ChatLab 聊天记录分析工具
本地优先的 AI 聊天记录分析工具，让你真正拥有自己的聊天数据。
证据显示：README 声称本地优先、数据默认不上传，但未提供具体实现细节；测试中 render_chart 工具被设计为只读（拒绝写操作），但未看到用户确认机制；数据流透明度仅停留在声明层面；敏感数据处理（如聊天记录）未见加密或脱敏措施；依赖安全方面，package.json 中依赖版本较新，但未提供漏洞扫描或锁定文件细节；外部影响方面，CLI 可启动本地服务，但未明确权限边界；回滚机制未见；来源归属方面，作者信息存在，但发布者未验证。扣分原因：缺乏用户确认、回滚机制，数据流透明度仅声明，敏感数据处理未具体化。
证据显示：README 与 package.json 描述一致，测试文件展示了集成测试，但未提供完整的测试套件结果；依赖可用性方面，Node.js 版本要求明确，但未提供所有依赖的可用性保证；失败消息方面，测试中有错误断言，但未提供用户友好的错误提示。扣分原因：依赖可用性未充分验证，失败消息仅测试层面。
证据显示：README 明确了目标用户（分析聊天记录的用户）和场景（本地分析），支持多种平台；能力边界方面，列出了支持的消息平台，但未明确 AI 工具的具体限制；触发精度方面，CLI 命令有明确参数，但未提供详细的触发条件；环境适配方面，支持桌面和 CLI，但未提供所有操作系统的详细说明。扣分原因：能力边界和触发精度不够详细。
证据显示：README 结构清晰，包含安装、使用、架构等；安装说明详细，包括桌面和 CLI；命名方面，项目名称和包名一致，但版本号在 package.json 中为 0.35.0，而 README 未提及；示例和 FAQ 方面，提供了快速开始和故障排除链接，但未在仓库内提供完整示例；已知限制方面，README 提到即将支持 Messenger 和 KakaoTalk，但未列出其他限制；许可证为 AGPL-3.0，符合；版本变更日志方面，有 changelogs 目录，但未在 README 中明确；维护责任方面，有贡献指南，但未明确维护者。扣分原因：命名稳定性、已知限制、维护责任不够明确。
证据显示：输出可用性方面，提供了可视化视图和 CLI 输出，但未提供具体输出格式；边际价值方面，AI 分析功能提供了额外价值，但未与其他工具对比；成本效益方面，开源免费，但未提供性能数据。扣分原因：成本效益缺乏数据支持。
证据显示：README 中的声明（如本地优先）有部分测试支持（如只读测试），但未提供完整的可追溯性；跨来源验证方面，未提供外部验证；事实与推断分离方面，README 中的声明多为推断，未明确区分。扣分原因：声明可追溯性不足，跨来源验证缺失。
- 发布者身份未验证，需谨慎对待。
- 数据流透明度和敏感数据处理仅停留在声明层面，建议查看实际代码实现。
- 未提供用户确认机制和回滚机制，可能影响数据安全。
- 依赖安全未提供漏洞扫描信息，建议检查依赖版本。
这个 Agent 能做什么，适合哪些场景？
ChatLab 是一款开源桌面应用，用于理解你的社交对话。它结合了灵活的 SQL 引擎与 AI 智能体，支持 WhatsApp、LINE、QQ、Discord、Instagram、Telegram、iMessage 和 Google Chat 等平台的聊天记录导入与分析。所有数据默认保存在本地，无需强制上传原始对话。内置 24 种以上的 AI 工具，可通过函数调用实现搜索、总结和分析。提供多维度可视化视图，展示趋势、时间模式、互动频率和排行等。采用跨平台归一化模型，统一不同导出格式。支持桌面应用和 CLI 两种使用方式。
ChatLab 提供了桌面应用和 CLI 两种界面。桌面应用基于 Electron 构建，CLI 命令通过 chatlab start 启动 API 和 Web UI。它读取各种聊天应用的导出文件，经过格式检测、流式解析、本地持久化，然后通过 SQL 和 AI 查询进行分析，最终生成可视化视图。核心功能包括：使用 SQL 引擎进行灵活查询，通过内置的 24 种以上工具（如搜索、总结、分析）进行 AI 操作，以及展示趋势、时间模式、互动频率、排行等洞察。支持跨平台数据归一化，将不同导出格式映射到统一模型。数据流分为五个阶段：格式检测、流式解析、本地持久化、SQL 与 AI 查询、可视化。CLI 支持 --daemon 模式运行系统服务，并可用 chatlab status 和 chatlab stop 管理服务。
- 社交媒体研究者需要分析数百万条 WhatsApp 或 Telegram 消息，以识别互动模式和趋势。
- 个人用户希望深度了解自己的聊天历史，例如查看与好友的互动频率和活跃时间段。
- 客服团队需要从 Discord 或 Instagram 的聊天记录中提取常见问题和客户反馈。
- 数据分析师希望通过 SQL 查询自定义分析自己的聊天数据，并结合 AI 进行总结。
- 隐私敏感的用户希望在本地分析聊天记录，避免将数据上传到云端。
这个 Agent 有哪些优点和局限？
- 本地优先，数据默认不上传，隐私保护强。
- 支持多种主流聊天平台，导入格式归一化。
- 结合 SQL 引擎和 AI 工具，分析灵活且强大。
- 流式解析与多工作进程，处理百万级消息仍保持流畅。
- AGPL-3.0 许可证可能不适合某些商业用途。
- CLI 需要 Node.js 20+，开发环境要求 Node.js 24 和 pnpm 9，配置要求较高。
- AI 功能依赖外部模型，可能产生额外的 API 费用。
- 不支持 Messenger 和 KakaoTalk，覆盖范围有限。
如何安装或部署这个 Agent？
桌面应用：从官方网站 https://chatlab.fun/ 或 GitHub Releases 下载对应操作系统的安装包，双击安装。CLI：确保 Node.js >= 20，然后运行 npm i chatlab-cli -g 全局安装。开发模式：需要 Node.js >= 24 < 25，pnpm >= 9 < 10，克隆仓库后运行 pnpm install 和 pnpm dev。
如何使用这个 Agent？
CLI 用法：运行 chatlab start 启动 API 和 Web UI，会自动打开浏览器；chatlab start --no-open 跳过自动打开；chatlab start --headless 仅启动 API（用于脚本或 AI 智能体）。常用选项：--port <port>（默认 3110）、--host <address>、--token <token>。要作为后台服务运行，使用 chatlab start --daemon（ macOS / Linux ），并用 chatlab status 和 chatlab stop 管理。桌面应用可直接导入聊天记录导出文件，按照引导进行操作。