WeChat-Chats direkt an KI übergeben: WeChatBridge macht WeChat zum lokalen KI-Workflow - Eingang
Wenn Sie häufig WeChat für Ihre Arbeit verwenden, können Sie auf dieses Problem stoßen:
Ein wichtiger Gespräch wurde in der Microgaming-Gruppe aufgenommen.
Es kann Dutzende von Texten, ein paar Bilder, ein paar Dateien und sogar Videos und Links enthalten. Wenn Sie diese Inhalte der KI übergeben möchten, um sie zusammenzufassen, zu analysieren oder weiterzuarbeiten, ist die traditionelle Art und Weise oft:
Kopieren Sie den Chatprotokoll → Organisieren Sie den Inhalt → Speichern Sie die Datei → Öffnen Sie das KI-Tool → Hochladen von Anhängen → Sagen Sie der AI, was sie damit tun soll.
Es gibt viele schritte, und chat-kontext, bilder und anhänge können leicht in diesem prozess verloren gehen.
Gibt es einen natürlichen Weg?
Wählen Sie den Chat-Nachgang direkt in WeChat aus und senden Sie ihn dann an die AI weiter.
Das ist ein Open-Source - Projekt WeChatBridge (WeChat-Bridge) Probleme, die gelöst werden wollen.
Projektadresse:GitHub - freestylefly / WeChatBridge
Die Datenschutz-Daten sind an sich eine sehr wertvolle Quelle.
Mit der Entwicklung von KI-Agenten, persönlichen Wissensbanken und lokalen KI-Tools ist ein zunehmend gängiger Workflow:
Übertragen Sie die täglich erzeugten Informationen an die KI, die uns hilft, sie zu organisieren, zu analysieren und zu speichern.
WeChat ist einer der Orte, an denen viele Menschen täglich die meisten Informationen generieren.
工作群里的需求讨论、客户反馈、项目进展、技术资料、行业信息、朋友分享的文章……这些内容原本都散落在聊天窗口里。
Das Problem liegt nicht darin, dass es keine Informationen gibt, sondern:
Es ist schwer, dass Informationen WeChat verlassen und in den eigenen KI-Workflow gelangen.
WeChat bietet nativ die Möglichkeit, „an andere Anwendungen weiterzuleiten", aber der Sharing-Eingang des Systems richtet sich hauptsächlich an Anwendungen mit Share Extension.
Was WeChatBridge getan hat, kann als eine Brücke zwischen WeChat und den lokalen KI-Tools verstanden werden:
微信聊天
↓
合并转发
↓
WeChatBridge
↓
AI Agent / Obsidian / 剪贴板 / 自定义应用
Auf diese Weise ist der WeChat-Chat nicht mehr nur ein "Chat-Record", sondern eine Eingabequelle für lokale KI-Workflows.
2. Wie funktioniert es?
WeChatBridge erfasst keine Chat-Inhalte, indem es die WeChat-Datenbank liest, und funktioniert nicht, indem es den WeChat-Prozess injiziert.
Es nutzt eine natürliche Fähigkeit, die von macOS WeChat zur Verfügung steht:
Übertragung von Chatprotokollen.
Ab macOS WeChat 4.1.13 können Sie nach mehreren Chatprotokollen die Funktion "Flussleitung" verwenden.
WeChat generiert eine ZIP-Datei, die den Chat-Inhalt enthält, die Folgendes beinhalten kann:
- TXT-Text - Gespräche
- Bilder
- Video
- Weitere Gesprächsanlagen
WeChatBridge hat diese Inhalte über die macOS Share Extension abgeholt.
Der gesamte Prozess ist sehr einfach:
① 微信中多选聊天记录
↓
② 点击“合并转发”
↓
③ 选择微信流中的目标
↓
④ WeChatBridge 接收聊天归档
↓
⑤ 转发给 AI / 保存到知识库 / 复制到剪贴板
Der wichtigste Punkt ist:
Benutzer müssen das Hauptfenster von WeChatBridge nicht öffnen.
Der Zielseingang kann direkt im Menü "An andere Apps weiterleiten" von WeChat angezeigt werden.
Das Problem, das es wirklich löst, ist eigentlich das Problem des "AI-Workflows".
Funktionell sieht WeChatBridge aus wie ein WeChat-Dateiübermittlungstool.
Aber wenn Sie aus der Perspektive des Workflows betrachten, löst es ein anderes Problem:
Wie man unstrukturierte Informationen in WeChat schnell in den AI-Agenten gelangt.
Sie sehen beispielsweise Dutzende von Diskussionen in einem Projekt.
Früher kann man eine Aufbereitung benötigen:
微信
↓
复制聊天
↓
整理上下文
↓
复制图片
↓
下载文件
↓
打开 AI
↓
上传文件
↓
输入提示词
Mit einem Mikro-Stream kann es sein:
微信
↓
多选聊天
↓
合并转发
↓
发给 AI Agent
Wenn man die Szenen wieder kombiniert, kann es sogar weitergehen:
项目群聊天
↓
选择“项目复盘”场景
↓
AI Agent
↓
总结讨论
提取待办
识别风险
整理决策
Das ist auch der interessanteste Punkt an diesem Projekt:
Anstatt zu versuchen, einen Chat-Client neu zu machen, verwandelt es WeChat in einen Eingangsknoten für einen KI-Workflow.
IV. Integrierte Eingänge für mehrere KI - und Produktivitätswerkzeuge
Das Projekt bietet bereits mehrere einheimische Eingänge.
Einschließlich:
- Der Codex
- Claude
- Beanpackung
- Tausend Fragen zum Büro
- WorkBuddy
- WeSight
- Obsidian
- Clipboard.
- Benutzerdefinierte Anwendung
So können Benutzer Ziele basierend auf ihrem eigenen Workflow auswählen.
Zum Beispiel,
Option 1: Direkte Übergabe an die
In der Mikro-Gruppe wird eine Frage diskutiert.
Wählen Sie Chatverzeichnisse → Zusammenführen → Weiterleiten an Codex / Claude aus.
Die AI kann diese Chat-Inhalte weiter verarbeiten.
Option 2: Ablagerung in Obsidian
Wenn dieser Chat nicht sofort von der KI verarbeitet werden muss, sondern als langfristiger wissenschaftlicher Vermögenswert für sich selbst sein möchte, können Sie direkt wählen:
Das Obsidian.
Das Projekt erzeugt Markdown-Notizen, während das Original-Archive und die zugehörigen Anhänge gespeichert werden.
Mit einer Diskussion in WeChat können Sie in Ihre lokale Wissensdatenbank eintreten.
Schritt 3: Zuerst in die Schaltfläche
Wenn Sie sich vorübergehend nicht sicher sind, welche Anwendung übergeben werden soll, können Sie sie auch zuerst in die Zwischenablage kopieren und dann manuell vom Benutzer bearbeiten.
Dies ist insbesondere für einige temporäre Workflows bequem.
V. Szenenfunktion: "Send an AI" kontextueller machen
Wenn man nur den Chat-Auftritt an AI übergibt, reicht das nicht.
Aufgrund der gleichen chat-aufzeichnungen kann es in verschiedenen szenen eine völlig andere verarbeitung erfordern.
Zum Beispiel:
Projektgruppe
Zusammenfassung der Diskussionen und Extrahierung von Entscheidungen, Risiken und Aufgaben.
Kundengruppe
Extrahieren Sie Kundenanforderungen, Fragen und Folgearbeiten.
Technische Austauschgruppen
Zusammenfassung der technischen Lösungen und Zusammenfassung der Inhalte, die weitere Studien verdienen.
Industrie-Austauschgruppen
Extraktion von Branchentrends, wichtigen Informationen und potenziellen Chancen.
WeChatBridge bietet einen "Szenen" - Mechanismus.
Benutzer können Eingabeaufforderungen für verschiedene Szenarien speichern und den entsprechenden Agent angeben.
Auf diese Weise ist der Chatprotokoll selbst nur eine Eingabe, während die Szene der KI sagt:
„Wie sollten Sie diese Inhalte verstehen?"
Dies ermöglicht eine einfache Dateiübermittlung, die sich allmählich zu einem umfassenderen KI-Workflow entwickelt.
Es gibt noch ein interessantes Design: Skills.
Für die Benutzer des Agenten,SKILL.md Es ist eine gängige Form der Beschreibung von Kompetenzen geworden.
WeChatBridge bietet auch Fähigkeiten zum Management.
Sein Denken ist:
Chatprotokolle sind für die Bereitstellung von Daten verantwortlich, und Skill ist für die Verarbeitung zuständig.
Zum Beispiel kann es im Chat geben:
- Webseite Links
- Video
- Dokumentation
- Bilder
- Viele Informationen, die weiter analysiert werden müssen
Wenn der Agent über die entsprechenden Fähigkeiten verfügt, kann er diese Inhalte weiter verarbeiten.
So kann der gesamte Workflow erstellt werden:
微信聊天
│
├── 文本
├── 图片
├── 视频
├── 文件
└── 链接
↓
WeChatBridge
↓
场景 + Skill
↓
AI Agent
Dies ist tatsächlich nicht nur "Chat-Log - Weiterleitung", sondern näher an einem lokalen KI-Informationsportal.
7. Warum legt das Projekt besonderen Wert auf „Lokal"?
Die WeChat-Chat - Protokolle selbst haben eine starke Privatsphäre.
Daher ist eine der wichtigsten Fragen der Benutzer eines Tools zur Verarbeitung von WeChat-Inhalten:
Lest er meine MICHAEL-Daten?
Laut der öffentlichen Dokumentation des Projekts sind die Grenzen des WeChatBridge-Designs eindeutig:
- Keine Mikro-Datenbank lesen
- Keine Mikro-Daten enthüllen
- Keine Injektion von Mikro-Prozessen
- Keine Änderung des Mikro-Prozesses
- Chat-Inhalte stammen aus einer von den Benutzern initiativen Konsolidierung weitergeleitet
- Chat-Archive, Szenen und Aufzeichnungen lokal gespeichert
- Share Extension läuft in einer macOS-Sandbox ohne Netzwerkrechte.
Das Projekt erklärt auch, dass die Bildschirmaufnahme-Berechtigungen hauptsächlich zur Identifizierung von Chatnamen in der WeChat-Titelleiste verwendet werden, während die Zugänglichkeitsberechtigungen zur Aktivierung der Zielanwendung und zum Einfügen verwendet werden.
Das Design zeigt eine klare Idee:
Verwenden Sie so weit wie möglich die Öffnungsfähigkeit des Systems, um den Workflow abzuschließen, anstatt auf intrusive Weise WeChat-Daten zu erhalten.
Dies ist besonders wichtig für lokale KI-Benutzer.
Es passt sehr gut zu dem Design von MacOS.
WeChatBridge ist ein natives macOS-Projekt.
Die Technik umfasst hauptsächlich:
- Swift 6
- Swift Paketmanager
- macOS Share Erweiterung
- Die App Sandbox
- Sparkle ist
- Swift-Testing / XCTest
Das Projekt erfordert macOS 14 Sonoma oder höher.
Aus der Projektstruktur lässt sich auch eine deutliche Aufteilung der Module erkennen:
Sources/
├── WeChatBridgeApp/
│ └── 主应用、设置、转发编排、权限管理
│
├── WeChatBridgeCore/
│ └── 批次、场景、归档、剪贴板等核心逻辑
│
└── WeChatBridgeShare/
└── macOS Share Extension
Resources/
└── 图标、Plist、entitlements、技能
Scripts/
└── 构建、安装、签名、发布
Tests/
└── 测试代码
Diese Struktur zeigt auch, dass Projekte nicht nur "Skriptwerkzeuge" sind, sondern wie native macOS-Anwendungen organisiert sind.
9. Auch die Installation ist einfacher.
Wenn Sie nur ein normaler Benutzer sind, können Sie DMG direkt von GitHub Releases laden.
Das Projekt ist derzeit in Versionen verfügbar, die mit einer Developer-ID signiert und von Apple notariert sind.
Wenn die Installation abgeschlossen ist, ziehen Sie die Anwendung in "Anwendungen".
Wenn Sie ein Entwickler sind, können Sie auch direkt aus dem Quellcode erstellen:
git clone https://github.com/freestylefly/WeChatBridge.git
cd WeChatBridge
swift test
CONFIG=release Scripts/make-app.sh
Das Projekt bietet auch Entwicklungs-Installations - und Vorschau-Skripts.
Dieses Projekt ist daher auch für Entwickler, die gerne macOS-Automatisierung, Share Extension oder AI-Agent - Workflows studieren möchten.
Wie unterscheidet es sich von herkömmlichen "Chat-Export - Tools"?
Wenn man WeChatBridge mit dem traditionellen Chatprotokoll-Export - Tool zusammen betrachtet, stellt man fest, dass die beiden Ziele nicht genau identisch sind.
Herkömmliche Werkzeuge beschäftigen sich in der Regel mit:
Wie man die Chat-Aufzeichnung speichert.
WeChatBridge ist dabei:
Nachdem das Gespräch abgeschlossen ist, wohin geht es als nächstes?
Das ist auch der interessante Ort, an dem es ist.
Sie unterteilt den gesamten Prozess in mehrere Phasen:
信息产生
↓
微信
↓
主动选择
↓
聊天归档
↓
WeChatBridge
↓
┌─────────────┐
│ AI Agent │
│ Obsidian │
│ 剪贴板 │
│ 自定义 App │
└─────────────┘
↓
处理 / 分析 / 沉淀
Es ist eher wie eine:
Überbrückungsschicht von "WeChat → lokale KI / Wissensdatenbank".
11. Was bedeutet das für den AI-Agent - Benutzer?
In der Vergangenheit haben wir KI verwendet, oft "Öffnen Sie die KI und geben Sie die Daten an die AI".
Mit der Entwicklung des Agenten ändert sich die Arbeitsweise jedoch allmählich:
Wo die Informationen erzeugt werden, sollte die KI Eingabe bekommen.
Microsystem ist der Ort, an dem Informationen entstehen.
Obsidian ist der Ort des Wissens.
Codex, Claude usw. sind die Orte, an denen Informationen verarbeitet werden.
Das, was WeChatBridge tut, ist es, diese Verbindungen zu verbinden.
Aus dieser Perspektive kann es als sehr leichter lokaler Automatisierungsknoten verstanden werden:
微信
│
▼
WeChatBridge
/ | \
/ | \
▼ ▼ ▼
AI 知识库 其他 App
Es braucht keine Neudefinition von WeChat, und es braucht keine Ersatz KI.
Sie verbindet nur einige der ursprünglich gespaltenen Teile.
12. Eine Richtung, die es wert ist: Persönlicher KI-Workflow
WeChatBridge ist vielleicht nicht "WeChat an Claude weiterleiten".
Diese Fähigkeit an sich ist nicht kompliziert.
Was wirklich interessant ist, ist der Arbeitsablauf dahinter:
Die Informationen, die Einzelpersonen täglich erzeugen, können kostengünstig in ihre eigenen KI - und Wissenssysteme eingegeben werden.
Stell dir vor:
Am Vormittag erschien eine Nachricht aus der Branche in der Mikro-Gruppe.
Sie müssen keine Links kopieren oder neu organisieren.
direkt übertragen.
Die KI liest automatisch den Kontext und sagt Ihnen:
- Was sagt diese Information?
- Warum interessiert ist
- Was hat das mit der Information der Vergangenheit zu tun?
- Ob weitere Untersuchungen erforderlich sind
Am Nachmittag wurde ein technisches Thema diskutiert.
erneut weitergeleitet.
AI hilft Ihnen:
- Zusammenfassung der Diskussion
- Schlussfolgerungen zu ziehen
- Alles ordnen
- Aufzeichnung wichtiger Entscheidungen
Am Abend werden die wichtigen Inhalte in Obsidian zurückgeholt.
Mit der Zeit kann WeChat, die ursprünglich hoch geschlossene Informationsumgebung, ein Eingang zu persönlichen KI-Workflows werden.
13. Der aktuelle Zustand des Projekts
Aus den öffentlichen Informationen des Lagers, WeChatBridge hat bereits eine relativ vollständige Produktform:
- macOS 14 +
- Swift 6
- Mikro-Native - Übertragung des Zugriffs
- Mehrere Agent-Eingänge
- Obsidian lokal archiviert
- Szene präsentiert Worte
- Skill Management
- Benutzerdefinierte Anwendung
- Lokale historische Aufzeichnungen
- Englisch-Englisch Interface
- Universal 2 erstellen
- Developer-ID - Unterschrift und Notarierung
- DMG veröffentlicht
Das Projekt ist unter der MIT-Lizenz Open Source.
Die Roadmap beinhaltet auch Homebrew Cask sowie weitere Community-Szenarien und Skill-Pakete.
Fazit: WeChat ist nur der Eingang, das wahre Ziel ist der Informationsfluss.
Wenn man WeChatBridge nur als einen "WeChat-Chat - Transponder" betrachtet, könnte man seine Bedeutung unterschätzen.
Was wirklich interessant ist ist, ist:
Freigeben Sie Informationen in WeChat aus geschlossenen Chatfenstern und greifen Sie auf KI-Agenten, persönliche Wissensdatenbanken und lokale automatisierte Workflows zu.
Vergangenheit:
Die Nachrichten in den Mikro-Botschaften sind vorbei.
jetzt:
Die Informationen in WeChat → KI-Verarbeitung → Wissensdatenbank-Auslagerung → werden zu einem persönlichen langfristigen Vermögenswert.
WeChatBridge ist die Brücke in der Mitte.
Für diejenigen, die AI-Agenten, Obsidian und lokale Automatisierungstools verwenden, ist diese Idee, direkt in den KI-Workflow zu gehen, von dem Ort an, an dem die Informationen generiert werden, vielleicht mehr Aufmerksamkeit verdient als einfach ein neues KI-Client hinzuzufügen.
Die Informationen sollten nicht nur im Chat-Fenster bleiben.
Es kann auch als Input für das nächste Denken, die nächste Entscheidungsfindung und den nächsten KI-Workflow dienen.
Projektadresse:
freestylefly / WeChatBridge
Lizenz: mit Lizenz
Systemanforderungen: macOS 14 Sonoma oder höher