用途：project-overview 是 WeReply 项目的背景知识条目，用于让 AI 了解该项目的架构决策、技术选型、集成模式与领域背景，从而在提出修改建议时更贴合项目实际。资料说明该内容会自动加载，供 AI 参考，不能由用户直接调用。
项目定位：WeReply（微信回复建议助手）是一个桌面应用，通过监控微信会话，调用 DeepSeek API 生成 AI 回复建议。系统由 Rust Orchestrator、平台专用 Agent（Windows/macOS）和基于 React 的 Assistant Panel 组成。
主要能力：微信消息实时监控、上下文提取、发送者识别与消息去重；基于上下文的 AI 回复建议，支持正式、友好、幽默等多种风格，建议数量可配置为 1 至 5 条；Assistant Panel 作为浮动窗口跟随微信窗口，实时展示建议并支持一键插入回复；Rust 与 Agent 之间通过 stdin/stdout 的 JSON 协议通信，消息类型包括 MessageNew、InputWrite、HealthCheck，并具备错误处理、重试与崩溃恢复。
技术栈：后端为 Rust 2021、Tauri 2.x、Tokio、reqwest（DeepSeek API 客户端）、specta 2.0 + tauri-specta 2.0（自动生成 TypeScript 类型）、tracing 日志；配置使用系统钥匙串存 API key，JSON 存用户配置。平台 Agent 在 Windows 上使用 Python 3.12 + wxauto v4（UI Automation），在 macOS 上使用 Swift + Accessibility API。前端使用 React 19.1 + TypeScript 5.8、Ant Design 5.26、Tailwind CSS 4.1、TanStack Query 5.17、Vite 7.0。
使用方式：作为自动加载的项目上下文，帮助 AI 在提出变更时理解 IPC 与直连 API 的取舍、平台专用自动化的选择、新增 Tauri 命令的集成模式以及性能优化时的规模考量。
限制：资料未提供完整安装步骤、部署方式、收费信息与平台支持细节，暂未提供。性能目标（如消息监听小于 500ms、Agent 通信小于 100ms、DeepSeek API 小于 3s、UI 响应小于 100ms、窗口跟随小于 200ms、启动小于 2s）为设计目标，实际表现暂未提供。