将微信海量历史记录锻造为第二大脑：wechat-ai-memory 架构拆解与 RAG 落地（本地数据库解密 / 5 类消息结构化清洗 / 个人知识中枢构建）
现代职场人与独立创业者的核心业务、技术讨论、商单谈判以及重要决策，大多分散在日常数以万计的微信聊天记录中。然而，微信官方自带的搜索功能仅支持粗粒度的关键词精确匹配，既无法理解“上个月关于海外支付架构的讨论”这种模糊语义，也无法跨联系人、跨时间周期进行归纳提炼。
开源项目 wechat-ai-memory 开启了一个极具价值的方向：直接在本地读取并解密 Windows 微信 4.x 的本地数据库，将零散复杂的原始聊天数据清洗为高度结构化的语料，进而无缝接入本地 RAG（检索增强生成）系统，构筑出完全属于个人的“第二大脑”。本文将深度拆解其解密链路、数据清洗管线以及本地私有知识库的搭建全流程。