看见对话中的知识需求
哪些问题，
值得被认真整理？
发现重复提问、风险线索与可复用经验。
每一个判断，都能回到原始对话。
数据覆盖范围
仅展示已导入的记录。最早与最晚日期之间可能存在缺失。
| 会话 | 类型 | 消息数 | 非文字 | 最早记录 | 最近记录 |
|---|
分析历史
保留筛选范围、分析方式与人工修正。
把记录带进来
支持可读 JSON、JSONL、CSV、TSV、TXT，以及明文 SQLite。重复导入自动去重。
scripts/mac_probe.py，生成数据位置与加密状态报告，不读取消息正文。直接解密及该版本兼容性尚未在 Mac 上验证。没有类型字段或 @chatroom 标识时会归为私聊。单群导出建议手动选“群聊”；混合导出请提供 kind 字段。
只导入所选表；多张分表需分别导入。请使用完整离线快照，直接复制运行中的 .db 可能缺少 WAL 数据。可用 scripts/export_sqlite.py 只读导出完整表。联系人关联、压缩或编码内容需先转换成可读字段。
字段映射（非标准格式时配置）
填入导出文件里的实际列名。留空则自动匹配常见列名。原生数据库字段仅做映射，不会自动解码。
无时区的日期按“模型与脱敏”中设置的源时区解释；带时区日期和 Unix 时间戳统一转换为 UTC 存储。
标准格式示例
JSON 是消息数组；CSV 使用相同字段作为表头。完整虚构样例位于 examples/demo.json。
[{"id":"001", "conversation":"测试项目群", "conversation_id":"test@chatroom",
"kind":"group", "sender":"张三", "sender_id":"user_a",
"timestamp":"2026-10-01 09:00:00", "content":"测试比例怎么确定？",
"message_type":"text", "quote":""}]TXT 格式：[2026-10-01 09:00:00] 张三: 消息内容，续行会接入上一条消息。其他文本布局请转换为 CSV / JSON。
从问题到知识需求清单
选择一个时间段，覆盖全部会话，也可以聚焦指定群聊或私聊。
多选用 ⌘ / Ctrl；关键词筛选会剔除不匹配的上下文，完整讨论分析建议留空。规则按最多 30 分钟间隔、30 条消息收集讨论候选，延迟回复与交错话题需要人工检查。
本地模式无需 API，采用规则与文本相似度。模型模式按批提炼；跨批相似主题可在结果中人工合并。
发送前预览
值得沉淀的知识线索
数据在本地，发送由你决定
支持兼容 Chat Completions 协议的服务，也可连接本机模型。
模型接口
远程接口要求 HTTPS；本机 localhost 可用 HTTP。不自动重试、跟随重定向或使用系统代理。保存配置不会调用接口。
源记录 / 显示时区
中文微信记录默认 +08:00。时间筛选和页面显示使用此偏移；无时区的导入时间也按此解释。跨夏令时记录请在导出文件中使用带偏移的 ISO 日期。
自定义敏感词
自动替换已导入会话中的发送人名称/ID、会话名称/ID，以及常见邮箱、数字电话、身份证、网址、IP 和凭据。代号在本地保持稳定；自然语言中的其他人名与秘密需要添加到这里。