WeChat Contact List Video Extraction & CRM Analyzer

Zero-risk, permission-free WeChat personal contacts extraction and structured CRM pipeline. Uses macOS native screen recording (Cmd+Shift+5), high-FPS FFmpeg frame extraction, Apple Silicon concurrent Vision OCR, and multi-dimensional rule-based NLP extraction (Name, Title, Org, Venue, City, Time) to generate Excel/CSV, JSON, and interactive HTML dashboards.

微信通讯录视频录屏提取与智能 CRM 看板构建技能

本技能提供了一套完全无需系统辅助功能权限、零封号风险、本地纯离线的个人微信海量通讯录提取与资产化方案。

通过 macOS 自带录屏快捷键（Cmd + Shift + 5）录制联系人列表平稳滑动视频，结合高帧率抽帧、Apple Vision 硬件加速 OCR 与多维实体解析，可在 30 秒内完整提取 5000+ 联系人并生成交互式 CRM 看板。

---

1. 核心架构与工作流

Rendering diagram...

---

2. 命名提取模型与打标习惯建议 (Naming Schema & Best Practices)

本技能的结构化深度依赖于用户日常对微信好友的打标与备注习惯。推荐的最佳实践范式为：

$$\text{好友备注} = [\text{微信名/称谓}] + [\text{职位/头衔/机构/学校}] + [\text{场景/场地/活动/商圈}] + [\text{时间/年份}]$$

提取维度：

• 微信名 / 核心称呼：如 张三, 李四, Alex。
• 职位 / 头衔 / 机构：如 合伙人, 架构师, 某某大学, 某某科技 等。
• 场景 / 场地 / 圈子：如 某某峰会, 某某沙龙, 某某商圈, 某某酒店。
• 城市 / 地区：支持一线城市、主要省会与全球核心枢纽。
• 时间 / 年份：支持 4 位年份（如 2023, 2024）。
• 行业归类：自动映射至 金融/投资, 科技/互联网/AI, 法律/法务/咨询, 高校/科研/教育, 医疗/健康, 文化/传媒/消费 等。

💡 给用户的打标建议： 微信本身缺乏多维标签系统，日常在备注中顺手记录「认识地点与年份」，不仅便于日常搜索唤醒人脉，也能在批量建档时最大化发挥数据资产价值。

---

3. 实测数据与录屏滑动速度指南

在 5000+ 联系人库上的真实基准测试数据：

录屏时长	提取帧数 (@40-50 FPS)	捕获联系人数	覆盖率	相邻帧平均重叠人数	适用场景
5 秒快速录制	248 帧	1,607 人	~30%	3.2 人	快速抽样/测试连通性
20 秒平稳录制	798 帧	4,389 人	81.7%	4.1 人	日常快速全量备份
30~40 秒匀速录制 (推荐)	~1400 帧	5,000+ 人	>95%	8~12 人	全量无损建档 (推荐)

💡 最佳录制建议： 用双指在 Mac 触控板上从 A 到 Z 匀速轻推下滑，耗时约 30 秒 即可达到极高重叠率（>60%），做到 0 跳帧、无死角覆盖。

---

4. 命令行执行指引

步骤 1：录制视频

按下 Command + Shift + 5，框选桌面微信联系人列表区域，点击录制，匀速下滑至底部后停止，保存为 wechat_contacts.mov。

步骤 2：从视频提取联系人

bash

python scripts/process_video.py wechat_contacts.mov --output data/contacts_raw.txt --fps 40.0

步骤 3：一键结构化并生成看板

bash

python scripts/structure_contacts.py data/contacts_raw.txt --csv data/contacts.csv --html data/contacts_crm.html

(可选) 如需使用自定义场景词表或企业词表：

bash

python scripts/structure_contacts.py data/contacts_raw.txt --config config.example.json --html data/contacts_crm.html

---

5. 依赖环境

• macOS：macOS 12.0+ (原生内置 Vision.framework，无需额外安装 OCR 库)
• Swift 编译器：macOS 自带 swiftc（Xcode Command Line Tools）
• FFmpeg：brew install ffmpeg
• Python：Python 3.9+