IT之家 6 月 9 日消息，据 404 Media 报道，1999 年，美国得克萨斯州泰勒市一位农户以象征性的 10 美元价格，将当地 87 英亩（IT之家注：约 35.2 公顷）土地捐赠给市政府，地契中明确要求这片土地必须用作社区公园。2025 年，该地块以 1000 万美元（现汇率约合 6794.8 万元人民币）的价格被卖给了一家数据中心开发商。周边居民多次发起法律诉讼，试图叫停这项大型建设项目，但开发商均胜诉。如今，满心不满的当地居民准备向上诉法院提起诉讼。 为理清整件事的来龙去脉，需要先回到 1999 年这份 10 美元地契签署之时。404 Media 采访了在当地居住多年的帕梅拉・格里芬。她儿时常在这片农田上玩耍，也看着自己的孩子在这里无忧无虑地长大。格里芬回忆，这片土地的原主人布兰德老先生过去时常和她的父亲闲谈。据她讲述，布兰德曾对她父亲说：“我看孩子们实在没什么玩耍的地方。”他接着说道：“我打算把这块地捐出来改造成公园，孩子们需要一处玩乐的空间。” 如今，1999 年 7 月签署的原始地契被重新找出，这位农户也确实兑现了自己的承诺。下面用时间线梳理整件事的发展脉络： 1999 年之前：农户向邻里许下承诺，将土地用作公园 1999 年 7 月 7 日：布兰德以 10 美元的价格，把土地转让给非营利公共信托机构得克萨斯公园与娱乐基金会，约定土地仅限用作公园 2003 年：得克萨斯公园与娱乐基金会将土地转交给另一非营利组织威廉森县公园基金会 2003 年（时隔一个月）：威廉森县公园基金会把土地移交至泰勒市政府 2008 年：泰勒市政府以 1.5 万美元将土地出售给泰勒经济发展公司 2025 年：泰勒经济发展公司将地块作价 1000 万美元，卖给数据中心开发商蓝图公司（Blueprint） 整件事一波三折，争议双方都有着切身利益牵扯。简单来说，居民们担心家门口修建数据中心会带来诸多负面影响，同时认为原始地契的约定遭到了背弃，而在地契效力备受重视的得克萨斯州，这是一个原则性问题。市政府则表示，该地块本就位于城市规划建设区内，政府无权叫停此类开发项目，且项目带来的巨额税收最终也会惠及全体市民。 2025 年，当地居民自发宣传抗议时，格里芬才得知这片土地要兴建一座占地 13.5 万平方英尺的数据中心。那时她甚至都不清楚数据中心是什么，和家人查阅资料后，愈发不愿让这样一座建筑落户在家门口。 格里芬等居民担忧项目会污染空气、水源，造成用电负荷激增并产生噪音污染。居民们致函市议会后，对方承诺会采取措施，最大限度降低对周边居民健康的影响，具体举措包括修建隔离墙、优化绿化布局、采用闭环水冷系统，同时由开发商自建变电站。 除了上述隐患，数据中心也可能拉低周边住宅的转售价格。但市议会称，未来十年该项目预计能为当地新增 3000 万美元税收，其中 2000 万美元将划拨给学区，会为区域发展带来利好。 市议会还表示，自身无力阻止这项数据中心建设，相关内容也公示在议会官网的常见问题解答板块中。404 Media 经调查发现，政府之所以难以干预，核心原因是该地块早已被划定为就业中心用地。按照规定，市政府仅能管控建筑外观，无权更改土地使用性质。不过，目前开发商尚未拿到当地的规划许可与建筑施工许可。 由于市议会未能给出令居民满意的答复，格里芬一家聘请了律师。此后双方接连陷入法律纠纷，截至目前，法院判决均偏向蓝图公司。即便如此，格里芬及其家人仍决定向得克萨斯州奥斯汀市第三上诉法院提起上诉。 在得克萨斯州，地契具备极强的法律效力。反对建设数据中心的民众找到了 1999 年 7 月 7 日的原始地契，并将文件内容发布在 404 Media 网站上。这份法律文书明确写明，这片 87.97 英亩的土地“由受托方代管，永久用作公园用地”。 格里芬坚持维权的核心想法是：“我抗争不只是因为这里要建数据中心，更是因为这块地当初明明被划定为公园。”在她看来，地契约定必须遵守，社区本就该拥有一座公园。
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
人生的十年有多快 | 778801.xyz 人生的十年有多快 - 十年之约 一个为期十年的约定，共同见证时间如流水。 虽然我的网站没有被任何一个搜索引擎收录，可能是纯数字域名的问题 但是我还是希望大家能留下你的梦想 生活的点滴 整了一个十年计时留言网 搞七捻三 [image] 人生的十年有多快 | 778801.xyz 欢迎各位佬友留下足迹 陪伴度过十年 人生有多少十年呢 希望各位佬友可以分享出去 让更多人一起陪伴这场十年之旅 网站重构了一下样式,新增友链页面 1 个帖子 - 1 位参与者 阅读完整话题
翻聊天记录发现客户的承诺、朋友的约定全沉底了。(其实是自己精力太低了) 微信聊天记录作为个人价值最高的隐私之一 确实价值很高。 甚至可以直接给小龙虾或者爱马仕等有定时任务的 AI agent 每天给你推送当天的总结以及忘记回的消息。 从微信 Mac 加密数据库里提取聊天记录，然后给你： 谁跟你聊最多、什么时候最活跃 自动识别客户线索，给每个联系人打商机分和风险分(纯主观 你可以自己改造) 情绪分布、MBTI 猜测、你的口头禅和说话风格 工作人格 vs 生活人格的双面分析 我自己只试了 macOS 微信 Mac 4.x 。其他版本自行探索。 MBTI 和情绪分析是关键词规则，图一乐。 github 地址: https://github.com/caigee-cmd/wechat-insight
翻聊天记录发现客户的承诺、朋友的约定全沉底了。(其实是自己精力太低了) 微信聊天记录作为个人价值最高的隐私之一 确实价值很高。 甚至可以直接给小龙虾或者爱马仕等有定时任务的 AI agent 每天给你推送当天的总结以及忘记回的消息。 从微信 Mac 加密数据库里提取聊天记录，然后给你： 谁跟你聊最多、什么时候最活跃 自动识别客户线索，给每个联系人打商机分和风险分(纯主观 你可以自己改造) 情绪分布、MBTI 猜测、你的口头禅和说话风格 工作人格 vs 生活人格的双面分析 我自己只试了 macOS 微信 Mac 4.x 。其他版本自行探索。 MBTI 和情绪分析是关键词规则，图一乐。 github 地址: https://github.com/caigee-cmd/wechat-insight
翻聊天记录发现客户的承诺、朋友的约定全沉底了。(其实是自己精力太低了) 微信聊天记录作为个人价值最高的隐私之一 确实价值很高。 甚至可以直接给小龙虾或者爱马仕等有定时任务的 AI agent 每天给你推送当天的总结以及忘记回的消息。 从微信 Mac 加密数据库里提取聊天记录，然后给你： 谁跟你聊最多、什么时候最活跃 自动识别客户线索，给每个联系人打商机分和风险分(纯主观 你可以自己改造) 情绪分布、MBTI 猜测、你的口头禅和说话风格 工作人格 vs 生活人格的双面分析 我自己只试了 macOS 微信 Mac 4.x 。其他版本自行探索。 MBTI 和情绪分析是关键词规则，图一乐。 github 地址: https://github.com/caigee-cmd/wechat-insight