数字工具实践录

从 WeFlow 到 Amber：自托管聊天数据工作流

2026-08

微信聊天记录是一座被低估的个人数据金矿。市面上有不少导出工具，但从"导出"到"可用"之间还有很长的路。这篇文章记录我搭建的完整链路。

问题

WeFlow 能导出聊天记录，但导出后的数据是半结构化的 HTML，既不方便程序处理，也不适合长期版本管理。我需要的形态是：线性文本、可 diff、可标注、可被 AI 工具直接消费。

方案

整个链路分三层：

• 数据层（Data.Chat）：把 WeFlow 导出规范化为 JSONL 分片，每条消息有稳定 ID 和确定性序列化。原始媒体文件按内容寻址缓存，不进 Git。
• 引擎层（Engine）：负责导入、转换、索引。Studio 提供浏览器界面做人工标注和浏览，支持约 30 个会话、37.6 万条消息。
• 知识层（Knowledge）：Markdown 文档，受 Git 版本管理。研究结论必须引用稳定证据 ID，不直接保存原始聊天副本。

为什么自托管

云服务意味着把私密的聊天记录交给第三方。自托管的核心动机不是成本，而是控制权：数据不出局域网，版本管理完全在私有仓库里，生产环境通过不可变快照消费，本地编辑和生产执行解耦。

DGX Spark 提供本地 AI 推理能力（20 核 CPU + GB10 GPU），Mac mini 作为编辑和标注工作站，腾讯云 VPS 只承载静态站点和网关。三台机器通过 Tailscale 组网，不依赖任何公网数据传输。