我把微信 cli 開源了，群消息終于不用爬樓了！

這是蒼何的第 520 篇原創！

大家好，我是蒼何。

我的微信現在有超級超級多的群，技術群、開源群、產品群、讀者群，每天幾萬條消息。

說實話，根本看不過來。

一忙起來，打開微信一看，99+ 的紅點密密麻麻，心態直接炸了。

更煩的是，群里偶爾有幾條很有價值的討論，被灌水淹得死死的，等我想翻的時候，爬樓爬到手酸都找不到。

退群吧，怕錯過重要信息。不退吧，每天光刷群就得花一兩個小時。

我就想，這破事兒能不能讓 AI 來干？

我只看精華，剩下的交給它。

于是放假爆肝了幾天，基于本地微信聊天記錄，開發了 2 個產品。

分別是 「wechat-cli」 和 「WeSight」，其中 wechat-cli 作為技術底座，已完全開源。

WeSight 是基于 wechat-cli 開發的桌面端 Agent，內置 CLI 能力及 OpenClaw 引擎，能基于你本地微信數據進行群聊分析與監控預警、收藏管理、聊天記錄導出及分析等功能。

先說 wechat-cli。

簡單來說，它就是一個微信的命令行工具，讓你可以用命令操作本地微信數據。

全程本地運行，不走任何第三方服務器，零封號風險。

目前支持 11 個命令，覆蓋了日常最高頻的場景：

命令

干什么的

init

一鍵初始化，提取密鑰

sessions

列出最近會話

history

查看聊天記錄，支持分頁和時間過濾

search

全局搜索消息，支持指定聊天和消息類型

contacts

搜索聯系人、查看詳情

members

列出群成員

stats

聊天統計，誰最活躍、消息類型分布、24小時活躍圖

export

導出聊天記錄為 Markdown 或純文本

favorites

查看微信收藏

unread

查看未讀會話

new-messages

增量獲取新消息

這些命令全部默認輸出 JSON。

為什么？因為我設計之初就是給 AI Agent 用的。

你可以在 Claude Code 里直接說：「總結 XXX 群最新的 10 條消息」，它就會調用 wechat-cli history "你的群" --limit 10 --format text。

AI + CLI，這才是我想要的微信打開方式。

你可以把 wechat-cli 集成到任何你的 Agent 或者小龍蝦，比如 Claude Code、OpenClaw、WorkBuddy、QClaw 等。

比如我集成了 OpenClaw 和微信 Bot 后，我就可以直接在微信中來提問，非常方便。

wechat-cli 中的微信聊天記錄支持一鍵導出，配合飛書 cli，上傳到飛書文檔做備份或者分享都超方便。

玩法還非常非常多，具體安裝和使用可以去 GitHub 上讓你的 Agent 自主學習安裝即可。

GitHub 地址：https://github.com/freestylefly/wechat-cli

保命申明，本項目僅用作個人學習使用，不得濫用于非法用途，以及不許破壞微信生態，遵循 Apache License 2.0 開源協議。

本項目開發由智譜最新模型 GLM 5.1 贊助，已消耗 3.3 億多 tokens。

我去了解了下，在最接近真實軟件開發的 SWE-bench Pro 基準測試中，GLM 5.1 刷新全球最佳成績，超過GPT-5.4、Claude Opus 4.6。SWE-Bench Pro。

從架構設計、代碼實現、跨平臺打包、npm 發布、README 設計，一條龍全由 GLM 5.1 搞定。

整個項目在一次對話窗口完成，GLM 5.1 在長程任務上的表現確實穩。

最讓我印象深刻的是處理 C 二進制捆綁問題，GLM 5.1 直接把二進制打包進 Python 包，用戶安裝時自動帶上，完全無感。

這種跨語言打包的臟活累活，我自己做可能就放棄了。

而且配合 GitHub CLI 和 npm，從開發到提交到發布，全程絲滑。中間多次 compact 上下文壓縮，GLM 5.1 都能穩定輸出。

我還看到很多海外網友紛紛放棄 Claude，選擇 GLM 了，也得益于新模型能力的提升。

接下來介紹下隆重首款基于 wechat-cli 的產品 「WeSight」。這個是他的官網：

地址：https://wesight.ai

WeSight 配合 wechat-cli 能力，能幫你做基于本地微信數據的很多活，比如微信群日報總覽：

當你點擊進入特定選擇的群時，會自動做當前群聊總結，給到昨天當前群消息數、發言人數，最活躍成員。

為更好的社群運營，加了消息時段分布，消息類型分布。

AI 會總結聊天記錄，按照不同時段給情緒趨勢，方便對社群有更好的感知。

你再也不用擔心，有哪些重要話題會遺漏，AI 會對重要話題進行聚類，以及根據聊天進行關鍵詞排行。

在 WeSight 的洞察里，群聊 AI 精華總結必不可少，會分 4 個維度進行總結，分別是：「核心討論話題、關鍵決策 / 結論、爭議 / 待跟進、精華內容」。

這樣即使我一天沒在群里冒泡吹水，AI 也能幫我總結，不會錯過群重點消息。

當然，如果你遇到感興趣的話題，想去看看當時大家怎么討論的，也可以完全在 WeSight 中找到聊天記錄。

我還特意加了個一鍵轉發到群聊的功能，當 WeSight 生成好群聊洞察后，會在右上角出現「轉發到群聊」按鈕。

你可以復制文字，也可以復制圖片到你的群聊，做一個每日精華回顧再好不過了。

當然了這只是 WeSight 功能的冰山一角，能做群消息廣告監控與預警、能導出聊天記錄、微信收藏的二次管理等等等。

我把 wechat 做成了技能，能訪問本地的微信聊天記錄、聯系人、收藏，數據完全基于你本地，不會上傳云端。

你甚至可以基于自己本地模型，做到數據完全隱私。

同樣支持你完成很多 Cowork 工作：

不過其他很多的功能就是網易開源的 lobster AI 自帶的了，WeSight 是基于 lobster 進行的二開, 感謝網易，感謝 lobster AI 。

現在 WeSight 處于邀測階段，你可以在官網獲取邀請碼后下載 WeSight 體驗。

當你安裝好 WeSight 后，會自動幫你配置好 wechat-cli 及 OpenClaw 環境。

自動裝好 wechat skill，整個過程，變得非常的簡單，這是我能想到的好的產品形態。

不瞞你說，WeSight 也是我在假期基于 GLM 5.1 搓出來的，借助 subagent 表現很好。

我是同時 2 個電腦在跑，mac 跑 WeSight 項目，遠程連接 Mac mini 跑 wechat-cli 項目。

用 Google AI Studio 同步開發官網，并配置域名上線，這是 3 天一個人干了以前一個月的活兒。

所以，我說，其實理論上 AI 編程已經到了一個 AGI 的奇點，只是身處時代浪潮下的我們，沒有很強的感知罷了。

文章最后，說一說，我和 WeSight 的故事吧。

其實做這個項目，最開始只是因為我自己真的受夠了。

每天打開微信，幾十個群的 99+，像一座座小山壓在心里。

我知道里面肯定有重要信息，但我真的沒時間一條條翻。

有時候錯過了一些關鍵討論，事后才發現，那種懊惱感特別強。

我就想，如果有個工具能幫我自動讀群，把精華提煉出來，該多好。

于是我開始動手。

說實話，一開始我也沒想到能做成現在這樣。

我只是想解決自己的問題，順便把技術底座開源出來，讓更多人能用上。

但做著做著，我發現這件事的意義好像不止于此。

我們每天都在被信息淹沒，微信群只是其中一個縮影。

我們需要的不是更多的信息，而是更少但更精準的信息。

「AI 應該幫我們過濾噪音，而不是制造更多噪音」。

所以我做了 WeSight，也開源了 wechat-cli。

我希望它能幫到和我一樣，每天被群消息淹沒的人。

也希望更多開發者能基于 wechat-cli，做出更多有意思的東西。

這個假期，我爆肝了幾天，但我覺得值。

因為我做了一件自己真正需要的東西，也可能幫到了你。

如果你也有同樣的痛點，歡迎試試 WeSight。

如果你是開發者，歡迎用 wechat-cli 做點有意思的事。

「我們一起，讓信息回歸它該有的樣子」。

最后要感謝 wechat-decrypt 開源項目為 wechat cli 提供微信數據庫解密和數據解析的核心能力。

感謝網易 lobster AI 優秀的開源產品。

感謝蝸牛提供的技術調研、方案預演、及思路探討。

感謝大家的喜歡。

最后要特別感謝下智譜，感謝 GLM5.1。能力上確實很強，在編程及長程任務上表現很好。

「WeSight 官網」：https://wesight.ai
「wechat-cli GitHub」：https://github.com/freestylefly/wechat-cli

歡迎體驗，歡迎 Star，歡迎一起玩。