wechat-brand-extract
Skill0 starsChanged 35 days agoMITView on GitHub
微信群 品牌/联系人/联系方式 提取流水线。把微信群聊文本 + 图片(名片/海报/截图)一起识别,抽取品牌、业态、联系人、电话、微信、QQ、需求,去重后归纳成 Excel 表格。触发词:整理微信群品牌、归纳微信联系人、微信聊天记录提取品牌、微信群品牌联系方式表格、识别群里品牌、把群消息整理成表、微信图片里的品牌。适用:商业地产招商/资源群的品牌与联系方式盘点。
In this repository38 other files it gives its agents.
- aranya-nonstandardSkill
- bailian-zxSkill
- brand-research-scoutSkill
- city-new-mall-scanSkill
- commercial-hubSkill
- commercial-report-deliverySkill
- commercial-site-researchSkill
- laoyang-article-excelSkill
- laoyang-article-imagesSkill
- laoyang-channels-video-agentSkill
- laoyang-quality-checkSkill
- laoyang-short-videoSkill
- laoyang-topic-researchSkill
- mall-competition-scanSkill
- md2wechatSkill
- platform-content-adapterSkill
- restaurant-evaluatorSkill
- shui-on-xintiandiSkill
- store-site-analysisSkill
- tianmuli-teamSkill
- urf-curetailSkill
- wanhua-luxelakesSkill
- warm-article-dailySkill
- wechat-account-analyzerSkill
- wechat-article-extractorSkill
- wechat-managerSkill
- wechat-mp-data-collectSkill
- wechat-mp-publishSkill
- wechatreaderSkill
- zouyi-chaserSkill
- zsxq-bd-harvestSkill
- 余峰-perspectiveSkill
- 潘玉明-perspectiveSkill
- 王智明-perspectiveSkill
- 王玮-perspectiveSkill
- 管有冬-perspectiveSkill
- 老杨拆商业-perspectiveSkill
- 蔡云-perspectiveSkill
The file
Files
微信群品牌·联系人 提取流水线(文字 + 图片 一起识别 → 表格)
解决什么
微信招商/资源群里,品牌与联系方式分散在**文字消息 + 图片(名片/海报/截图)**里。 本 skill 把多源内容统一识别、抽取、去重,输出一张可交付的 Excel(品牌/业态/联系人/电话/微信/QQ/需求摘录)。
方法论(对齐 2026 最佳实践)
多模态 OCR(图)+ 文本解析 + 正则/语义双引擎 NER + 同发送者消息聚类 + 强去重 → 表格。 关键改进(相比纯正则):用 LLM 语义 NER 补正则漏掉的品牌名/人名/需求,识别更准更全。
| 引擎 | 负责 | 精度 |
| 正则(硬字段) | 手机号 / 微信 / QQ / 座机 | 高,可依赖 |
| LLM 语义 NER(x-glm5.2) | 品牌名 / 联系人 / 业态 / 需求摘要 | 补正则盲区,更全 |
双引擎策略:正则先抓硬字段;对「无品牌名 / 无联系人 / 需求不明」的帖子,再用 LLM 补。 LLM 仅在正则空缺时回填,避免被模型幻觉覆盖确证数据。
输入(任意组合)
--db DIR:微信数据目录(含message_*.db,自动找Msg_<md5>表,local_type=1文本)--images DIR:图片文件夹,每张图 = 一条"帖子",先经ocr_precision(PaddleOCR-VL-1.6 离线)OCR 成文字再抽取--text FILE:导出的聊天记录.txt/.md(按空行分块)--merge-json F:并入已有brand_profiles*.json,按电话回填品牌名--ner {regex,llm,hybrid}:默认hybrid
用法
PY=$HOME/.workbuddy/binaries/python/envs/default/bin/python
SK=~/.workbuddy/skills/wechat-brand-extract/pipeline.py
# 1) 真实场景:四群 DB + 解密后的图片目录
$PY $SK --db /tmp/wechatreader/db --images ~/Downloads/群图片 --ner hybrid \
-o 四群品牌联系信息汇总.xlsx
# 2) 仅图片(名片/海报截图文件夹)
$PY $SK --images ~/Downloads/招商名片 --ner hybrid -o 名片品牌表.xlsx
# 3) 导出文本 + 并入历史档案(电话回填品牌)
$PY $SK --text 聊天记录.txt --merge-json /tmp/wechatreader/brand_profiles_v3.json \
-o 整理表.xlsx
# 4) 只跑正则(离线、不耗积分)
$PY $SK --images ~/Downloads/海报 --ner regex -o 表.xlsx去重规则(强合并)
主键优先级:手机号 > 微信 > QQ > 归一品牌名。
- 同主键的多次出现合并为一个主体,累计出现次数、拼接需求摘录
- 品牌名归一化:去标点/空格、转小写、去「有限公司/连锁/旗舰店」等后缀再比对
- 无主键的纯需求帖归入「(未标注品牌)」,靠业态+联系方式呈现
输出表格 schema
| 列 | 说明 |
| 品牌/项目 | 品牌或项目名,空=未标注(多为找店/拓店需求) |
| 业态 | 茶饮/烘焙/咖啡/健身/美容/教培/零售… |
| 联系人 | 姓名+称谓(窦总/林经理) |
| 联系电话 | 手机 + 座机 |
| 微信 | 微信号 |
| QQ 号 | |
| 需求/消息摘录 | 招商/拓店/资源需求,或原始消息摘要 |
老杨视觉规范:表头红 #C0392B、正文暗炭 #2B2B2B、斑马纹 #FBF3EF、PingFang HK。
自进化闭环(每次使用后)
- 用户反馈哪条错/漏 → 记到本 skill 的
notes.md - 更新正则(TRADES 业态表 / RE_* 模式)或 LLM 提示词
- 版本号 +1,沉淀案例
- 长期让「更有效的识别」持续收敛
已知边界
- 微信图片解密:4.1 缩略图需真实媒体密钥(此前抓到的是诱饵串
alib_expt_value\0,8529 张全 corrupt)。 解锁路径:用户手动sudo python /tmp/wechatreader/monitor_v3.py抓真 key → 解密图片到文件夹 → 再跑本流水线--images。 - LLM NER 需 Buddy 在线模型(
~/.workbuddy/models.json的 x-glm5.2),消耗积分;--ner regex可纯离线。 - 手写体名片 OCR 弱(PaddleOCR-VL 已知边界),建议清晰正拍。
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

