用途
微信朋友圈AI雷达是一个完整的自动化内容采集与分析系统，核心流程为：微信朋友圈滚动截图 → AI视觉提取内容 → 存储数据库 → AI分类聚合分析 → 生成结构化简报。目标是一次采集约300条帖子，耗时约15-20分钟。
主要能力
- 自动化采集：通过PyAutoGUI模拟滚动和截图，采集朋友圈内容。
- AI视觉提取：从截图中提取朋友圈文字内容。
- 数据存储：使用SQLite数据库存储采集内容，包含作者、内容、点赞、评论、分类、关键词、人物、公司、商机、情感、摘要等字段。
- AI分类聚合分析：对内容进行分类和聚合分析。
- 简报生成：生成Markdown格式日报，并可转换为Word文档（A4横向，蓝色主题）。日报结构包括热门关键词、热门分类（AI/活动/创业/SaaS/出海/促销）、商机发现（AI合作/合作需求/创业动态/投资动态）、高频人物、AI总结。
- 定时任务：支持每日定时自动运行，例如每天21:00执行。
使用方式
项目路径为 ~/wechat_ai_radar/。
安装依赖：
cd ~/wechat_ai_radar && uv sync
核心依赖包括 pyautogui、Pillow、python-dateutil、openai、httpx、APScheduler。
方式一：完整采集流程（采集 + 分析 + 简报）
cd ~/wechat_ai_radar && uv run python run_300.py
流程：自动打开/激活微信 → 执行150次滚动截图（约300条帖子）→ AI视觉提取内容存入 moments.db → AI聚合分析 → 生成简报（Markdown格式）。
方式二：仅采集截图（不分析）
cd ~/wechat_ai_radar && uv run python -c "
from automation.open_wechat import WeChatOpener
from automation.scroll_moments import MomentsScroller
import config
opener = WeChatOpener()
opener.activate_wechat()
scroller = MomentsScroller(scroll_count=50, scroll_interval=1.5)
screenshots = scroller.scroll_full(capture=True)
print(f'截图完成: {len(screenshots)} 张')
"
方式三：基于已有数据生成简报
cd ~/wechat_ai_radar && uv run python reports/generate_daily_report.py
方式四：app.py 多模式运行
# 仅滚动截图
uv run python app.py scroll
# OCR文字提取（需要paddleocr）
uv run python app.py ocr
# AI分析已有数据
uv run python app.py analyze
# AI总结
uv run python app.py summarize
# 生成日报
uv run python app.py report
# 启动定时任务（每天21:00自动运行）
uv run python app.py schedule --hour 21 --minute 0
生成Word版日报：
cd ~/wechat_ai_radar && uv run python reports/daily_report_to_docx.py
核心架构
| 模块 | 路径 | 功能 |
|---|---|---|
| config.py | ~/wechat_ai_radar/config.py | 全局配置（坐标、API、日志等） |
| app.py | ~/wechat_ai_radar/app.py | 主程序入口，支持多模式运行 |
| run_300.py | ~/wechat_ai_radar/run_300.py | 采集300条帖子完整流程脚本 |
| automation/ | automation/scroll_moments.py | PyAutoGUI模拟滚动截图 |
| extractor/ | extractor/moments_extractor.py | AI视觉从截图提取朋友圈内容 |
| db/ | db/database.py | SQLite数据库读写 |
| ai/ | ai/classify.py, ai/summarize.py | AI分类和聚合分析 |
| reports/ | reports/daily_report.py | 日报生成器 |
关键配置参数
朋友圈窗口坐标（已校准）：
WECHAT_MOMENTS_FALLBACK_X = 0 # 朋友圈窗口x坐标（屏幕左上角）
WECHAT_MOMENTS_FALLBACK_Y = 0 # 朋友圈窗口y坐标
WECHAT_CONTENT_WIDTH = 550 # 内容区宽度
WECHAT_CONTENT_HEIGHT = 969 # 内容区高度
滚动鼠标目标 = (275, 484) # 内容区中心
滚动参数：
SCROLL_COUNT = 50 # 默认滚动次数
SCROLL_INTERVAL = 1.0 # 滚动间隔（秒）
SCROLL_AMOUNT = -300 # 每次滚动像素量（负值=向上）
SCROLL_MOUSE_CLICKS = 3 # 每次滚动执行几次scroll调用
AI API配置：
AI_API_URL = "https://api.qingyuntop.top/v1" # 青禾聚合API
AI_API_KEY = config.AI_API_KEY # 从config读取
AI_MODEL = "gpt-4o-mini"
AI_MAX_TOKENS = 4000
AI_TEMPERATURE = 0.7
AI_REQUEST_DELAY = 1.0 # API请求间隔（秒）
AI_BATCH_SIZE = 10 # 每批处理数量
数据文件路径
| 用途 | 路径 |
|---|---|
| 数据库 | ~/wechat_ai_radar/data/moments.db |
| 截图目录 | ~/wechat_ai_radar/screenshots/ |
| 报告目录 | ~/wechat_ai_radar/reports/ |
| 日志目录 | ~/wechat_ai_radar/logs/ |
| 最新提取数据 | ~/wechat_ai_radar/data/extracted_YYYYMMDD_HHMMSS.json |
数据库结构
moments 表字段：id, content, author, image_path, created_at, hash, likes, comments, is_analyzed, category, keywords, people, companies, business_opportunity, sentiment, summary。
读取数据示例：
from db.database import Database
from db.storage import Storage
db = Database()
storage = Storage(db)
moments = storage.get_recent(days=7, limit=100)
for m in moments:
print(f"[{m.author}] {m.content[:50]}")
已封装的便捷脚本
- reports/generate_daily_report.py：输入 extracted_*.json 文件，输出 Markdown 格式日报 + Word 文档，框架为热门关键词/分类/商机/人物/AI总结。
- reports/daily_report_to_docx.py：将日报数据转换为 Word 文档（A4横向，蓝色主题）。
- extract_and_analyze.py：批量处理截图 → AI提取 → 存入数据库。
适用场景
- 需要定期监控微信朋友圈热点话题和趋势的个人或团队。
- 希望从朋友圈内容中发现商机、合作需求、创业动态和投资动态的用户。
- 需要自动化生成朋友圈内容简报的场景。
已知限制
- 窗口必须可见：朋友圈窗口需在屏幕上可见（不能最小化）。
- 坐标依赖屏幕布局：已校准为 (x=0, y=0) 屏幕左上角布局。
- Mac专属：使用PyAutoGUI + macOS特定配置。
- OCR可选：paddleocr未安装时跳过OCR，使用AI视觉提取替代。