微信聊天 AI 助手 — 本地运行，自动监听消息，生成回复建议，帮你聊得更好。
一个运行在你电脑上的终端程序。它直接读取微信本地数据库，实时监控指定联系人的新消息，通过 LLM 理解对话上下文和双方风格，生成 1-3 条可选回复建议，一键复制到剪贴板。
不是为了替你聊天，而是帮你学会更好地聊天。
| 模式 | 命令 | 做什么 |
|---|---|---|
| 回复跟进 | /a |
后台监听新消息 → 自动生成回复建议 → 复制到剪贴板 |
| 咨询讨论 | /c |
不看聊天记录，纯聊天——问策略、讨论想法、理清思路 |
| 复盘分析 | /r |
拉取最近聊天，用教练视角分析得失，告诉你哪里好、哪里可以更好 |
- 实时监听 — 后台轮询微信数据库，新消息到达即时处理
- 语音转文字 — SILK 解码 + Whisper 本地转录（可选手动/自动模式）
- 长期记忆 — 每联系人独立归档，LLM 定期压缩，对话越多越懂你们
- 风格学习 — 分析你和对方的语言习惯，让回复更自然更像你
- 技能插件 — 内置狗头军师知识库（43 篇恋爱沟通参考），可扩展
- 复盘教练 — 回头看聊天记录，指出哪里做得好、哪里可以改进
- 跨联系人参考 — 跟 A 聊天时可以查看 B 的记忆和风格
- 28 个 LLM 工具 — 搜索消息、查询历史、管理记忆、风格分析等
pip install httpx zstandard pyyaml rich pyperclip
# 语音转文字（可选）
pip install pilk faster-whisper参考 wechat-decrypt/ 目录，提取微信数据库的加密密钥。
cp agent/config.sample.yaml ~/.learnlove_data/config.yaml编辑 ~/.learnlove_data/config.yaml，填入：
- 微信数据库路径和密钥文件
- LLM 模型档案（
agent/models.yaml内置 DeepSeek、TJU 和本机 Llama Router 模型） - DeepSeek 可通过
DEEPSEEK_API_KEY环境变量提供密钥；旧式api_key/model/api_base配置仍兼容 - 天津大学模型通过
TJU_API_KEY=tk-...提供密钥，可选 Qwen3.6 35B、Qwen3.6 27B 和 DeepSeek V4 Flash - 要监听的联系人（wxid + 显示名称）
在 AgentHub 网页设置中切换模型会同时更新连接地址、真实模型名和默认生成参数；终端模式也读取同一份模型档案。
python -m agent.loop
# 自定义数据目录
python -m agent.loop --data-dir D:\MyData
# 启动即开启自动监听
python -m agent.loop --auto微信 DB (加密)
→ DBCache (解密缓存)
→ 统一规范化解析（手动历史 / 增量检查 / 后台监听共用）
→ 稳定排序去重 + 事实归档
→ Agent 时间线（角色 / 正文 / 引用 / 媒体状态 / 证据 ID）
→ 语音与图片归档 → 本地模型或远程 API 处理队列
→ 上下文组装 (系统提示词 + 记忆 + 技能 + 风格 + 近期聊天)
→ LLM API (OpenAI 兼容)
→ 工具调用循环 (28 tools)
→ 回复建议 → 剪贴板
LearnLove/
agent/
loop.py ← 入口
chat.py ← REPL 主循环 + 三种模式
llm.py ← LLM 客户端 + 工具 schemas
memory.py ← 每联系人记忆系统
context.py ← 上下文组装器
paths.py ← 统一路径管理（数据/代码分离）
style_profiler.py ← 语言风格分析
tool_manager.py ← 技能插件系统
valve.py ← 权限门控 (L0/L1/L2)
protocol.py ← 消息信封
outputs.py ← 溢出输出管理
tools/ ← 工具实现 (消息/联系人/语音/发送/监控)
skills/ ← 技能插件 (狗头军师等)
config.sample.yaml ← 配置模板
system_prompt.md ← 系统提示词
wechat-decrypt/ ← 微信数据库解密
PRIVACY.md ← 隐私与配置指南
用户数据全部存储在项目外的 ~/.learnlove_data/，代码可安全提交 git。
启动时不会从 contacts 配置自动选中或监听任何人。先用 /contact <名称> 指定当前联系人，再用 /a 监听该联系人。语音和图片模型是服务用户本人的全局能力：/voice auto、/image auto 开启，manual 停用自动处理，/media status 查看条件，/media voice 或 /media image 处理已归档待办。
/global-memory <内容> 会立即保存用户的跨联系人偏好、目标、边界、项目与决定；不带内容时查看。全局记忆会注入普通回复和咨询模式，不会混入某个联系人的关系档案。
LearnLove 现在独立管理本地媒体模型，不再依赖 D:\Llama。模型放在 models/media/，原生运行时放在 runtime/media/；两个目录均被 Git 忽略，提交时只包含代码、注册表、来源和校验信息。
- 语音默认使用官方
SenseVoiceSmall q8与llama-funasr-sensevoice.exe，支持微信 SILK 自动解码后转写。 - 图片默认使用
Qwen2.5-VL-3B Q4_K_M、匹配的mmproj Q8_0与llama-mtmd-cli.exe。
模型由 agent/media_models.json 注册，可在同一能力下增加其他模型，并通过 LEARNLOVE_SPEECH_MODEL、LEARNLOVE_VISION_MODEL 切换。缺少组件时，语音和图片仍会先归档并留在可重试队列，不会丢文件，也不会把占位符当成识别结果。可通过 media_api_status 查看本地条件、已注册处理器和待处理数量。完整来源、许可证、SHA-256 和扩展方法见 MEDIA_MODELS.md。
LearnLove 会把用户、助手、工具调用和自动监听消息追加保存到本地
archive/records.db，不依赖 Hub 活动 Session。若 Hub 原实例已经“完全归档”并删除，先新建同一个 LearnLove Agent，然后输入：
/restore 8
其中 8 是 Hub 归档卡对应的原 sid。LearnLove 会从同级
AgentHub/data/archives/8.jsonl 导入记录、自动去重，并恢复 user/assistant 工作上下文；原归档保持只读，当前 Hub 使用新的 sid。AgentHub 位于其他目录时可传路径：
/restore 8 D:\AgentHub\data\archives
也可以设置 AGENT_HUB_ARCHIVE_DIR。用 /history 关键词 搜索自动保存的对话，/sessions 查看可恢复来源；模型内部可使用 search_conversation_history 和 read_conversation_history 精确读取完整原文。
- 所有数据存储在本地，不会上传到任何服务器
- 代码与数据分离 — 项目目录只含代码，个人数据在独立目录
- LLM API 调用仅发送当前对话上下文（系统提示词 + 相关消息 + 工具结果）
- 详见 PRIVACY.md
| 命令 | 说明 |
|---|---|
/a |
切换自动监听模式 |
/c, /coach |
切换咨询模式 |
/r, /review |
复盘分析 |
/peek <名称> |
查看其他联系人的记忆/风格 |
/copy |
复制最后一条建议 |
/send |
自动发送（需阀门 L2） |
/voice <auto|manual> |
语音处理模式 |
/contact <名称> |
切换联系人 |
/memory |
查看长期记忆 |
/save <内容> |
把重要内容留档（时间点快照，之后可找回来） |
/notes [关键词] |
查看/搜索留档（含日期） |
/history [关键词] |
搜索自动保存的全部 LearnLove 对话 |
/restore <sid> [路径] |
导入 Hub 永久归档并恢复工作上下文 |
/sessions |
查看本地保存与可恢复的会话来源 |
/clear |
清除对话历史 |
/h |
帮助 |
- Python 3.11+
- 微信 Windows 客户端（数据库在本地）
- LLM API（DeepSeek / OpenAI 兼容均可）
本项目基于以下优秀的开源项目构建：
- wechat-decrypt by @328336690 — 微信 4.0 本地数据库解密工具，实现了 SQLCipher 4 密钥提取与解密
- chatlog-keeper by @labazhou2024 — 微信/QQ 聊天记录导出备份工具，支持多平台密钥提取
- 狗头军师 (Goutoujunshi) by @powerycy — AI 恋爱军师 Codex Skill，提供 43 篇恋爱沟通参考与实战话术编排
感谢以上项目的作者和贡献者们 💙
MIT