微信群记录自动分析 Skills 调研报告
生成时间:2026-05-29
调研范围:~/.claude/skills/ (共291个skills)
一、调研结论
结论:当前仓库中不存在微信群记录自动分析相关的skills。
在291个本地skills中,通过关键词搜索:
wechat,weixin,群,记录,chat,message等关键词- 无任何匹配结果
二、现有相关Skills分析
虽无直接相关,但有2个可参考的分析类skills:
2.1 exploratory-data-analysis (EDA)
功能定位:科学数据文件探索性分析
| 维度 | 描述 |
|---|---|
| 支持格式 | 200+ 科学文件格式(化学、生物、显微镜、光谱等) |
| 核心能力 | 自动检测文件类型、提取元数据、质量评估、生成markdown报告 |
| 输入 | 科学数据文件路径 |
| 输出 | 详细的EDA报告 |
与微信记录分析的差异:
- EDA专注科学数据格式,不支持聊天记录解析
- 无文本语义分析能力
- 无社交网络分析功能
2.2 statistical-analysis
功能定位:统计假设检验与报告
| 维度 | 描述 |
|---|---|
| 核心能力 | t检验、ANOVA、回归、贝叶斯分析、效应量计算 |
| 输入 | 结构化数值/分类数据 |
| 输出 | APA格式统计报告 |
与微信记录分析的差异:
- 假设检验导向,不适合文本挖掘
- 无情感分析、主题建模等NLP功能
三、微信群记录分析需求拆解
假设"隐天记录"为微信群聊记录,核心分析维度:
┌─────────────────────────────────────────────────────────┐
│ 微信群记录自动分析需求 │
├─────────────────────────────────────────────────────────┤
│ 数据获取 │
│ ├── 微信聊天记录导出(XML/CSV/TXT) │
│ ├── 微信桌面端数据抓取 │
│ └── 第三方工具数据接入 │
├─────────────────────────────────────────────────────────┤
│ 数据解析 │
│ ├── 多种格式解析(微信导出、备份文件、抓取数据) │
│ ├── 消息类型识别(文本/图片/语音/视频/链接/小程序) │
│ └── 用户信息提取 │
├─────────────────────────────────────────────────────────┤
│ 内容分析 │
│ ├── 文本语义分析(情感分析、主题提取) │
│ ├── 关键词提取与词频统计 │
│ ├── 消息趋势时序分析 │
│ └── 群活跃度分析 │
├─────────────────────────────────────────────────────────┤
│ 社交网络分析 │
│ ├── 成员互动网络构建 │
│ ├── 影响力/中心性分析 │
│ └── 社群发现 │
└─────────────────────────────────────────────────────────┘
四、Skills缺失分析
| 能力维度 | 现有覆盖 | 缺失原因 |
|---|---|---|
| 聊天记录解析 | ❌ | 专有格式,官方未开放API |
| 文本NLP分析 | ⚠️ 部分 | statistical-analysis仅统计,非语义 |
| 社交网络分析 | ❌ | 无graphanalytics类skill |
| 多媒体消息处理 | ❌ | 无mediaanalytics类skill |
| 时序模式挖掘 | ⚠️ 部分 | exploratory-data-analysis含时序,但非聊天场景 |
五、Skills开发建议
方案A:构建完整微信群分析Skill
wechat-group-analytics/
├── SKILL.md # 技能定义文档
├── scripts/
│ ├── parser.py # 聊天记录解析器
│ ├── nlp_analyzer.py # NLP分析模块
│ ├── network_builder.py # 社交网络构建
│ └── report_generator.py # 报告生成器
├── references/
│ ├── supported_formats.md # 支持的导出格式
│ └── metrics_glossary.md # 指标说明
└── assets/
└── report_template.md # 报告模板
核心功能:
- 解析微信导出的聊天记录(txt/csv/json/xml)
- 文本语义分析(情感、主题、关键词)
- 群活跃度统计与可视化
- 成员互动网络分析
- 自动生成分析报告
方案B:基于现有Skills组合
利用现有skills构建分析流程:
| 步骤 | 可用Skill | 作用 |
|---|---|---|
| 1. 数据清洗 | exploratory-data-analysis |
格式检测与预处理 |
| 2. 文本分析 | statistical-analysis |
基础统计分析 |
| 3. 高级NLP | transformers |
情感分析、主题建模 |
| 4. 可视化 | matplotlib/scientific-visualization |
图表生成 |
| 5. 报告 | stat-writing |
自动化报告撰写 |
六、关键挑战
- 数据获取合法性:微信数据抓取可能违反ToS,需用户自行导出
- 格式多样性:微信导出格式不统一(手机端/PC端/第三方工具)
- 隐私合规:分析结果涉及群成员隐私,需谨慎处理
七、下一步行动建议
- 如需开发完整Skill:建议先明确数据来源(哪种导出格式)和分析目标
- 如采用组合方案:可先用
exploratory-data-analysis+transformers验证可行性 - 数据准备:确认微信记录导出格式,提供样本数据供测试
附录:相关Skills快速参考
| Skill名称 | 路径 | 潜在用途 |
|---|---|---|
| exploratory-data-analysis | ~/.claude/skills/exploratory-data-analysis/ | 数据清洗与质量评估 |
| statistical-analysis | ~/.claude/skills/statistical-analysis/ | 基础统计分析 |
| transformers | ~/.claude/skills/transformers/ | 情感分析、文本分类 |
| exploratory-data-analysis | ~/.claude/skills/exploratory-data-analysis/ | 时序数据可视化 |
| statistical-analysis | ~/.claude/skills/statistical-analysis/ | 假设检验与效应量 |