qq-digest · QQ 群聊日报
🐱 neko404|做 AI 和插件的猫系女孩 QQ 群 1132348296,来聊灵感吧 ✨

三大亮点
- 一条命令出日报 —— 把群里 24 小时的聊天整理成一页中文日报:每个群的话题、谁在说、什么值得点开、什么还没解决。
- 顺手挖机会 —— 除了「聊了什么」,还从对话里提炼可做的 AI 产品/插件线索,附需求、形态和原话依据。
- 本地优先、有兜底 —— 消息只进本机 SQLite;模型 key 没配也能用规则摘要出日报,模型挂了照样有产出。
把关注的 QQ 群最近聊了什么,整理成一页能读的中文日报:每个群有哪些话题、谁在说、什么值得点开、什么还没解决、哪句提到了你。

- 本地优先:消息存在本机 SQLite,不经过任何第三方服务器。
- 两个 AI 路径:配了模型 key 就一条命令跑完;没有 key 就让当前 AI 读素材、写摘要、再渲染。
- 机会雷达:除了“聊了什么”,还从对话里提炼可做的 AI 产品/插件线索(需求、可做的形态、原话依据、信号强弱)。
- 有降级:模型挂了会退回规则摘要,日报照样能出。
- 零依赖:只用 Python 3.9+ 标准库。
安装
作为 DSH 插件(推荐)——一条命令装进 DeepSeek Harness,技能名仍是 qq-digest:
dsh plugin add github:nekonya77/dsh-qq-radar
插件自带 Python CLI,本机需要 Python 3.9+(无第三方依赖)。装好后直接对 agent 说“总结一下群里今天聊了什么”。
从源码:
git clone https://github.com/nekonya77/dsh-qq-radar.git
cd dsh-qq-radar
./bin/qq-digest init # 生成 ~/.qq-digest/config.json
open examples/demo.html # 先看看成品长什么样
接上 QQ 之后再:
./bin/qq-digest check # 测试 OneBot、列出群
./bin/qq-digest digest --since 24h --open # 拉消息 + 总结 + 打开日报
推送到飞书(手机直接看)
群里加一个「自定义机器人」,把 Webhook 填进 ~/.qq-digest/config.json 的 push.feishu_webhook(开了签名校验再填 push.feishu_secret),然后:
./bin/qq-digest push --summary /tmp/qq/summary.json --bundle /tmp/qq/bundle.json --dry-run # 先预览
./bin/qq-digest push --summary /tmp/qq/summary.json --bundle /tmp/qq/bundle.json # 真发
卡片里是时间窗口、每群 headline + 3 条话题、机会雷达。完整版(含群聊原声)仍是本机的 reports/latest.html。
1. 接入 QQ(OneBot 11)
用的是 OneBot 11 协议 + 本机登录的 QQ 小号(NapCat / Lagrange)。官方机器人只能收实时消息、还得拉进每个群,读不了历史,所以不适合做日报。
⚠️ 第三方 QQ 客户端有账号风控风险,请务必使用小号。
Mac 上最省事的是 NapCat 的 Docker 镜像:
# compose.yaml
services:
napcat:
image: mlikiowa/napcat-docker:latest
restart: unless-stopped
environment:
MODE: ws
WEBUI_TOKEN: 换成一个自己的口令
ports:
- "127.0.0.1:6099:6099"
- "127.0.0.1:3000:3000"
volumes:
- ./data/qq:/app/.config/QQ
- ./data/config:/app/napcat/config
docker compose up -d
打开 http://127.0.0.1:6099/webui 扫码登录,在「网络配置」里新增 HTTP 服务器(端口 3000,token 自定),再把 token 填进 ~/.qq-digest/config.json 的 onebot.token。
也可以选跨平台的 Lagrange.OneBot,开 HTTP 实现即可。
2. 配置
{
"onebot": {"base_url": "http://127.0.0.1:3000", "token": "你的 token"},
"groups": [{"id": "123456789", "name": "AI 工具折腾群"}],
"me": {"names": ["阿瓜"], "qq": "1008611"},
"llm": {"api_key": "sk-...", "model": "deepseek-chat"}
}
groups留空 = 机器人所在的全部群;exclude_ids排除不想看的群。me.names用来在日报里标出「提到你」。- 不填
llm.api_key也能用,见下面「三种用法」。
三种用法
A. 全自动(需要模型 API key)
./bin/qq-digest digest --since 24h --open
拉消息 → 按群调模型 → 写 reports/日期.html、.md、.json 和 latest.html。单群失败会自动降级,不影响其他群。
B. 让当前 AI 代写(不需要 key)
# 1. 导出素材,顺便把每个群拆成单独 txt
./bin/qq-digest bundle --collect --since 24h --out /tmp/qq/bundle.json --split /tmp/qq/parts
# 2. 把 /tmp/qq/parts/*.txt 交给 AI,让它按 SKILL.md 里的契约写 /tmp/qq/summary.json
# 3. 用现成摘要渲染
./bin/qq-digest render --summary /tmp/qq/summary.json --bundle /tmp/qq/bundle.json --open
在 DeepSeek Harness 里直接说“总结一下群里今天聊了什么”,qq-digest 技能会自动走这条路。
C. 不联网的规则摘要
./bin/qq-digest digest --since 24h --no-llm --open
按时间分段、按信息量挑句子,标题和要点会朴素一些,但完全离线。
命令
| 命令 | 作用 |
|---|---|
init |
生成配置文件 |
check |
测试 OneBot 连接、列出群 |
groups |
只列群 |
collect |
只拉消息入库(可反复跑,自动去重) |
bundle |
导出给模型看的素材;--split DIR 按群拆 txt |
digest |
拉取 + 总结 + 日报;--no-llm 离线 |
render |
用现成 summary JSON 渲染 |
prune |
清理旧消息和旧日报 |
时间窗口 --since 支持 24h、3d、90m、today、yesterday、week 或 ISO 时间。
退出码:0 成功,2 配置问题,3 OneBot 连不上,4 模型调用失败。
日报里有什么
- 每个群一句
headline+ 一句群氛围,下面是 3–6 个话题卡:标题、两三句概括、要点、参与的人、状态(已聊完 / 有待跟进 / 还在聊)。 - 「值得点开」收集群里发的链接,「还没解决」收集悬而未决的问题。
- 「提到你」标出与你有关、可能需要回应的消息。
- 「群友金句」挑一两句原话。
- 「展开群聊原声」可以看当天原始记录(被抽样的会注明)。
- 自动生成
reports/index.html归档页,支持深色模式和打印。
数据与隐私
- 消息库:
~/.qq-digest/messages.db(SQLite,WAL)。 - 日报:
~/.qq-digest/reports/。 - 配置:
~/.qq-digest/config.json,权限0600。 - 只有路径 A 会把群聊文本发给模型;路径 B 的文本只进入当前会话;路径 C 完全不联网。
messages.db和config.json不要提交到 git。
开发
# 跑测试(假 OneBot + 假模型,不联网)
PYTHONPYCACHEPREFIX=/tmp/qqdigest-pyc PYTHONDONTWRITEBYTECODE=1 python3 tests/test_e2e.py
# 重新生成示例日报
PYTHONPYCACHEPREFIX=/tmp/qqdigest-pyc PYTHONDONTWRITEBYTECODE=1 python3 tests/make_demo.py
app/qqdigest/
cli.py 命令行
onebot.py OneBot 11 HTTP 客户端
normalize.py 消息段 / CQ 码 → 纯文本
store.py SQLite 去重存储
collect.py 分页拉历史
bundle.py 按预算裁剪素材
llm.py OpenAI 兼容客户端
summarize.py 提示词 + 校验 + 降级
report.py HTML / Markdown 渲染
要求 Python 3.9+,无第三方依赖(测试和示例图用到了 Pillow,仅开发时需要)。
常见问题
为什么不用官方 QQ 机器人? 官方全量群消息只推实时事件,需要机器人进每个群,也没有历史回补,做不了“过去 24 小时”的日报。
会被封号吗? 第三方登录有风险,用小号、别频繁操作。工具只读消息,不发消息。
能总结私聊吗? 目前只做群聊;collect 的分页逻辑对私聊同样适用,可以自己扩展。
消息太多会超上下文吗? bundle 会按 llm.max_input_chars 分配预算,折叠表情/图片,优先保留链接和长消息,并标注省略了多少条。
No comments yet. Be the first to write one.