wechat-archive-to-ima

把用户微信 PC 端已经落地到本地的聊天附件（图片、视频、文档）做系统化归档， 按联系人归类，并同步上传到腾讯 ima 知识库（OpenAPI）或本地 Obsidian 库。 适用场景：(1) 用户说"帮我整理微信里跟某人的所有资料/文件/图片"； (2) 用户说"把微信聊天里的合同、发票、会议纪要归档到知识库"； (3) 用户说"微信收到的文件太多找不到，帮我分类"； (4) 用户给了 ima 的 ClientID / APIKey，要求把本地资料批量入库； (5) 用户要对已归档的微信资料做摘要、合同条款提取、待办清单、客户画像分析； (6) 用户说"帮我把微信里所有人的附件都整理到电脑"； (7) 用户说"微信存下来的图片是 .dat 打不开，帮我解出来"（已支持：自动推导 code 并解密）。 不适用：解密微信加密数据库（message_*.db / contact.db）、读取用户未在 PC 端打开过的消息、 远程操作手机微信、抓内存密钥、导出聊天正文 —— 这些一律不做， 遇到这类要求直接说明边界并给替代方案。

微信本地附件归档到 ima / Obsidian

核心原则（必须先读）

1. 只整理已经落地到本地磁盘的附件文件。微信 PC 端把图片/文件下载到本地后是明文文件， 可以直接读、复制、改名、分类。没有下载到本地的附件，本 skill 不做。
2. 不碰加密数据库。db_storage\message_*.db、contact.db 是 SQLCipher 4 加密的， 不破解、不 dump 内存密钥、不调用第三方解密工具。
3. .dat 图片缓存已支持解密。微信 4.x 把图片存成 V2 头的 .dat（单账号常见 3800+ 个）， scripts/wechat_dat_decrypt.py 自动探测 .dat → 尾字节反推 xor → 枚举 wxid 候选 → 推导 code（下界 0）→ 批量解密 → PIL 校验，实测 3898/3898 成功、0 失败， PIL 3104/3104 全部可打开（jpg 2689 / wxgf 794 / png 415）。 organize_attachments.py 默认仍只列清单，加 --decrypt 才解密归档。
4. 手机端备份必须用户本人操作。智能体碰不到用户手机。
5. wxid/hash → 备注名映射需要用户配合一次。本地按 hash 分目录，但映射在加密的 contact.db 里。
6. ima API Key 等同账号权限。任务结束提醒用户轮换 Key。

---

实测过的真实目录结构（微信 4.1.x Windows）

数据根目录（注意：不在 Documents 下）：

text

<用户主目录>\xwechat_files\<微信号>_<hash>\

账号下一级目录：

text

├── apm_record\      （APM 监控，忽略）
├── business\        （业务数据）
├── cache\           （缓存）
├── config\          （配置）
├── db_storage\      （加密数据库 ★ 不碰）
├── msg\              （★ 附件都在这）
│   ├── attach\<hash>\   ← 230 个联系人/群，每个目录是一个人的图片和文件
│   ├── file\YYYY-MM\    ← 文档按月分（通常为空，文档实际在 attach 下）
│   ├── video\YYYY-MM\   ← 视频按月分（同上）
│   └── migrate\       ← 3.x 迁移过来的孤儿文件
├── resource\
└── temp\

实测样例（2026-10-06 在本机跑出来的）：

• 账号目录 <账号目录>：账号总 2.1 GB，msg\attach\ 3909 个文件
• attach\ 下有 230 个 hash 子目录（即 230 个联系人/群）
• 明文文件散在 4 个源，不止 attach（关键，别只跑 attach）：

源目录	文件数	主要内容
msg\attach\	3909	.dat 3848（图片缓存，可用 --decrypt 解出）、pdf 14、pptx 7
msg\video\	299	jpg 208、mp4 91
msg\file\	72	pdf 35、docx 13、pptx 11、xlsx 6
cache\	193	jpg 33、.dat 50

实跑归档结果：只跑 attach\ 得到 61 个明文；跑全 4 源得到 509 个（attach 61 + video 261 + file 49 + cache 138），8.3 倍。另有 66 个重复文件进 99-duplicates/。

• 时间分布：主要集中在 2026-04 ~ 2026-09

---

完整工作链路

text

阶段 0：环境探测（智能体做，5 分钟）
   ↓
阶段 1：用户手动把附件下载到本地（用户做，可能几小时）
   ↓
阶段 2：列联系人 hash 清单，用户指认备注名（智能体+用户，10 分钟）
   ↓
阶段 3：本地整理（智能体做，10~60 分钟）
   ↓
阶段 4：双轨入库（智能体做）
   ├─ 4A：Obsidian 本地库
   └─ 4B：ima 知识库（OpenAPI）
   ↓
阶段 5：分析与总结（按需）

---

阶段 0：环境探测

执行 scripts/detect_wechat_paths.py，会自动找出：

• 微信安装路径（注册表）
• 数据根目录（候选：~/xwechat_files/、~/Documents/xwechat_files/、~/Documents/WeChat Files/）
• 当前活跃账号（按最近修改时间排序）
• msg 下的联系人 hash 目录数、文件总数、总大小
• 按月份的附件分布

不要凭猜写路径。每个用户电脑路径不同，必须先跑脚本拿真值。

---

阶段 1：让附件真正落地到本地

问题：很多用户的 msg\attach\ 下文件不多，是因为微信默认只在用户点开图片/文件时才下载。

两条路（选一条）：

路径 A：开"自动下载"设置 + GUI 批量滚动

1. 让用户在电脑微信 → 设置 → 文件管理 → 打开自动下载（图片/视频/文件全开）
2. 智能体用桌面自动化（computer_use）逐个打开聊天窗口，滚动到顶/到底
3. 后台等几分钟，让附件下载完

适合：全量整理所有人的附件。但 230 个联系人逐个滚动要几小时。

路径 B：手机备份 + PC 端窗口触发

1. 用户在手机发起"备份到电脑"
2. 备份完后，电脑微信打开几个重要联系人窗口滚一遍
3. 附件落地后开始整理

适合：先挑几个重要联系人试水。

注意：用户如果想全量整理，推荐路径 A，但要做好"几小时跑批"的心理准备。

---

阶段 2：hash → 备注名映射（关键步骤）

attach\<hash>\ 下每个 hash 目录就是一个联系人/群，但 hash 没有备注名。

三种解决方案：

1. 活跃度排行法（推荐）：跑 scripts/detect_wechat_paths.py --rank-contacts， 列出所有 hash 目录按文件数、最近修改时间排序，用户从 TOP 20/50 里指认常用的人。
2. 时间特征法：用户说"我上周跟张三聊了很多"，脚本找最近一周有大量文件的 hash 目录， 让用户确认。
3. 最笨但最稳：用户列出想整理的几个联系人备注名，脚本把候选 hash 列出来， 用户逐个指认。

绝对不要尝试读 contact.db 去解密。

---

阶段 3：本地整理

必须扫全账号 4 个源（只跑 attach\ 会漏掉 8.3 倍明文文件）：

bash

ACCOUNT="$HOME/xwechat_files/<账号目录>"
for SRC in "msg/attach" "msg/video" "msg/file" "cache"; do
  python scripts/organize_attachments.py \
    --src "$ACCOUNT/$SRC" \
    --dst "<输出目录>/$SRC" \
    --contact "$SRC"
done

参数说明（注意：参数名是 --contact，不是 --contact-hash）：

• --src 传的是该源目录，脚本会用 rglob 递归遍历其下所有层级（含 attach\<hash>\2026-09\Img\）
• --contact 只写进日志/README，传源目录名即可；按联系人分组时传该 hash
• 默认移动文件，预览/试跑请加 --copy
• 要把 .dat 也解出来，追加 --decrypt（见下面"解密 .dat"）

解密 .dat（--decrypt 开关）

bash

# 第一步：单独跑解密，拿到 code（写到 <输出目录>/secret_hit.json，只留在本机）
python scripts/wechat_dat_decrypt.py \
  --account "$ACCOUNT" \
  --out "<输出目录>/dat-decrypted"

# 第二步：归档时直接复用，二次使用秒出
python scripts/organize_attachments.py \
  --src "$ACCOUNT/msg/attach" \
  --dst "<输出目录>/msg/attach" \
  --contact "attach" --decrypt \
  --key-file "<输出目录>/dat-decrypted/secret_hit.json"

• wechat_dat_decrypt.py 参数：--account <账号目录>、--out <输出目录>、 [--wxid 候选]、[--code 已知code]、[--timeout 秒]；已知 code 时跳过暴力推导
• organize_attachments.py --decrypt 可用 --code / --key-file / --wxid 直接给密钥， 一个都不给就自动推导（默认超时 300s，--decrypt-timeout 可调）
• 源目录只读，解密产物只写 --out / --dst

它会：

• 不加 --decrypt（原行为）：跳过 .dat，记录到 00-index/dat_files.csv
• 加 --decrypt：解出 .dat 后按 YYYY-MM/类型/ 正常归档（jpg/png 进 02-images/， wxgf 动图进 05-misc/），解密失败的才留在 dat_files.csv 并标注原因
• 把明文文件（pdf/docx/xlsx/pptx/jpg/mp4）按 YYYY-MM/类型/ 分子目录
• 重命名为 YYYYMMDD-<原文件名>
• SHA256 去重，重复文件移入 99-duplicates/
• 生成 index.csv 和 README.md

输出目录结构：

text

<输出目录>/
├── 00-index/
│   ├── README.md
│   ├── index.csv
│   ├── dat_files.csv          ← 未解密/解密失败的 .dat 清单（加 --decrypt 后通常为空）
│   └── secret_hit.json        ← --decrypt 命中的 code（本机复用，不要外发）
├── 01-documents/    (.docx .pdf .xlsx .pptx)
├── 02-images/       (.jpg .png)
├── 03-videos/       (.mp4 .mov)
├── 05-misc/
└── 99-duplicates/

---

阶段 4A：入 Obsidian（可选）

如果用户指定了 Obsidian 库路径：

• 把输出目录整个复制到 <Obsidian库>/豆包工作成果/03-知识沉淀/微信归档/<备注名>/
• 生成 index.md，frontmatter 写好来源、联系人、时间范围、文件数、标签
• 附件用相对路径 ![[文件名]] 引用

---

阶段 4B：入腾讯 ima 知识库

用户必须提供 4 个参数（缺一不可）：

• client_id：从 https://ima.qq.com/agent-interface 生成
• api_key：同上
• knowledge_base_id：ima 网页进入目标库，URL 中复制
• folder_id：目标文件夹 ID（可选）

跑 scripts/ima_upload.py：

• 单文件 ≤ 50 MB
• PDF ≤ 1000 页
• QPS 限流：每秒 1 个，失败重试 3 次
• 失败清单写入 upload_failed.csv

详细 API 参数见 references/ima_api.md。

---

阶段 5：分析与总结（按需）

分析类型	输入	输出
合同关键条款提取	01-documents/*.docx/pdf	甲乙方、金额、期限、违约条款表
发票/收据清单	01-documents 里的发票类	开票方、金额、日期、税额表
会议纪要要点	文档	决议、待办、责任人
客户画像	整个归档目录	职业、关注点
往来款流水	发票 + 转账截图	按时间排的流水表

注意：聊天文字本 skill 不导出。要文字记录，用户自己用 WeChatMsg 跑一遍（开源免费）， 导出 HTML/Word 后给智能体整理。

---

边界与免责（第一次回复用户时必须说清楚）

事项	可行度	说明
自动定位本地附件目录	100%	脚本直接遍历
整理明文附件（pdf/docx/jpg/mp4）	100%	明文文件
入 Obsidian	100%	本地写文件
入 ima	90%	需 API Key
hash → 备注名映射	60%	通常要用户指认一次
解密 .dat 图片	100%	已支持：自动推导 code 并解密，实测 3898/3898、PIL 100%
提取聊天文字	30%	依赖用户手动导出或 WeChatMsg
读加密 message.db	0%	做不到，不承诺：聊天正文当前解不开
远程操作手机	0%	做不到
找回云端过期附件	0%	救不回

---

参考文件索引

• 路径对照、版本差异、实测结构：references/wechat_paths.md
• ima OpenAPI 完整参数、错误码、调用示例：references/ima_api.md
• 可行性反推论证全过程：references/feasibility.md
• .dat V2 格式、code 推导原理、两个关键坑与真实边界：references/dat_decryption.md

只有需要时才读对应 reference，不要一次全加载到上下文。