我把微信 cli 开源了，群消息终于不用爬楼了！

更烦的是，群里偶尔有几条很有价值的讨论，被灌水淹得死死的，等我想翻的时候，爬楼爬到手酸都找不到。退群吧，怕错过重要信息。不退吧，每天光刷群就得花一两个小时。我就想，这破事儿能不能让 AI 来干？我只看精华，剩下的交给它。于是放假爆肝了几天，基于本地微信聊天记录，开发了 2 个产品。分别是「wechat-cli」和「WeSight」，其中 wechat-cli 作为技术底座，已完全开源。

WeSight 是基于 wechat-cli 开发的桌面端 Agent，内置 CLI 能力及 OpenClaw 引擎，能基于你本地微信数据进行群聊分析与监控预警、收藏管理、聊天记录导出及分析等功能。

先说 wechat-cli。简单来说，它就是一个微信的命令行工具，让你可以用命令操作本地微信数据。全程本地运行，不走任何第三方服务器，零封号风险。目前支持 11 个命令，覆盖了日常最高频的场景：

这些命令全部默认输出 JSON。为什么？因为我设计之初就是给 AI Agent 用的。你可以在 Claude Code 里直接说：「总结 XXX 群最新的 10 条消息」，它就会调用wechat-cli history "你的群" --limit 10 --format text。

AI + CLI，这才是我想要的微信打开方式。你可以把 wechat-cli 集成到任何你的 Agent 或者小龙虾，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来提问，非常方便。

wechat-cli 中的微信聊天记录支持一键导出，配合飞书 cli，上传到飞书文档做备份或者分享都超方便。

玩法还非常非常多，具体安装和使用可以去 GitHub 上让你的 Agent 自主学习安装即可。

保命申明，本项目仅用作个人学习使用，不得滥用于非法用途，以及不许破坏微信生态，遵循 Apache License 2.0 开源协议。

本项目开发由智谱最新模型 GLM 5.1 赞助，已消耗 3.3 亿多 tokens。

我去了解了下，在最接近真实软件开发的 SWE-bench Pro 基准测试中，GLM 5.1 刷新全球最佳成绩，超过GPT-5.4、Claude Opus 4.6。SWE-Bench Pro。

从架构设计、代码实现、跨平台打包、npm 发布、README 设计，一条龙全由 GLM 5.1 搞定。整个项目在一次对话窗口完成，GLM 5.1 在长程任务上的表现确实稳。

最让我印象深刻的是处理 C 二进制捆绑问题，GLM 5.1 直接把二进制打包进 Python 包，用户安装时自动带上，完全无感。这种跨语言打包的脏活累活，我自己做可能就放弃了。

而且配合 GitHub CLI 和 npm，从开发到提交到发布，全程丝滑。中间多次 compact 上下文压缩，GLM 5.1 都能稳定输出。

我还看到很多海外网友纷纷放弃 Claude，选择 GLM 了，也得益于新模型能力的提升。

接下来介绍下隆重首款基于 wechat-cli 的产品「WeSight」。这个是他的官网：

地址：https://wesight.ai

WeSight 配合 wechat-cli 能力，能帮你做基于本地微信数据的很多活，比如微信群日报总览：

当你点击进入特定选择的群时，会自动做当前群聊总结，给到昨天当前群消息数、发言人数，最活跃成员。为更好的社群运营，加了消息时段分布，消息类型分布。

AI 会总结聊天记录，按照不同时段给情绪趋势，方便对社群有更好的感知。你再也不用担心，有哪些重要话题会遗漏，AI 会对重要话题进行聚类，以及根据聊天进行关键词排行。

在 WeSight 的洞察里，群聊 AI 精华总结必不可少，会分 4 个维度进行总结，分别是：「核心讨论话题、关键决策 / 结论、争议 / 待跟进、精华内容」。

这样即使我一天没在群里冒泡吹水，AI 也能帮我总结，不会错过群重点消息。当然，如果你遇到感兴趣的话题，想去看看当时大家怎么讨论的，也可以完全在 WeSight 中找到聊天记录。

我还特意加了个一键转发到群聊的功能，当 WeSight 生成好群聊洞察后，会在右上角出现「转发到群聊」按钮。

你可以复制文字，也可以复制图片到你的群聊，做一个每日精华回顾再好不过了。

当然了这只是 WeSight 功能的冰山一角，能做群消息广告监控与预警、能导出聊天记录、微信收藏的二次管理等等等。我把 wechat 做成了技能，能访问本地的微信聊天记录、联系人、收藏，数据完全基于你本地，不会上传云端。

你甚至可以基于自己本地模型，做到数据完全隐私。

同样支持你完成很多 Cowork 工作：

不过其他很多的功能就是网易开源的 lobster AI 自带的了，WeSight 是基于 lobster 进行的二开, 感谢网易，感谢 lobster AI 。

现在 WeSight 处于邀测阶段，你可以在官网获取邀请码后下载 WeSight 体验。

当你安装好 WeSight 后，会自动帮你配置好 wechat-cli 及 OpenClaw 环境。

自动装好 wechat skill，整个过程，变得非常的简单，这是我能想到的好的产品形态。不瞒你说，WeSight 也是我在假期基于 GLM 5.1 搓出来的，借助 subagent 表现很好。

我是同时 2 个电脑在跑，mac 跑 WeSight 项目，远程连接 Mac mini 跑 wechat-cli 项目。

用 Google AI Studio 同步开发官网，并配置域名上线，这是 3 天一个人干了以前一个月的活儿。所以，我说，其实理论上 AI 编程已经到了一个 AGI 的奇点，只是身处时代浪潮下的我们，没有很强的感知罢了。文章最后，说一说，我和 WeSight 的故事吧。其实做这个项目，最开始只是因为我自己真的受够了。每天打开微信，几十个群的 99+，像一座座小山压在心里。我知道里面肯定有重要信息，但我真的没时间一条条翻。有时候错过了一些关键讨论，事后才发现，那种懊恼感特别强。我就想，如果有个工具能帮我自动读群，把精华提炼出来，该多好。于是我开始动手。说实话，一开始我也没想到能做成现在这样。我只是想解决自己的问题，顺便把技术底座开源出来，让更多人能用上。但做着做着，我发现这件事的意义好像不止于此。我们每天都在被信息淹没，微信群只是其中一个缩影。我们需要的不是更多的信息，而是更少但更精准的信息。「AI 应该帮我们过滤噪音，而不是制造更多噪音」。所以我做了 WeSight，也开源了 wechat-cli。我希望它能帮到和我一样，每天被群消息淹没的人。也希望更多开发者能基于 wechat-cli，做出更多有意思的东西。这个假期，我爆肝了几天，但我觉得值。因为我做了一件自己真正需要的东西，也可能帮到了你。如果你也有同样的痛点，欢迎试试 WeSight。如果你是开发者，欢迎用 wechat-cli 做点有意思的事。「我们一起，让信息回归它该有的样子」。最后要感谢 wechat-decrypt 开源项目为 wechat cli 提供微信数据库解密和数据解析的核心能力。感谢网易 lobster AI 优秀的开源产品。感谢蜗牛提供的技术调研、方案预演、及思路探讨。感谢大家的喜欢。最后要特别感谢下智谱，感谢 GLM5.1。能力上确实很强，在编程及长程任务上表现很好。