基于 LLM 的 QQ 消息实时分类与情报采集系统 — 桌面客户端

你是否曾在 QQ 群里被 99+ 的消息淹没，翻了半天才找到一条重要通知？你是否因为错过群里的一条二手交易信息而懊恼？AI 社群情报控制台就是为了解决这个问题而生的——它自动监听你的 QQ 消息，用大语言模型把每条消息智能分类，让你一目了然地看到什么是重要的、什么是有趣的、什么是值得交易的。

消息进入后，系统会调用大语言模型（DeepSeek / OpenAI / Claude）进行语义理解，分为四类：

智能识别中文修辞：不会把"卖萌"误判为二手交易，不会把"砸锅卖铁"当成卖废铁——LLM 理解语境，不做字面关键词匹配。

LLM 不可用时自动降级到规则引擎（基于关键词匹配），保证系统持续运行。

系统提供两种工作模式，适应不同场景：

消息到达 → 立即调用 LLM 分类 → 写入数据库 → 仪表盘实时更新

适合场景：

• 你正在开会/上课，需要实时看到重要通知
• 你想第一时间捕捉二手交易信息（拼手速抢便宜货）
• 你想在飞书群里实时收到情报推送

优点：延迟最低，消息到达后几秒内即可看到分类结果。

消息到达 → 先存入缓冲池（不调 LLM） → 你手动点击"批量处理" → LLM 一次性分析所有消息

适合场景：

• 你不想每条消息都调 LLM（省钱！DeepSeek 按 token 计费）
• 你想攒一天的消息，晚上统一查看
• 你想让 LLM 看到完整对话上下文后再分类（多人讨论同一话题时，上下文很重要）

优点：

1. 省钱：批量处理时 LLM 按话题聚类，而非逐条调用，API 调用次数大幅减少
2. 更准确：LLM 能看到完整对话上下文。比如 A 问"有没有人出显示器"，B 回复"我有一个"，C 说"多少钱"——逐条分类可能漏掉，但批量处理时 LLM 能识别这是一个完整的交易讨论
3. 按话题聚类：批量模式不只是分类，还会把相关消息聚合为一个"话题卡片"，每个话题包含完整的原始对话记录

• 实时统计：总消息数、ABC 各类数量、占比百分比
• 服务状态监控：NapCat 引擎、WS 消息通道、LLM 配置状态，一目了然
• 最新消息流：通过 SSE（Server-Sent Events）实时推送，新消息到达时自动刷新，无需手动刷新页面
• LIVE 指示灯：绿色 = 实时连接中，橙色 = 离线

• 分类浏览：按 A/B/C 分类查看，或查看全部
• 全文搜索：搜索消息内容、摘要、发送人、群名
• 收藏管理：一键收藏重要消息，支持自定义收藏夹（如"重要通知"、"好价二手"）
• 时间筛选：查看最近 1 天 / 7 天 / 30 天的消息

基于 LLM 自动生成每周情报摘要：

• A 类：本周有哪些重要事项？
• B 类：本周有哪些有趣的校园故事？
• C 类：本周有哪些二手交易信息？

支持按分类单独生成，历史周报自动缓存。

配置飞书群机器人 Webhook 后，新采集到的消息会自动推送到飞书群：

[情报同步] 来源: 群聊-XX大学2024级 / 发送人: 张三 / 正文: 出一个二手显示器，200块

多个采集节点可以将数据同步到同一个 Vercel 云端（母舰），实现多人协作采集。适合团队使用。

• pywebview 原生窗口：不依赖浏览器，独立窗口运行
• 一键启动：自动拉起 NapCat（QQ 协议引擎）+ API 服务器 + Scraper（消息采集器）
• 进程管理：窗口关闭时自动清理所有子进程

1. 从 Releases 下载 AIConsole_Setup_x.x.x.exe
2. 双击安装程序 → Next → 选择目录 → Install
3. 桌面出现「AI 社群情报控制台」图标，双击启动
4. 首次启动会弹出配置窗口：
   • 填写 LLM API Key（必填，用于消息分类）
   • 选择 Base URL 和 Model（默认 OpenAI，可改为 DeepSeek / Claude）
   • 可选填写母舰地址和节点名称（用于云端同步）
5. 点击「保存配置」
6. 右侧会出现 QQ 登录界面，选择登录平台后扫码登录

1. 从 Releases 下载 ZIP 包
2. 解压到任意目录
3. 双击 AI_Console_Launcher.exe

系统要求：Windows 10/11 x64，无需安装 Python 或 Node.js

登录前需要选择登录平台，这决定了你的 QQ 是否会挤掉其他设备：

1. 选择登录平台（推荐 iPad 或 Android）
2. 切换到「扫码登录」标签
3. 用手机 QQ 扫描二维码
4. 在手机上确认登录

⚠️ 二维码每 10 秒自动刷新，这是正常行为。如果二维码过期，请等待自动刷新后重新扫描。

⚠️ 如果提示「二维码过期」，系统会自动获取新码，稍等几秒即可。

1. 选择登录平台
2. 切换到「密码登录」标签
3. 输入 QQ 号和密码
4. 点击「登录」

⚠️ 密码登录可能会触发人机验证，遇到时请改用扫码登录。

首次登录时，系统需要配置 NapCat 的消息通道（WebSocket 服务器）。如果提示「消息通道正在配置中，NapCat 正在自动重启…」，请：

1. 等待约 10 秒让 NapCat 完成重启
2. 重新扫码登录
3. 登录成功后会自动进入控制台

这是因为 NapCat 需要在登录后才能生成账号专属的配置文件，系统会自动写入 WebSocket 服务器配置并重启 NapCat，整个过程约 10 秒。

• 二维码不显示：检查 NapCat 是否启动（查看服务状态中 NapCat 是否为绿色）
• 登录后没有消息：检查 WS 消息通道状态，如果显示橙色，点击「重新获取」或重启程序
• 已登录但提示未登录：点击「重新获取」清除登录缓存，重新扫码

┌─────────────────────────────────────────────────┐
│                 用户本地 (一键启动)                │
│                                                  │
│  ┌──────────────┐    ┌────────────────────────┐  │
│  │  pywebview   │    │    FastAPI Server      │  │
│  │  原生窗口     │◄──►│    (localhost:8000)    │  │
│  │  React SPA   │    │  静态文件 + REST API    │  │
│  └──────────────┘    └────────────────────────┘  │
│                                                  │
│  ┌──────────────┐    ┌────────────────────────┐  │
│  │    NapCat     │    │     Scraper Agent      │  │
│  │  QQ 协议引擎  │◄──►│  WS 监听 → LLM 分类   │  │
│  │  (port 6099)  │    │  → SQLite / 飞书 / 母舰 │  │
│  └──────────────┘    └────────────────────────┘  │
│                                                  │
│  用户数据: %APPDATA%/AIConsole/                   │
│  ├── market.db        (消息数据库)                │
│  └── config.yaml      (用户配置)                  │
└─────────────────────────────────────────────────┘

nan-sentinel/
├── backend/                    # 后端服务
│   ├── api.py                 # FastAPI 服务器（REST API + SSE + 静态文件托管）
│   ├── scraper.py             # WebSocket 消息监听 + LLM 分类引擎
│   ├── config.yaml.example    # 配置模板
│   └── requirements.txt
├── frontend/                   # React 前端
│   ├── src/
│   │   ├── pages/
│   │   │   └── LoginPage.tsx       # LLM 配置 + QQ 登录
│   │   └── components/
│   │       ├── DashboardPage.tsx   # 仪表盘（统计 + 服务状态 + 最新消息）
│   │       ├── MessagesPage.tsx    # 消息中心（分类浏览 + 搜索 + 收藏）
│   │       ├── BookmarksPage.tsx   # 收藏夹管理
│   │       ├── ReportsPage.tsx     # 周报生成
│   │       ├── SettingsPage.tsx    # 系统设置
│   │       ├── Layout.tsx          # 主布局（侧边栏 + 内容区）
│   │       └── ProtectedRoute.tsx  # 登录路由守卫
│   └── dist/                  # 构建输出（已包含在仓库中）
├── api/                        # Vercel 云端 Serverless API（母舰）
│   ├── index.py
│   └── requirements.txt
├── launcher.py                 # 桌面客户端启动器（PyInstaller 入口）
├── build_exe.py                # EXE 打包脚本
├── installer.iss               # Inno Setup 安装程序脚本
├── fetch_napcat.py             # NapCat 下载脚本
├── vercel.json                 # Vercel 部署配置
└── .gitignore

# 后端
cd backend
pip install -r requirements.txt
python api.py                # 启动 API 服务器 (localhost:8000)
python scraper.py            # 启动消息采集器

# 前端
cd frontend
npm install
npm run dev                  # 开发模式 (localhost:5173)
npm run build                # 构建生产版本

# 打包 EXE
python build_exe.py          # 生成 dist_output_exe/

# 打包安装程序
# 用 Inno Setup 打开 installer.iss → Build → Compile

用户数据存储在 %APPDATA%/AIConsole/：

• 更新安装时不会覆盖已有数据
• 卸载时会提示是否保留数据
• 开发模式下数据存储在项目根目录
• 每个用户通过昵称隔离数据，只能看到自己的消息

飞书 Webhook 可以让你在飞书群里实时收到采集到的消息推送。

1. 创建飞书机器人

   • 打开飞书，进入你想接收消息的群
   • 点击群设置 → 群机器人 → 添加机器人
   • 选择「自定义机器人」
   • 填写机器人名称（如「情报助手」）
   • 点击「添加」

2. 复制 Webhook 地址

   • 创建完成后会显示一个 Webhook 地址，格式如：

     https://open.feishu.cn/open-apis/bot/v2/hook/xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx
     

   • 复制这个地址

3. 在控制台中配置

   • 打开 AI 社群情报控制台
   • 进入「设置」页面
   • 找到「飞书同步」选项，开启它
   • 粘贴刚才复制的 Webhook 地址
   • 点击保存

4. 测试

   • 配置完成后，新采集到的消息会自动推送到飞书群
   • 推送格式：[情报同步] 来源: 群聊-xxx / 发送人: xxx / 正文: xxx

• Webhook 地址包含敏感信息，请勿泄露
• 每个群可以创建多个机器人，但建议只用一个
• 飞书 Webhook 有频率限制（每分钟最多 5 条），高频消息可能会被合并
• 如果不需要飞书推送，保持关闭即可，不影响其他功能

二维码每 10 秒自动刷新一次，这是为了防止过期。如果扫码时提示过期，等几秒让新码出来即可。

首次登录需要配置 WebSocket 通道。请等待约 10 秒让 NapCat 自动重启，然后重新扫码登录。

推荐选择 iPad 或 Android，这样不会挤掉你电脑上正在使用的 QQ。选择 Windows 会挤掉电脑端。

• DeepSeek：访问 platform.deepseek.com 注册，创建 API Key
• OpenAI：访问 platform.openai.com 注册
• Claude：访问 console.anthropic.com 注册

系统兼容所有 OpenAI 格式的 API，只需修改 Base URL 即可切换服务商。

可以。系统会自动降级到规则引擎（基于关键词匹配），但分类准确率会降低。建议配置 LLM 以获得最佳体验。

用户数据存储在 %APPDATA%/AIConsole/（Windows），包括数据库 market.db 和配置文件 config.yaml。更新安装不会覆盖已有数据。

• 本项目使用的 NapCat 是基于 QQNT 协议的开源实现，仅供学习和研究用途
• 请遵守 QQ 的服务条款和相关法律法规
• 不得将本项目用于任何商业用途或侵犯他人隐私的行为
• 使用者需自行承担因使用本项目而产生的一切风险和责任

MIT

• NapCat — QQ 协议框架
• FastAPI — Python Web 框架
• React — 前端框架
• pywebview — 桌面窗口框架
• Inno Setup — Windows 安装程序