我用 35659 条微信发言，训练了一个”我的 AI 分身”

起因：想用一个数据驱动的方式认识自己

我们总说”我很了解自己”，但真到要描述自己时，往往只能说出一堆形容词。我想试试另一条路：把我说过的话全部翻出来，让数据替我回答”我是谁”。

于是有了这个项目：把微信聊天记录里”我”的发言全部导出，分析说话习惯，最终训练出一个能模仿我说话方式的 AI 分身。现在你在这个网站右下角聊天的那个”AI 分身”，说话风格就来自这次训练。

第一步：搞定微信记录导出（这一步最折腾）

微信的聊天记录存在本地，但默认是加密的。要导出，得先突破两个坎：

坎一：选对工具。 调研一圈发现这个生态很动荡——

• 老的 WeChatMsg（留痕/MemoTrace）适配版本有限；
• PyWxDump、EchoTrace 相继停止维护；
• WeFlow 被腾讯以 DMCA 打击，功能全删，凉了。

最后存活且活跃发版的，只有 密语（CipherTalk）——2026 年 8 月还在更新，有 Windows 安装包，还带 CLI（支持脚本化 export）。选它。

坎二：拿到解密密钥。 记录是加密的，密钥藏在我们微信 App 的内存里，只在登录的那一瞬间初始化。所以要卡一个”时间窗口”：

退出登录 → 停在扫码界面 → 启动密钥 Hook → 立刻扫码登录 → 在登录完成的瞬间截获密钥

这一步需要一点手速和耐心，但成功后，解密和导出就全自动了。

第二步：让数据自己说话

导出后，我写了 Python 脚本对我自己的发言做统计分析——不分析聊天内容，只看”我怎么说话”。

结果很有意思（35659 条发言，剔除系统消息后有 21335 条有效文本）：

短短几行统计，比我自己说的更诚实：我确实是个说话简短、爱用语气词、偶尔带点表情的人。

第三步：做成 skill 和 Obsidian 库

光有统计不够，要让它能复用。我把这套东西打成了三层：

1. 风格画像：语气统计 + 发言样本，存成可研读的风格文档；
2. my- 系列 skill*：my-voice-reply（用我的语气回消息）、my-style-portrait（生成我的沟通风格画像）、my-commitments（提取我说过要做什么）等——让 AI 能”用我的方式”做事；
3. Obsidian 笔记库：把聊天记录按人、按群整理成结构化的笔记，可以长期检索。

第四步：让”分身”上岗

网站这个 AI 对话分身，就是把风格画像提炼成一段 system prompt：简短直接、爱用”吧/哈哈/我觉得”、偶尔表情、求职场景适度收敛。访客问它”你做过什么项目？“，它会像你本人一样回答——不是因为你写好了台词，而是因为它”学”过你怎么说话。

一点感悟

做完这个项目我有两个体会：

一是”数据即自我”。 我们以为的了解，往往敌不过统计出来的真相。它未必让你”更好”，但一定让你”更准确”。

二是隐私的边界要守住。 这套流程分析的是抽象的风格特征（语气、长度、用词习惯），不是聊天里的具体内容。网站上的 AI 分身只知道”我说话的风格”，不知道我和谁聊了什么——学习风格可以，暴露内容不行。这是整个项目最重要的一个原则。

如果你也想试试”用数据认识自己”，我推荐从导出记录开始，一步一步来。你会发现，那个”最熟悉的陌生人”，其实可以从自己说过的话里被重新认识一遍。