微信聊天分析及预测工具

背景与问题

微信聊天记录是个人数字足迹的重要组成部分。许多用户希望分析自己的聊天模式、情感变化或人际关系动态，但又极度担忧隐私泄露。将包含私密对话的原始记录上传至第三方云端进行分析，带来了不可接受的安全风险。本工具旨在解决这一核心矛盾：在完全断网的本地环境中，对原始聊天文件进行深度、多维度的分析与预测。

核心能力与工作流

工具采用模块化架构，核心流程围绕本地文件展开。

1. 数据导入与预处理

通过 --input 参数导入 txt、json、docx 或 pdf 格式的聊天记录。工具会自动检测编码（如 utf-8, gb18030），并解析为结构化数据。所有处理均在本地完成，原始文件不会被修改或上传。

2. 多维度分析 (入口: analyze-v2)

分析引擎包含九个独立模块，输出结构化的 JSON 数据：

• 人格与情感洞察：利用关键词规则与 jieba 分词，进行 MBTI 与 大五人格 的启发式推断。情感分析结合了词典、Emoji 映射与反讽检测，并新增 rolling_trend 滚动趋势和 turning_points 情感转折点检测。
• 关系与风险评估：新增的 关系健康度分析器 从互动平衡、回应度、情感同步等五维度计算 0-100 分。风险检测模块识别四类风险行为，并排除反讽干扰。
• 深度推演：提供趋势、行为、情感轨迹等五大维度的未来推演，并附解读。所有分析结果均基于本地算法生成。

3. 对话预测 (入口: predict-v2)

融合规则（Rule）、检索增强生成（RAG）和 MiroFish 三层模型进行下一轮对话预测。模型会感知时间背景（如周末、最后消息间隔）以调整预测时机。

4. 辅助功能

• 日历事件提取：从聊天中识别并结构化约会、提醒、生日等日程。
• 语音交互：通过 python scripts/main.py voice 启动，支持口语指令，并设计了多级降级方案以适应不同硬件环境。
• 报告生成：使用 --html 生成单个离线 HTML 文件，内联所有图表（如 SVG），便于存档与分享。

适用边界与注意点

• 免责声明：所有分析（包括人格、情感、风险、健康度）均为 启发式估计，结果仅供参考，绝不能用于专业心理评估、临床诊断或重大决策。
• 隐私边界：工具本身零网络请求（首次运行加载 RAG 嵌入模型除外），但用户需自行确保源聊天文件的获取方式符合法律法规。
• 能力限制：分析深度受限于聊天文本本身。语音消息、图片、链接等非文本内容不在当前分析范围内。
• 性能考量：首次使用 RAG 功能需下载约 50-100MB 的本地模型。复杂分析在大文件上可能耗时较长。可使用 python scripts/main.py doctor 检查运行环境。