微信收藏知识库

Decrypt, categorize and organize wechat favorites (Official Account collection) into knowledge base

收藏夹导出 · 智能分类 · 知识库导入

快速上手： 解析收藏夹 → 导出记录 → 智能分类 → 导入 IMA 知识库

💡 试试这样说： "帮我整理微信收藏" / "导出收藏夹并分类" / "把微信收藏导入知识库" / "解析 favorite.db 导出文章"

触发词： 微信收藏（WeChat Favorites）、收藏夹导出（favorites export）、收藏文章分类（favorites classification）、IMA 知识库导入（knowledge base import）、收藏整理（favorites organizer）、微信公众号收藏、公众号文章整理

为什么用这个工具？

微信收藏夹积累了大量文章：随手打的标签越来越复杂，待读越积越多，从来没有真正整理过，也不记得读了哪些、学到了什么。这个工具可以：

• 自动分类 — 96% 的文章自动归入 9 大类，无需手动整理
• 细粒度标签 — 57 个二级标签，精准定位细分主题
• 跨领域识别 — 自动标注"生物医药+投资"等复合主题
• LLM 增强 — 低置信度条目用大模型智能重判
• 知识库导入 — 一键导入 IMA，构建个人知识库

实测数据

基于 32,333 篇文章（2014-2025 收藏）：

核心能力

前置条件

1. 微信收藏数据库

本工具需要已解析的 favorite.db 文件。解析步骤请使用专门的微信数据库处理工具。

2. Python 环境

pip install pycryptodome zstandard

3. IMA 导入（可选）

如需导入 IMA 知识库：

1. 创建 IMA 知识库，获取 kb_id
2. 配置凭证：~/.config/ima/client_id 和 ~/.config/ima/api_key

4. IMA 导入配置（可选）

IMA 凭证支持多种配置方式（优先级从高到低）：

# 方式 1: 命令行参数
python import_ima.py --kb-id YOUR_KB_ID --client-id XXX --api-key YYY

# 方式 2: 环境变量
IMA_CLIENT_ID=xxx IMA_API_KEY=yyy python import_ima.py

# 方式 3: 配置文件
# 在项目目录创建 config.json，填写 ima_kb_id
# 创建 ~/.config/ima/client_id 和 api_key 文件

安全说明

本工具涉及本地文件操作与可选网络调用。所有核心功能（导出 + 本地分类）可在离线环境完成，无需任何网络配置。

可选功能说明：

• LLM 分类：依赖 llm_classify.py，通过 OpenRouter API 调用大模型。默认关闭，需设置 LLM_API_URL 等环境变量才会发起网络请求
• IMA 导入：依赖 import_ima.py，调用腾讯 IMA 知识库 API。默认关闭，需配置 client_id/api_key 才会发起网络请求
• SAFE_MODE：完全禁用网络功能，设置 SAFE_MODE=1 环境变量即可强制离线模式
• 敏感数据：LLM 仅发送文章标题和摘要，不发送正文内容； IMA 仅发送收藏的 URL 列表，不包含微信聊天记录

离线使用方案：

• 导出 + 本地分类：无需网络，无需配置任何 API
• LLM 增强：可使用本地模型（修改 LLM_API_URL 指向本地 Ollama）
• IMA 导入：可选功能，不导入不影响其他功能

建议： 在信任的网络环境或离线环境使用，网络功能均为可选，默认关闭。

快速开始

cd scripts

# 0. 验证环境
python quick_validate.py

# 1. 解析数据库（如未解析）
python decrypt_db.py  # 或使用其他工具

# 2. 导出收藏记录
python export_favorites.py

# 3. 智能分类（支持 LLM 增强）
python classify_favorites.py

# 4. 导入 IMA（可选）
python import_ima.py

目录结构

wechat-favorites/
├── SKILL.md                     # 本文件
├── LICENSE.txt                  # MIT License
├── CHANGELOG.md                 # 更新日志
├── requirements.txt             # 依赖声明
├── config.json                  # 用户配置（需创建）
├── scripts/
│   ├── quick_validate.py        # 环境验证
│   ├── decrypt_db.py            # 数据库解析
│   ├── export_favorites.py      # 收藏导出
│   ├── classify_favorites.py    # 智能分类（一级+二级+跨领域）
│   ├── llm_classify.py          # LLM 二次分类模块
│   ├── llm_incremental.py       # LLM 增量批处理
│   ├── merge_llm_results.py     # LLM 结果合并
│   ├── normalize_categories.py  # 标签标准化
│   ├── import_ima.py            # IMA 导入
│   ├── config.py                # 配置加载
│   └── key_utils.py             # 密钥工具
├── decrypted/                   # 解析输出
│   └── favorite/favorite.db
├── exported_favorites/          # 导出输出
│   ├── favorites_all.csv        # 全部收藏
│   ├── articles_final.csv       # 带分类标签
│   ├── cat_biomed.csv           # 生物医药分类
│   ├── cat_AI科技.csv           # AI 分类
│   └── ...
└── references/
    ├── classification.md        # 分类算法说明
    └── schema.md                # 数据库结构

数据流程

favorite.db (加密)
      │
      ▼ decrypt_db.py
favorite.db (解析后)
      │
      ▼ export_favorites.py
favorites_all.csv
      │
      ▼ classify_favorites.py [--llm]
articles_final.csv + cat_*.csv
      │
      ▼ import_ima.py
IMA 知识库

分类体系

一级分类（9类）

二级标签（57个）

每个一级分类下设细分标签，关键词匹配自动识别：

完整标签列表见 references/classification.md。

跨领域标签（6类）

识别跨领域主题，多标签组合：

LLM 二次分类

关键词分类置信度不足时，可启用 LLM 二次分类进行智能重判：

# 置信度低于 0.4 时触发 LLM
python classify_favorites.py --llm

# 全量 LLM 分类（跳过关键词）
python classify_favorites.py --llm-only

# 自定义触发阈值
python classify_favorites.py --llm --llm-threshold 0.3

环境变量配置：

OpenRouter 配置示例：

export LLM_API_URL="https://openrouter.ai/api/v1/chat/completions"
export LLM_MODEL="deepseek/deepseek-chat"
export LLM_API_KEY="your-openrouter-api-key"

输出文件说明

CSV 字段说明：

favorite.db 表结构

CREATE TABLE fav_db_item (
    local_id INTEGER PRIMARY KEY,
    fav_local_type INTEGER,  -- 类型：1=文章, 3=图片, 等
    status INTEGER,
    create_time INTEGER,     -- 收藏时间戳
    source_id TEXT,          -- 来源 wxid
    source_type INTEGER,
    content BLOB,            -- XML 内容
    WCDB_CT_content INTEGER  -- 压缩标记：4=zstd
);

content 字段解析：

• <title> 标题
• <url> 链接
• <source> 来源公众号
• <description> 摘要

常见问题

Q: 收藏数据不完整？ A: 检查 favorite.db 最后修改时间，微信可能未同步最新数据。

Q: IMA 导入被限流？ A: API 限流约 200 次/小时，脚本已内置 3 秒/批的限速。

Q: 如何新增分类？ A: 编辑 classify_favorites.py 中的 CATEGORIES 字典。

Q: 解析失败？ A: 确保密钥正确，检查 all_keys.json 是否包含 favorite.db 的密钥。

Q: LLM 分类中断了怎么办？ A: 脚本自动保存断点到 llm_checkpoint.json，重新运行会从中断处继续。

技术细节

SQLCipher 4 参数

• 加密：AES-256-CBC + HMAC-SHA512
• KDF：PBKDF2-HMAC-SHA512，256,000 iterations
• 页面：4096 bytes，reserve = 80

支持平台

相关链接

• 本技能仓库：https://github.com/GeoSun/wechat-favorites-skill

参考资料

• references/schema.md — 数据库结构详解
• references/classification.md — 分类算法说明

更新日志

v1.1 — 2026-04

• 分类体系升级：新增三级分类体系——9大主类、57个二级标签、6个跨领域标签，分类更精细多元
• 文档全面优化：完善 SKILL.md，补充分类逻辑说明、LLM 使用指南、实测数据、文件格式说明
• 快速上手简化：精简配置示例、优化命令说明、增强引导提示、补充常用触发词，方便快速上手
• LLM 智能增强（可选）：新增 LLM 辅助分类脚本（llm_classify.py、llm_incremental.py、merge_llm_results.py、normalize_categories.py），低置信度或模糊条目可交由大模型重新分类
• 安全说明强化：新增## 安全说明章节，强调本地化、隐私保护与数据安全
• 版本升级：1.1.0 → 1.1，新显示名（微信收藏知识库）

License

MIT License

免责声明

本工具仅供个人备份和学习使用。请勿用于任何商业用途或违法行为。解析的数据仅限个人所有，不得传播或用于侵犯他人隐私。