n8n-微信群聊一键整理！n8n+AI自动生成日报

1- 微信群聊一键整理！n8n+AI 自动生成日报

昨晚睡前群消息还是几十条，一觉醒来直接 999+…

你是不是也有这种体验：

技术群里讨论了一整天 AI 模型的训练技巧，但被各种表情包、闲聊冲散了；

工作群里老板发了重要通知，结果被淹没在一堆 " 收到 " 里；

好不容易找到个高质量学习群，想回顾下昨天的精彩讨论，翻了半天消息愣是没找到。

作为一个重度群聊用户，我受够了每天无意义的 " 爬楼 "。于是花了 1 个周末，用 n8n 搭了个自动化系统，让 AI 帮我整理群聊精华：

自动提取有价值的讨论内容
生成可视化报表：谁最活跃、哪些话题最热
输出精美的 HTML 页面，手机电脑都能看
每天定时运行，再也不用手动整理

效果？简直不要太爽！

微信群聊日报效果图

从此告别无效爬楼！科技改变生活，自动化解放双手。

废话不多说，直接上保姆级教程。

[视频：微信群聊一键整理！n8n+AI 自动生成日报]

开始阅读前，我把这套微信群聊 AI 日报系统做成一个 AI 播客 ，两个 AI 主播用对话形式讲解 n8n 工作流搭建技巧。 先听播客再看文章，上手更轻松!

[AI 播客：AI 自动化整理微信群聊内容 - 作者：林月半子的 AI 笔记 - 时长：7 分钟]

本播客由扣子空间（space.coze.cn）一键生成

项目地址：

https://github.com/lqshow/awesome-n8n-workflows/tree/main/workflows/wechat-daily-report

1.1- 第一步：安装配置 Chatlog

Chatlog[^1]——这个神器级聊天记录工具，能够让我们轻松驾驭微信庞大的聊天数据库。

1.1.1- 安全性说明

首先回答大家最关心的问题：使用 Chatlog 会有封号风险吗？

它只是读取本地数据库，没有任何写入操作。如果不使用机器人功能，安全性极高。

★

作者在这个 GitHub issue 中详细解释了技术原理 (可直接定位源码)：https://github.com/sjzar/chatlog/issues/2

1.1.2- 下载安装

访问 GitHub Releases[^2] 页面，根据操作系统选择相应安装包。有技术能力的同学也可以直接通过源码编译安装。

下载页面

1.1.3- 运行程序

下载完成后，直接在终端执行二进制文件。

MacOS 用户注意：初次运行可能遇到 “chatlog” Not Opened 的安全提示。

安全提示

解决方案简单粗暴：

系统偏好设置 → 安全性与隐私 → 通用
找到被阻止的应用信息
点击 " 仍要打开 " 按钮

允许打开应用

然后在终端运行：

$(pwd)/chatlog

成功启动后，你会看到如下界面。特别关注 Version 字段——这是本地微信版本号，后续获取密钥时会用到。

Chatlog启动成功界面

1.1.4- 获取数据密钥

⚠️ 微信版本兼容性
不同微信版本的密钥获取成功率存在差异。如果遇到获取失败，可参考这些 issue 调整版本：

https://github.com/sjzar/chatlog/issues/46

https://github.com/sjzar/chatlog/issues/131

版本确认无误后，直接执行密钥获取操作。MacOS 用户记得先关闭系统保护（SIP）。

密钥获取操作界面

通常 20 秒左右，密钥获取成功！

密钥获取成功提示

1.1.5- MacOS 专项：关闭 SIP 系统保护

Mac 用户需要额外步骤——临时关闭 SIP（系统完整性保护）。

Step 1: 进入恢复模式

Intel 芯片 Mac：关机后重新开机，立即按住 Command（⌘）+ R，看到苹果标志或进度条再松手。

Apple Silicon Mac：完全关机后，按住电源键直到看到 " 正在载入启动选项 "，选择 " 选项 " > " 继续 "。

启动选项

选择用户并输入密码。

选择用户

Step 2: 打开终端

恢复模式下，点击顶部菜单栏 " 实用工具 "，选择 " 终端 "。

打开终端

Step 3: 关闭 SIP

执行命令：

# 完全关闭 SIP
csrutil disable

看到 “System Integrity Protection is off” 提示即为成功。

Step 4: 重启 Mac

正常系统中验证 SIP 状态：

➜ csrutil status
System Integrity Protection status: disabled.

★

重要提醒：

获取密钥成功后，务必重新启用 SIP！再次进入恢复模式，执行 csrutil enable，重启后通过 csrutil status 验证。

1.1.6- 解密数据与启动服务

密钥获取成功后，进入数据解密环节。操作极其简单。

解密数据
启动服务

数据解密完成后，启动 HTTP 服务：

HTTP服务启动

看到 "HTTP Server 已启动 " 状态，说明 Chatlog 部署成功。可通过访问 http://localhost:5030/ 确认服务正常。

服务正常页面

1.2- 第二步：配置 n8n 工作流

1.2.1- 本地部署 n8n

考虑到微信聊天数据的高度隐私性，我们选择本地部署 n8n 实例。使用 Docker 是最简便的方案：

docker volume create n8n_data

docker run -it --rm \
    --name n8n \
    -p 5678:5678 \
    -e GENERIC_TIMEZONE=Asia/Shanghai \
    -e N8N_ENFORCE_SETTINGS_FILE_PERMISSIONS=true \
    -v n8n_data:/home/node/.n8n \
    docker.n8n.io/n8nio/n8n:1.94.1

1.2.2- Chatlog 与 n8n 的集成魔法

官方支持 MCP SSE 协议，使用便捷。但这里有个关键坑点：官方文档示例使用客户端如 ChatWise 或 Cherry Studio，如果我们也直接配置 http://127.0.0.1:5030/sse 作为 SSE 地址：

错误的SSE地址配置

你只要一运行，必然报错！

连接错误

though 呢？因为它连不上啊！

问题根源：n8n 运行在 Docker 容器中，Chatlog 运行在宿主机上。容器无法直接访问 localhost 服务。

解决方案：Docker 提供了特殊域名 host.docker.internal，专门用于容器访问宿主机服务。

工作原理：Docker 自动将此域名解析到宿主机内部 IP。在容器内通过 host.docker.internal:端口号 访问宿主机服务。

所以我们只要将配置改成这样子即可。

正确的SSE地址配置

如果 Mac 用户用的是OrbStack：它完全兼容 Docker Desktop 特性，也可使用自家域名 host.lima.internal。

localhost 强迫症患者：运行容器时使用 host 网络模式即可。

1.2.3- 功能验证测试

★

测试提示词：

2025 年 6 月 14 号，n8n 学习交流这个群里都聊了什么？总结成无序列表，按照讨论热度排序。

[视频：功能验证测试]

ok！测试结果显示功能正常！

到此为止，我们的准备工作算是告一段落了，现在我们开始真正的做一个一键自动生成日报的工作流，来解决我们最初说的痛点！

1.3- 第三步：构建群聊日报工作流

看到这张工作流图了吗？看起来复杂，实际上逻辑清晰得很。

工作流概览

每个节点都有自己的 " 使命 "。有的负责定时触发，有的专门处理数据，还有的负责最终的美化输出。就像一条精密的生产线，原材料是杂乱无章的群聊记录，最终产品是结构化的精美日报。

但别被这些节点数量吓到。我们一个一个来拆解。

1.3.1- Schedule Trigger（定时触发器）

这家伙就是整个系统的 " 闹钟 "。

每天早上 7 点，它会准时 " 醒来 "，然后唤醒整条工作流水线。

想象一下：你还在被窝里做梦，AI 已经开始为你整理昨天的群聊精华了。

1.3.2- 设置群消息（Set 节点）

这个节点看似简单，实则关键。

它负责告诉后续的 AI：" 兄弟，今天要分析哪个群？分析哪一天的数据？用什么样式模板？"

配置内容说起来也不复杂：

群名：目标分析群组
日期：昨天日期（表达式自动获取）
日报网页风格：AI 生成页面的 " 设计稿 "

Set节点配置

这里要特别感谢朱行政同学的贡献。工作流里的网页模板基础来源于他精心整理的飞书文档：网页模板[^3]

1.3.3- AI Agent 节点——系统大脑

如果说前面的节点是 " 准备工作 "，那这个 AI Agent 就是 " 主角登场 " 了。

它的任务听起来简单：分析群聊，生成日报。但背后的复杂度？完全是降维打击。

核心能力包括但不限于：

调用 chatlog 工具获取聊天数据
语义分析群聊内容，识别有价值信息
智能提取关键讨论点和热门话题
统计数据可视化处理
生成完整 HTML 日报

想想看：几百条消息，各种话题混杂，表情包、链接、图片、语音…AI 需要从这些 " 信息噪音 " 中提炼出真正的 " 知识黄金 "。

提示词配置：

搜索 {{ $('配置群聊参数').item.json.group_name }} 群聊 {{ $('配置群聊参数').item.json.date }} 记录，并生成完整的HTML格式日报

群组: {{ $('配置群聊参数').item.json.group_name }}
日期: {{ $('配置群聊参数').item.json.date }}
样式模板: {{ $json.web_style }}

输出格式：完整的HTML文档代码

但这只是冰山一角。真正的 " 魔法 " 在于那个超长的系统 Prompt…

详细的 AI Agent 指令：

// 微信群聊日报生成器

你是极具审美的前端设计大师和群聊分析专家，专门为群聊记录生成视觉引人入胜、布局紧凑无空隙、配色和谐统一、风格固定一致、适合截图分享的单页HTML日报。

## 重要：工具使用要求
- 你必须使用chatlog工具来获取聊天记录
- 不能假设或模拟聊天数据
- 每次任务都要先调用chatlog工具

## 可用工具
你有以下MCP工具可用：
- **chatlog**: 获取历史聊天记录

## 核心任务
1. **使用chatlog工具获取指定的群聊记录**
2. **详细分析群聊内容并提炼关键信息**
3. **生成基于Bento Grid设计风格的单页HTML网站**

## 工作流程
1. 根据用户提供的查询条件，调用chatlog工具获取聊天记录
2. 分析聊天记录，提取关键信息
3. 生成完整的HTML格式群聊日报

## 自动提取信息能力
- 群名称：从聊天记录的系统通知或常见群聊信息中提取
- 日期：使用聊天记录中最近的日期，或者默认使用今天的日期  
- 时间范围：根据记录中的首条和末条消息时间确定
- 支持多种聊天记录格式：[时间] 昵称：消息内容、时间 - 昵称：消息内容等

## 日报内容结构（必须包含）
### 群聊总结
- 群聊内容概述
- 消息数量、活跃人员数量、热点话题数量
- 统计时间

### 今日热点（3-4个主要话题）
- 关键词提取
- 消息数量统计
- 关键词提及次数
- 突出显示微信名

### 核心概念关系图
- 将核心内容生成Mermaid思维导图
- 展示话题间逻辑关系

### 精彩引用（3条代表性发言）
- 突出显示微信名
- 有影响力或代表性的发言

### 重要链接与资源
- 链接支持点击跳转
- 整理分享的文档和工具

### 活跃之星（按发言次数倒序）
- 发言次数统计
- 人员前加@标识
- 主要贡献内容描述
- 突出显示微信名

### 词云
- 高频关键词可视化
- 按重要性分级显示

## 设计风格要求
采用**极简主义风格 (Minimalist)**：
- 简约、留白、精确排版、无衬线字体、克制装饰
- 白色背景，橘色字体作为强调色
- 配色方案：
  - 背景色：#f5f4ee（略暖的米白色）
  - 卡片背景：#faf9f6
  - 强调色：#ff8906（主要橙色）
  - 文字色：#212529（主要文字）

## 布局技术要求
### Bento Grid设计
- 采用动态且无缝的网格布局，确保整个视口区域被高效利用
- 主卡片展示核心概念（占25-30%视觉区域）
- 子主题卡片包含不同话题，每个卡片有独特标题和简短描述
- 严格定义卡片尺寸和比例，避免因内容多少导致布局变化

### 视觉平衡
- 确保色彩分布均匀，避免超过4种色系
- 图标和视觉元素均匀分布
- 文本密度相对均衡
- 卡片形状可变化但保持视觉一致性

### 技术实现
- 单个HTML文件，内嵌CSS和JavaScript
- 使用CSS变量定义所有颜色和尺寸
- 使用CSS Grid实现不规则网格布局
- 优化页面确保在单视口中完整显示，适合截图
- 页面宽度100%，最大宽度1000px
- 优先纵向布局，适合移动端截图分享

### 字体要求
- 使用Inter, SF Pro Display, Segoe UI字体
- 主标题≥36px，副标题≥28px，卡片标题≥22px
- 正文≥16px，标签≥14px
- 使用相对单位(rem)适应不同设备

### 颜色对比要求
- 确保颜色对比度足够高
- 避免使用过多颜色，保持3-4种以内
- 文字和背景对比清晰，可读性高

## 处理原则
- 客观分析，不添加主观判断
- 保护用户隐私，适当处理敏感信息
- 提取有价值的技术讨论内容
- 忽略无意义的闲聊和大量系统消息
- 除专业名词外，其他输出内容要求中文
- 确保生成的日报具有参考价值

## 输出要求
必须输出完整的HTML文档，包含：
1. 完整的HTML结构
2. 内嵌CSS样式（基于提供的模板）
3. JavaScript交互功能
4. Mermaid图表支持
5. 响应式设计
6. Font Awesome图标
7. 动画效果

严格按照极简主义风格生成，确保每次输出的页面风格完全一致。

## 重要提示
当用户提供查询条件时，你必须：
1. 首先使用chatlog工具获取相应的聊天记录
2. 分析获取到的聊天数据
3. 然后生成完整的HTML格式群聊日报

1.3.4- Read/Write Files（文件保存节点）

AI 生成了精美的 HTML，但总得有地方存放吧？

这个节点专门负责文件保存。本地存储一份，方便调试和备份。如果你有自己的服务器，还可以直接同步过去。

1.3.5- 自动部署群聊网页

有了 HTML 文件，下一步自然是让更多人看到。

EdgeOne Pages 就是为此而生。一键部署，生成公开链接，随时随地查看日报。朋友想看你的群聊分析？直接扔个链接过去。

EdgeOne Pages配置

1.3.6- 格式化返回结果

最后一步，整理部署信息。

访问链接、部署状态、生成时间…这些元数据都会被整齐地打包，方便后续查看和管理。

格式化返回结果

工作流的精妙之处在于： 每个节点职责单一，但组合起来威力巨大。这就是模块化设计的魅力——复杂问题被拆解成若干简单子任务，然后通过精巧的编排实现强大功能。

MCP 协议与 n8n 的结合？这可能是我见过的最优雅的微信数据自动化方案。

1.4- 第四步：批量处理多群聊——主子工作流架构

单群组？那只是小试牛刀。

真正的威力在于批量处理。想象一下：你同时在十几个技术群、学习群、工作群，每个群都有自己的 " 生态 " 和话题节奏。手动分析？累死你也分析不完。

这时候就需要 " 升级装备 " 了——主子工作流架构。

听起来高大上？其实就是 " 分而治之 " 的古老智慧在现代自动化中的体现。一个负责调度指挥，一个专注执行任务。就像项目经理和程序员的关系，各司其职，配合无间。

主子工作流架构

1.4.1- 为什么要搞这么复杂？

有人可能会问：直接复制几遍单群聊工作流不行吗？

行是行，但问题来了：

维护成本爆炸！修改一个逻辑要改 N 个地方
错误传播！一个群出问题，可能影响其他群的处理
资源浪费！每个工作流都要重复相同的初始化步骤

主子架构优雅地解决了这些痛点。

1.4.2- 架构优势深度解析

1. 模块化设计，职责清晰

主工作流专注管理：时间调度、任务分发、结果汇总
子工作流专注执行：数据获取、AI 分析、报告生成

这种职责分离带来的好处？

代码逻辑清晰如水，新手也能快速理解
修改单群聊处理逻辑时，主调度逻辑纹丝不动
可以单独测试子工作流，调试效率大幅提升

2. 并发处理能力

传统的串行处理：群 1→群 2→群 3→…十个群要等十倍时间。主子架构的并行处理：群 1、群 2、群 3…同时启动，时间压缩到极致。

这不仅仅是速度提升，更是思维模式的转变。从 " 排队等候 " 到 " 并发协作 "，效率提升是几何级的。

3. 错误隔离，稳定性提升

★

群聊 A 处理失败 ≠ 群聊 B 也会失败

这种 " 故障隔离 " 设计，让整个系统具备了真正的稳定性。某个环节出问题，不会造成 " 全线崩溃 "。最重要的是可针对失败群聊单独调试重试！

错误隔离与重试

批量处理的前提是什么？合理的配置管理。

[
  {
    "group_name": "n8n自动化实战交流群",
    "group_owner": "LQ",
    "description": "n8n自动化实战交流群",
    "enabled": true
  },
  {
    "group_name": "n8n学习交流", 
    "group_owner": "向阳乔木",
    "description": "n8n学习交流",
    "enabled": true
  }
]

简单的 JSON 配置，背后却蕴含着巧思：

[
  {
    "group_name": "n8n自动化实战交流群",
    "group_owner": "LQ",
    "description": "n8n自动化实战交流群",
    "enabled": true
  },
  {
    "group_name": "n8n学习交流", 
    "group_owner": "向阳乔木",
    "description": "n8n学习交流",
    "enabled": true
  }
]

enabled 字段支持动态开关，某个群暂时不想分析？一键关闭
group_owner 字段便于责任追踪和问题定位
description 字段为后续的分类统计预留空间

1.4.3- 工作流架构深度剖析

主工作流（Main workflow loop）

Schedule Trigger：定时器启动，准点开工
配置群详细参数：读取群聊清单，确定今日处理目标
准备元数据：统一的模板配置，确保输出风格一致
准备工具环境数据：MCP 服务连接配置
分发数据组织：将任务包分发给各个子工作流
Execute Workflow：批量启动子工作流，开始并行处理
整合工作流输出结果：收集所有处理结果，汇总统计
生成执行报告：汇总处理状态和统计信息

子工作流（Subworkflow）

它是具体的 " 执行专家 "。每个实例专门服务一个群聊，职责清晰：

Execute Workflow Trigger：接收主工作流的任务委派
验证输入参数：检查传入群聊参数有效性
AI Agent：核心分析逻辑（Google Gemini + Chatlog MCP）
处理 AI 输出：清理和格式化生成数据
保存 HTML 文件：生成单个群聊日报文件
部署群聊日报页面：使用 EdgeOne Pages 在线发布，生成分享链接
格式化输出结果：向主工作流汇报任务执行状态

这种架构变革的意义，远超技术层面。

对运营数据人员来说，这意味着什么？

★

以前：手动打开每个群→逐条浏览消息→手工整理要点→制作图表→编写总结
现在：设定时间→批量自动处理→查看汇总报告→重点关注异常

效率提升？不止 10 倍。更重要的是，你从重复性劳动中解放出来，可以专注于更有价值的洞察分析。

1.4.4- 扩展性的无限可能

当前架构的美妙之处在于：它为未来预留了足够的扩展空间。

想要增加新的群聊类型？修改配置文件即可。需要接入新的 AI 模型？调整子工作流参数。要对接其他发布平台？在子工作流末尾添加新节点。

这种 " 开放式架构 " 确保了系统的长期生命力。技术在进步，需求在变化，但架构的核心逻辑依然稳固。

1.5- 更多可能性

当然，聊天记录的价值远不止日报这一种形式。基于同样的技术架构，我们可以解锁更多玩法：

📅 时间维度的多样化

群聊周报 - 深度分析一周的话题演进和知识沉淀
月度总结 - 技术话题变化趋势，群组 " 知识密度 " 曲线分析
年终盘点 - 最热话题、活跃排行、价值资源的 " 群聊考古学 "

🎯 内容维度的精细化

技术专题汇总 - 某个技术栈的所有相关讨论整合
问题解答集锦 - 自动生成 FAQ，关联历史相关讨论
资源分享清单 - 汇总所有分享的工具、文档、链接

📊 跨群分析的立体化

多群话题对比 - 前端群关注体验，后端群在意性能，不同角色思维模式一览无余
知识网络图谱 - 技术概念如何在群组间传播的完整图谱
专家意见聚合 - 通过回复数、引用频率识别真正的技术意见领袖

想象一下：AI 自动为你生成《2024 年度人工智能技术趋势报告》，数据来源是你参与的所有技术群；或者生成《我的知识成长轨迹》，展示在你的各个学习群中的提问、讨论和进步历程。

1.6- 写在后面

当我第一次看到 AI 从几百条群聊记录中精准提取出技术讨论的核心脉络时，我意识到我们正在经历一场静悄悄的革命。

这不仅仅是一个工具的诞生，而是人机协作范式的深刻变革。我们不再是被动的信息消费者，而是主动的数据炼金师——利用 AI 的洞察力和自动化的执行力，从海量的数字噪音中萃取真正的价值结晶。

这套系统揭示了一个更广阔的可能性：每个人都可以成为自己数字生活的建筑师。 不需要深厚的编程背景，不需要昂贵的基础设施，只需要好奇心和一点点的耐心，就能构建出专属的智能助手。

当你第一次看到自己的群聊被 AI 整理成精美的知识地图时，你会明白：我们已经不再是简单的工具使用者，而是数字时代的共创者。

1.7- 效果预览

#技术教程 #自动化工具 #AI应用

#n8n #Docker #工作流 #微信群聊 #AI日报 #自动化脚本

prompt-一套提示词将任何文档变成可视化网页上一篇

Apple 设计史：从拟物到液态玻璃下一篇