创意实验室（Labs）

侧边栏「实验室」Tab，集合了一组好玩、可截图分享的小工具。和"分析"路线不同，这一组以"卡片化、像 Spotify Wrapped 一样" 为目标——v0.2.0 一次新增 5 个，v0.2.x 又陆续加到 12+ 个。

每个 Lab 都支持白底分享图导出，footer 自带 welink.click + 当前日期。

入口

侧边栏 → 实验室 → 顶部 Tab：

v0.2.0 首发 5 个

• 🧬 聊天 DNA
• ✨ 高光瞬间
• 💭 灵魂提问
• 🌌 平行宇宙
• 🪐 关系星图

v0.2.x 增量

• 💬 群金句榜
• 📈 我的语言进化史
• 🌏 聊天地图
• 💌 人情债（承诺与邀约）
• ❄️ 断联预警
• 📖 群聊 Wrapped
• 👻 这句话谁说过（反向语义搜索）
• 🎭 AI 虚拟群聊
• 📊 群语料 ROI 诊断

早先版本里的 AI 群聊模拟 仍在群聊详情里，不在实验室 Tab 内。区别于实验室里的「AI 虚拟群聊」——前者基于真实群现学现卖，后者由用户拉任意联系人组虚拟群、用每个人的"分身画像"扮演。

1. 聊天 DNA

类似 Spotify Wrapped 的年度个人卡：

• 总消息数 / 我发的占比 / 最常聊的人 Top 5
• 活跃时段（凌晨派？深夜派？）
• 最爱用的 emoji 与开场白
• 最长一句话 + 最长单日消息数
• 最早开始聊的人（"你们已经聊了 N 年"）
• 平均回复时延中位数

纯统计，不调 LLM——零 token 成本，离线也能出。

接口：GET /api/me/dna（10 分钟缓存，?refresh=1 强制重算；Reinitialize 切换时间范围后旧缓存自动失效）。

2. 高光瞬间

AI 从你和某位联系人的全部聊天记录里，挑出 5–8 段最有故事感的对话片段：表白、争吵、深夜聊人生、第一次见面、相互坦白、玩笑回忆 ……

每段配一张可截图的卡片，自带 LLM 生成的标题（"那次差点崩掉的电话"）和情绪标签。可分享。

接口：POST /api/contacts/highlights，body：{username, count?}。

3. 灵魂提问机

AI 出 5 道只有你们俩才答得上的默契测试题——基于你们真实聊过的内容，比如：

• "TA 最常吃的早餐是？"
• "你们第一次见面在哪？"
• "TA 提过最喜欢的电影是？"

每题 4 个选项，翻面看答案。可截图给对方做。

接口：POST /api/contacts/soul-quiz，body：{username}。

4. 平行宇宙对话

选一个联系人 + 输入一个"如果……"场景，AI 用 TA 的人设引擎生成一段虚构对话，SSE 流式逐字展开：

• 如果我们五年前就认识
• 如果我们是同事
• 如果我现在跟 TA 求婚
• 如果我们一起去东京旅行
• 如果我们重新认识一次

复用 AI 群聊模拟 的 persona 引擎，单人版。

接口：POST /api/ai/parallel-chat，body：{username, scenario, turns?, sample_count?, profile_id?}，返回 SSE 流。

5. 关系星图

把所有联系人按"共同群聊"聚拢成一张力导向图——同一个圈子的人会自动靠拢成簇。让你一眼看出社交圈层结构。

实现说明：自写的 mini force-directed layout，零新增依赖（不引 d3-force / vis.js）。节点统一主题绿，圈层差异通过位置体现而非颜色。

接口：GET /api/me/relation-graph。

6. 群金句榜（v0.2.x 新增）

挑一个群，看哪些消息真正变成了梗 / 名场面。

实现思路：扫描该群所有「引用回复」消息（WeChat 数据库里 local_type=49 且 message XML 含 <refermsg>），从 XML 解析出 <svrid> / <chatusr> / <content>，按"原始消息"做聚合，按被引用次数排出 Top 10。一条消息被群友翻牌越多次 → 越是金句。

• 零 LLM：纯 SQL + regex，扫到瞬出，无 token 成本
• 去重靠 svrid：同一条原文不同人回复合并计数
• 过滤反直觉刷榜：自己 quote 自己不计；只被引用过 1 次的不上榜
• 截断 60k 条：再活跃的群也只看最近窗口，避免 OOM
• 白底分享卡：Hero（群名 + 三个统计数字）+ Top 10 列表，每条带原文 / 发言人 / 日期 / 引用次数 / 翻牌人 Top 3

接口：GET /api/groups/golden-quotes?room=xxx@chatroom&limit=10，10 分钟缓存。

7. 我的语言进化史（v0.2.x 新增）

把"我"发的所有文本消息按年聚合，画 4 条说话风格的演变曲线：

• 句长（avg_chars）：每条消息平均字数
• emoji 浓度（emoji_per_100）：每 100 条消息的 emoji 数
• 英文夹杂率（english_pct）：含 ASCII 字母的消息占比
• 日均产量（msgs_per_day）：活跃日的平均发言数

这是 /api/me/dna 单时间快照的"时间序列版"——能直接看出"我自己"在 2018→2026 这八年里说话风格的漂移：从"长句+少emoji"变成"短句+表情包"？还是反过来？

每年另外保留：

• 那年最常用的开场白 Top 1 + 出现次数
• 那年说过最长的一句话（≤600 字过滤掉粘贴块，前端再截断到 240 字）
• 那年活跃天数 / 累计发言数 / 累计字数

实现：扫前 80 个最活跃私聊（每人最多 5000 条）的 type=1 文本消息，按 Date 字段前 4 字符抽年份分桶。少于 50 条的年份不出卡（统计太抖）。零 LLM、本地缓存 2h，?refresh=1 强制重算。

接口：GET /api/me/language-evolution。

8. 聊天地图（v0.2.x 新增）

把"我"和私聊里所有提到的地名捞出来：中国直辖市 / 主要城市 / 国内景点 / 港澳台 / 海外城市 / 国家。看你聊起最多的地方是哪些，以及最常和谁聊起。

• 零 LLM：内置约 200 条地名词典，子串匹配，扫秒级出
• 零新增依赖：bubble cloud 用纯 CSS flex 包圆形 div，无 d3 / leaflet
• 同消息内同名只计 1 次：避免"上海上海上海"刷榜
• 6 类 tier 着色：一线 / 城市 / 景点 / 海外 / 国家 / 港澳台
• Top 联系人：每个地名展示 Top 3 最常和你聊起它的联系人

UI 三层：

1. 数字总览（提到的地方 / 被提及次数 / 扫描消息数）
2. bubble cloud：气泡按提及次数 log 压缩缩放，色标 tier
3. Top N 列表：横向进度条 + Top 3 同行者（含头像）

实现：扫前 80 个最活跃私聊（每人最多 5000 条 type=1 文本）的所有消息，对每条做 200 次子串扫描（Go 的 strings.Contains 快到忽略不计）。词典在 backend/chat_geography.go 内置，覆盖：6 个直辖市/超大 + ~50 国内城市 + ~25 国内景点 + 8 港澳台 + ~80 海外城市 + ~50 国家。

接口：GET /api/me/chat-geography[?limit=30][&refresh=1]，2h 缓存。

9. 人情债（承诺与邀约挖掘，v0.2.x 新增）

挑一位联系人，AI 把"答应了但没做"的承诺 / 邀约挖出来——下次约饭、改天找时间、我寄给你、等我回国请你吃……看看 TA 欠你的 vs 你欠 TA 的。

实现思路是两段式：

1. regex 高 recall 预筛：对全部文本消息跑一组宽口径正则（答应|承诺|改天|下次|等我|约你|请你|寄你|送你|欠你|欠我|别忘|记得|明天|下周|周末…），把所有嫌疑句捞出来
2. LLM 精筛 + 结构化抽取：对每个命中点扩成「前 2 条 + 后 5 条」上下文窗口，重叠合并后送给 LLM。模型负责剔除寒暄 / 已兑现 / 抽象客套，把真正的承诺写成结构化 JSON：方向（i_owe / they_owe / mutual）/ 类别（聚餐 / 见面 / 寄送 / 借还 / 通话 / 旅行邀约 / 答复 / 其他）/ 目标日期 / 原文引用 / 当时日期 / 置信度

为什么不直接把所有消息扔给 LLM：

• 大部分对话与承诺无关，全量送会爆 token 又稀释信号
• regex 把候选窗口缩到几十个，LLM 输入控制在 ~20k tokens 内，单次调用搞定

UI 三档过滤（TA 欠我 / 双方约定 / 我欠 TA），每条卡片显示原文气泡 + 时间表达徽章。可一键导出白底分享卡——别 PR 主页给 TA。

接口：POST /api/contacts/promise-debts，body：{ username, profile_id?, msg_limit? }。10-25 秒返回（依 LLM）。

10. 断联预警（v0.2.x 新增）

聊天 DNA 是庆祝长期连接，断联预警是反过来——提醒你正在消失中的连接。

扫所有私聊（总消息 ≥ 50 条）的最后一条消息时间，按静默天数 ≥ 30 排出 Top 30，并给出三档分级人数 + 三张"之最"高亮卡：

• 静默最久的高频好友：聊得多但安静最久的那位
• 历史聊得最多但已断联：曾经的话题伙伴
• 认识最久且当前断联：从最早就在你聊天列表里、现在不说话的人

三档分级：30-89 天 / 90-179 天 / 180+ 天，分别拿颜色标。

零 LLM、10 分钟缓存、?refresh=1 强制重算。导出长图分享。

接口：GET /api/me/drift。

11. 群聊 Wrapped（v0.2.x 新增）

类似 AI 群年报，但对当前筛选的时间范围做纯统计快照（不要求按整年），用作群画像顶部 Hero 卡：

• Top 3 发言成员 + 占比
• 消息类型分布（文本 / 图片 / 红包 / 转账 / 引用…）
• 最忙一天 + 那天消息数
• 被引用最多的原文 Top 3（结合金句榜的引用聚合）

零 LLM、10 分钟缓存、可截图。区别于 /api/groups/year-review 那个要按 year 锁年份且会调 LLM 写叙事。

接口：GET /api/groups/wrapped?room=xxx@chatroom。

12. 这句话谁说过（反向语义搜索，v0.2.x 新增）

输入一句话，跨全库找出最像这句话的历史消息，按"说话人"聚合返回。回答的不是「在哪条消息里找到这个词」，而是「这句话最像 X、Y、Z 说过的话」。

实现思路：复用已有的 vec_messages 向量索引（不新建表）：

1. 一次性 embed 用户输入的 query
2. 跨所有已建索引的 contact（按 msg_count 降序扫描，高频先扫体感更快）
3. 按 contact 聚合命中点，每人最多保留 Top 5（避免一个高频联系人霸榜）
4. 相似度 < 0.35 视为噪声丢弃；最多扫 800 个 contact 兜底

Query 参数支持：topK（默认 20）/ min_msgs（默认 50）/ days（默认 365）/ include_groups（默认仅私聊）/ include_self（默认排除"我"）。

接口：GET /api/me/echo?q=...。

13. AI 虚拟群聊（v0.2.x 新增）

挑任意 2-8 位联系人放进一个虚拟群聊——这些人现实里可能从没在同一个群说过话，但你想看看「如果他们认识，会聊什么？」

风格来源优先级：

1. 已训练的分身画像（clone_profiles.prompt）—— 最准
2. 私聊样例兜底——未训练分身时从对方最近 30 条消息抽

支持：

• 批量 N 轮：一次调用让 LLM 生成 2-15 句、自选发言顺序
• TTS 气泡：单条消息可点气泡里的喇叭朗读，复用 Podcast 的 TTS 代理
• 持久化会话：聊到一半关掉标签页不丢，下次打开继续
• 导出分享图：带主题绿配色的虚拟群对话长图

接口：

• POST /api/ai/virtual-group/chat（SSE 流式生成下一句或下 N 句）
• GET/POST/DELETE /api/ai/virtual-group/sessions[/:id]（会话 CRUD）

区别于群聊详情里的 AI 群聊模拟：那个基于真实群的真实成员现学现卖；这个用每个人的"分身画像"，成员可以来自完全不同的群甚至从未在一起聊过。

14. 群语料 ROI 诊断（v0.2.x 新增）

针对每个群算"我看 / 我说"的性价比：

• 我在这个群"看了多少字"（被动接收）
• 我在这个群"说了多少字"（主动贡献）
• 每天平均消耗多少分钟（按阅读速度估算）
• ROI 评级：高产出（我说得多）/ 高消耗（我看得多）/ 平衡

帮你做"群整理"决定：哪些群在吸走时间却没给你舞台。

设计约束

• 统一主题绿：所有 Lab 主按钮、Hero 卡片头都用 #07c160，不再有早期五彩渐变
• 白底导出：分享图固定白底 + 中性灰 footer，不受 html.dark 主题影响（导出底层从 html-to-image 改为 html2canvas，绕开 Chrome 偶发空白图）
• 错误友好：联系人不存在 / AI 未配置 / 流中断，都给明确提示（v0.2.x 起 5 个新 Lab 的 alert 全改成 toast）
• 缓存策略：DNA / 断联 / 群聊 Wrapped 全局 10 分钟缓存；语言进化 / 聊天地图 2 小时缓存；其它 Lab 每次实时算

隐私

零 LLM 的 Lab（DNA / 关系星图 / 群金句榜 / 语言进化 / 聊天地图 / 断联 / 群聊 Wrapped / 群语料 ROI）完全本地处理；调 LLM 的 Lab（高光 / 灵魂提问 / 平行宇宙 / 人情债 / 虚拟群聊 / 反向搜索）仅把"必要的聊天片段"送入你自己配置的 LLM。不会上传到 WeLink 服务器（项目本身没有任何后端服务器）。