 WECHAT_DB_DIR；如果有常用群，也可以配置 WECHAT_DEFAULT_GROUPS。

2.2 下载 wx_key 并配置密钥

wx_key 是独立第三方工具，WeChatDaily 不会把它打进仓库，需要使用者自行下载。README 里写得很明确，请从上游原地址获取：

推荐（手动下载）： wx_key v2.1.8 Release → 下载 wx_key-windows-v2.1.8.zip → 解压到 tools/wx_key/。

可选（自动下载）： 项目也封装了同一上游地址的拉取命令：

python wechat.py download-wx-key

密钥提取步骤：

1. 微信保持登录
2. 运行 tools\wx_key\wx_key.exe
3. 复制 64 位 hex raw_key 到 .env 的 WX_RAW_KEY

到这里为止，你不需要手动跑 setup / decrypt / export。文档里写得很清楚：配置好 .env 后即可让 Agent 生成日报；首次使用或微信重启后，按 Agent 提示选择「刷新解密」即可，它会完成初始化、解密、导出与渲染流程。

如果只想手动验证解密流程，再参考本文「2.4 手动命令（排错/验证用）」或 README 的「日常使用」章节。

2.3 交给 Agent 生成完整日报

这是我设计时定的主路径。

Skill 在哪

.claude/skills/wechat-group-daily-report/
├── SKILL.md
└── references/
    ├── analysis-prompt.md
    └── env-setup.md

不同 AI Coding 工具对 Skill 目录的约定可能不同，按你所用工具的文档把上述目录放好即可。

怎么说一句话跑通

在支持 Agent Skill 的工具里加载本项目 Skill，然后直接说：

帮我生成「示例群①」今天的微信群日报

Agent 会按 Skill 工作流自动完成：

确认群名 → 确认日期 → 是否刷新解密
    →（按需）setup / decrypt
    → export 导出 Markdown
    → Agent 分析 → 写入 analysis_*.json
    → render_manual_report.py 渲染 HTML / PNG

你作为用户，主要做三件事：选对群、选对日期、在需要时确认刷新解密。中间那些命令，是 Agent 替你敲的，不是 README 要求你手敲的。

产出在哪

跑通后，本地大致会有这些文件：

类型	路径
完整聊天记录	export/reports/report_{date}.md
结构化分析	export/reports/analysis_{date}_{群}.json
可视化日报	export/reports/report_{date}_{群}.html
图片版（可选）	export/reports/report_{date}_{群}.png

2.4 手动命令（排错 / 验证用）

下面这组命令不是日常必做步骤，而是我放在 README「日常使用」里、给开发者手动验流程或排错用的。如果你已经走 Agent 主路径，可以先跳过本节。

列出已解密的群：

python wechat.py groups

手动导出指定日期（Skill 内部也会调类似命令）：

python wechat.py export --date 2026-06-12 --groups 示例群① --limit 99999

重新解密（微信重启后 key 变化时常见）：

python wechat.py decrypt

若你要完全手动走一遍初始化，才需要自行执行：

python wechat.py setup --raw-key $env:WX_RAW_KEY
python wechat.py decrypt

微信重启后 key 可能变化。如果 Agent 导出的消息偏少、日期不对，或解密失败，先别急着怀疑 Agent 本身——通常是 raw_key 过期了，重新跑 wx_key 更新 .env，再在对话里选「刷新解密」即可。

---

三、我做这个项目最想分享的设计：Agent 分工

很多人做“AI 工具”时，会习惯把大模型 API 直接塞进项目里：配置 Key、调用接口、返回总结。WeChatDaily 没有走这条路，而是把 AI 分析交给使用者当前的 AI Coding Agent。

这是我最想讲清楚、也是我最坚持的一个设计选择。

3.1 项目不内置 API Key

文档里写得很明确：聊天记录解密在本机完成，项目不内置 API Key 配置，AI 分析由你使用的 AI Coding Agent 驱动。

这样设计有几个好处：

1. 工具边界清楚：本地工具只负责数据准备和渲染
2. Agent 可替换：CLI、IDE、插件形态都可以接
3. Prompt 可控：分析结构写在 Skill 里，用户能调整
4. 安全意识更强：不用把聊天记录上传给项目内置服务

当然，这不等于没有隐私风险。聊天记录依然是敏感数据，你要清楚自己使用的 Agent 会如何处理上下文。如果是公司群、客户群、隐私群，建议只在可信环境里做本地实验，别随便把原始记录塞进不确定的云端工具。

3.2 Skill 把「会敲命令」变成「会说人话」

上一节 2.3 已经写了 Agent 主路径。这里补一句设计层面的理解：WeChatDaily 把一整套 CLI 步骤封装进 wechat-group-daily-report Skill，用户不需要记住 setup、decrypt、export、render_manual_report.py 的先后顺序。

你只要用自然语言描述目标（哪个群、哪一天、要不要刷新解密），Agent 就会按 Skill 里的 Step 1～7 往下走。这比“自己看 README 一条条复制命令”友好很多，也是 WeChatDaily 和普通导出脚本最大的差别。

更关键的是，分析 Prompt 和渲染脚本分开：Prompt 决定“日报里讲什么”，HTML 模板决定“日报长什么样”。未来要改风格、改栏目、改统计口径，都有比较清楚的改动点。

3.3 几个容易踩的坑

第一，环境版本不要想当然。项目标的是 Windows、Python 3.14+、微信 4.1+，如果你本地 Python 版本偏低，先升级再排错。

第二，子模块要初始化。缺 tools/wechat-decrypt/ 时，很多后续问题都会连环出现。

第三，.env 和导出目录不要提交。README 里也提醒了，.env、export/、tools/wechat-decrypt/config.json、tools/wx_key/ 都不应该进 Git。

第四，PNG 渲染依赖 Playwright Chromium。如果 HTML 能生成但 PNG 失败，多半是还没执行：

python -m playwright install chromium

第五，别把「手动 export」当成主流程。README 的快速开始只要求你配好 .env 后交给 Agent；python wechat.py export 是 Skill 内部或排错时才用的命令，不是每篇日报都要你亲自敲。

第六，群聊日报不是越“全自动”越好。涉及聊天记录时，最好保留人工确认：确认群名、确认日期、确认是否刷新解密、确认最终日报是否适合分享。

---

总结

WeChatDaily 的价值不只在“能导出微信群聊”，而在于它把微信群复盘拆成了一条清晰的 AI Coding 工作流：本地脚本处理数据，Agent 做结构化分析，HTML/PNG 负责可视化交付。

如果你是社群运营者，它适合把每天群里的高价值讨论沉淀下来；如果你是开发者，可以把它当成 Agent Skill 工作流的一个参考实现；如果你也在做自己的 AI 工具，这套分层方式可以直接借鉴。

我的建议是：先拿一个测试群跑通完整流程，再决定要不要接入到日常复盘。别一上来就处理敏感群，先把环境、边界和输出效果摸清楚。

项目已开源，欢迎 Star、Issue 和 PR。到这一步，你应该已经知道 WeChatDaily 怎么跑起来，以及哪里最容易卡住了。

---