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 | ✅ |
相关链接
参考资料
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
免责声明
本工具仅供个人备份和学习使用。请勿用于任何商业用途或违法行为。解析的数据仅限个人所有，不得传播或用于侵犯他人隐私。
