# 微信群聊消息采集器

自动扫描所有微信群聊，增量采集新消息，存入 MySQL，媒体文件上传腾讯 COS。

## 前置条件
0. 安装 wechat-cli
cd wechat-cli
pip install -e .

微信版本建议 4.1.6 或 4.1.8

1. **微信已登录** 且 `wechat-cli` 已初始化：
   ```bash
   sudo wechat-cli init
   ```

2. **安装依赖**：
   ```bash
   pip3 install pymysql cos-python-sdk-v5
   ```

## 快速启动

```bash
cd /Users/makee/Documents/cris/workspace/wechat-cli

# 查看所有群聊
python3 collect_chats.py groups

# 一次性扫描（测试用）
python3 collect_chats.py scan

# 守护模式（持续运行）
python3 collect_chats.py daemon

# 查看采集统计
python3 collect_chats.py status

# 停止采集某个群
python3 collect_chats.py disable "广告群"

# 恢复采集
python3 collect_chats.py enable "广告群"
```

## 扫描策略

采集器使用自适应频率扫描：

| 活跃度 | 条件 | 扫描间隔 |
|--------|------|----------|
| HOT    | 最新消息 < 5 分钟 | 60 秒 |
| WARM   | 最新消息 < 1 小时 | 5 分钟 |
| COLD   | 无近期消息 | 逐步退避至 30 分钟 |

- 每轮最多扫描 5 个群，群间随机延迟 0~3 秒
- 每 5 分钟重新发现新群聊
- 支持白名单/黑名单过滤（正则匹配）

## 自定义配置

创建 `~/.wechat-cli/collect-chats/config.json`（可选，所有字段都有默认值）：

```json
{
  "min_interval": 60,
  "base_interval": 300,
  "max_interval": 1800,
  "batch_size": 5,
  "messages_per_scan": 200,
  "whitelist": [],
  "blacklist": ["广告群", ".*测试.*"]
}
```

## 数据存储

- **消息** → MySQL `vala_test.wechat_group_message` 表
- **媒体文件**（语音/视频/文件）→ 腾讯 COS `vala_llm/user_feedback/wechat/类型/YYYY-MM/`
- **图片** → 暂不采集（微信 V2 AES 加密限制）

## 后台运行

```bash
# nohup 方式
nohup python3 collect_chats.py daemon > collector.log 2>&1 &

# 查看日志
tail -f collector.log

# 停止
kill $(pgrep -f "collect_chats.py daemon")
```