clone-chat

本地运行的人物复刻对话 Agent。导入一个人的真实聊天记录后，Agent 从记录中学习这个人的说话风格、用词习惯、表情偏好和回复节奏，然后以这个人的身份延续对话——包括回不回、隔多久回、回几条、发文字还是语音，都由 Agent 依据证据自主决定。

界面演示

演示图中的人物、对话和头像均为虚构，仅用于展示界面与回复流程。

复刻依据

Agent 的每一轮回复都建立在从聊天记录提取的证据上：

• 按场景召回的真实对话样例和自动生成的风格画像
• 行为统计：文字/表情/语音比例、连发数量、回复延迟、活跃时段、高频短句
• 混合记忆检索：全文检索（FTS5）加本地语义向量
• 表情库：只保留记录中真实发过的表情，按视觉含义和发送上下文建索引
• 反馈学习：每条回复可标记“像/不像”，后续轮次参考

功能

• 从聊天记录生成人物画像，Agent 以人物身份回复
• 内置 AI 导入 skill，可让 AI 工具直接转换任意聊天软件的导出
• 支持文字、表情和语音消息，以及用户侧语音输入
• 支持延迟投递、未送达消息处理和主动联系
• 拟真聊天界面：气泡、语音、正在输入/发送状态
• 使用 OpenAI Agents SDK 组织 Agent，可切换 OpenAI-compatible 模型服务

快速开始

npm install
cp .env.example .env   # 填写模型 key
npm start

默认端口来自 .env 的 PORT，默认只监听 127.0.0.1。需要局域网访问时，在 .env 中设置 HOST=0.0.0.0，并限制防火墙入站范围；不要将未认证的服务直接暴露到公网。

开发模式与决策监控：

npm run dev
npm run monitor

导入聊天历史

推荐方式：让 AI 编程工具（Kimi Code、Claude Code、Codex 等）在仓库根目录直接使用内置的 import-chat-history skill。它会读取 skills/import-chat-history/references/event-schema.md 中的标准事件协议，抽样检查你的导出文件，编写一次性的来源解析器（放在 Git 忽略的 scripts/local-importers/），生成标准 JSONL 并完成校验和导入——不需要你为不同聊天软件手工写转换脚本。直接向 AI 提出即可，例如：

使用 import-chat-history 分析并导入我的聊天导出文件：E:\path\export

也可以手动执行导入器的预览与应用两步（skill 内部同样走这两条命令）。先预览：

npm run import:chat -- "E:\path\normalized.jsonl"

确认参与者、时间范围、数量和媒体情况后应用：

npm run import:chat -- "E:\path\normalized.jsonl" apply

导入前会自动备份当前私有数据，本地媒体按内容哈希复制到 persona/media。

导入会生成或更新：

data/history.rich.jsonl             完整聊天记录
data/history.jsonl                  记忆检索用文本记录
data/stickers.json                  表情资源及上下文
data/sticker-index.json             表情检索索引
data/habits.json                    行为统计
persona/media/                      私有媒体

处理流程：

聊天导出
  -> 来源适配器
  -> 标准对话事件 + persona/media
  -> 数据库 / 检索 / 画像 / Agent

模型提供方

聊天 Agent 使用 LLM_PROVIDER 选择模型服务：

LLM_PROVIDER=deepseek   # 默认，OpenAI-compatible Chat Completions
LLM_PROVIDER=openai     # 官方 OpenAI provider
LLM_PROVIDER=mimo       # 小米 Mimo OpenAI-compatible 接口

以 Mimo 为例：

LLM_PROVIDER=mimo
MIMO_API_KEY=你的 key
MIMO_BASE_URL=https://api.xiaomimimo.com/v1
MIMO_MODEL=mimo-v2.5

Agent 流程

用户消息
  -> Runner.run(PersonaAgent)
  -> 读取会话、样例、记忆、习惯、表情和反馈
  -> 判断消息类型、顺序、延迟和是否回复
  -> 校验回复计划并投递资源
  -> 写入 trace 和 notes

运行日志：

data/agent-notes.json     持续笔记和反馈记录
data/agent-trace.jsonl    每轮观察、计划、草稿和校验结果

iPhone 通知

iOS 主屏幕 Web App 需要 HTTPS 才能订阅系统通知。执行：

npm run setup:lan-ios
npm start

然后在同一局域网内：

1. 打开 http://局域网IP:3000/chat-info.html，下载并安装本地 CA 证书。
2. 在“设置 → 通用 → 关于本机 → 证书信任设置”中开启信任。
3. 用 Safari 打开 HTTPS 地址，选择“添加到主屏幕”。
4. 从主屏幕打开应用，在聊天信息页开启通知并发送测试通知。

主要文件

server.js                       Express API 和运行时入口
lib/agent/model.js              模型服务适配
lib/agent/runner.js             Agents SDK Runner 接入
lib/agent/tools.js              Agent 工具和回复计划校验
lib/agent/state.js              持续笔记和 trace 日志
lib/sticker-index.js            表情索引和检索
lib/prompt-loader.js            Prompt 模板加载
lib/memory.js                   历史记忆召回
lib/vector-memory-client.js     向量 Worker 调度和 FTS5 降级
lib/vector-memory-worker.js     本地向量生成和语义检索
lib/profile.js                  行为统计和反馈读取
lib/session.js                  当前会话持久化
lib/tts.js                      语音合成适配
skills/import-chat-history/     供 AI 工具使用的聊天导入 skill
scripts/                        维护、索引和监控脚本
public/                         聊天界面和静态资源
persona/                        人物资料和对话样例
prompts/                        Agent、turn、retry、proactive 和 tool 提示词

Prompt 目录

需要调整回复规则、主动联系或工具行为时，修改对应模板：

prompts/agent/persona-agent.md   Agent 主提示词
prompts/agent/turn-input.md      每轮输入包装
prompts/agent/retry-output.md    校验失败后的重试
prompts/agent/proactive-task.md  主动联系任务
prompts/tools/*.md               工具说明