1. 微信聊天记录进 Codex 与 ObsidianWeChatBridge 落地场景拆解微信聊天记录里藏着大量有价值的信息客户需求、项目讨论、群里的资料链接、朋友推荐的工具。但这些内容一直锁在微信里想拿给 AI 分析或者沉淀成笔记过去只能靠手动复制粘贴效率极低。WeChatBridge微信流这个开源项目解决的就是这个「最后一公里」的问题——它站在微信和 AI 应用之间把聊天记录稳稳当当地送过去。具体来说WeChatBridge 做的事情可以拆成三个动作导出、转发、沉淀。导出是指从微信客户端读取你选中的聊天记录包括文字、图片、文件、链接等转发是指把这些内容通过系统分享机制送到目标应用比如 Codex、Claude Code、豆包、千问办公等 Agent沉淀是指把聊天记录写入 Obsidian变成结构化的笔记附件还能像微信聊天界面一样显示。这个场景适合谁我梳理了三类人第一类是需要在本地沉淀聊天记录、构建个人知识库的开发者比如把客户群的需求讨论自动归档到 Obsidian第二类是重度使用 Agent 做聊天记录分析的 AI 用户比如让 Codex 帮你总结一个几百条消息的群聊第三类是想把微信聊天记录接入自己工作流的效率工具爱好者比如把聊天记录转发到剪贴板再贴到任意编辑器。但这里有个关键问题WeChatBridge 负责把聊天记录「送出去」但送出去之后Agent 怎么调用模型Obsidian 怎么做语义检索这就需要一条统一的 API 通道。我实测下来TaoToken 的 API 通道正好补上这一环——它提供统一的 Key 和 endpoint让 Codex、Obsidian 插件、自定义脚本都能用同一套配置接入模型能力。下面我就把从微信流导出到 Codex 分析、再到 Obsidian 沉淀的完整路径拆开讲。2. TaoToken 前置准备统一 Key 与 endpoint 配置在开始配置之前你需要先理解 TaoToken 在这个链路里扮演的角色。WeChatBridge 把聊天记录导出成 Markdown 或 JSON 格式Codex 和 Obsidian 需要调用模型来处理这些内容。TaoToken 提供的就是这个模型调用的统一入口——你不需要为每个工具单独申请 Key也不需要记住不同厂商的 endpoint 格式一套配置就能覆盖 Codex、Obsidian 插件和自定义脚本。第一步是获取 API Key。打开 TaoToken 官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 注册登录后进入控制台。在控制台左侧找到「API Keys」菜单点击「创建新 Key」。这里有个细节Key 的名称建议写成「wechatbridge-codex」这种带用途的命名方便后续排查问题时快速定位。创建完成后Key 只会显示一次务必立即复制保存到本地密码管理器或环境变量文件里。第二步是确认 endpoint 地址。TaoToken 的 API 基础地址是 https://taotoken.net/api 这个地址在 Codex 的 auth.json、Obsidian 插件的设置页、以及自定义脚本里都要用到。注意不要加 UTM 参数API 调用只需要干净的基础地址。第三步是确认模型 ID。TaoToken 支持多种模型你在控制台的「模型列表」页面可以看到当前可用的模型 ID。对于微信聊天记录分析这种任务我建议选择上下文窗口较大的模型因为一个群聊导出后可能有几千甚至上万字。把模型 ID 记下来后面配置 Codex 和 Obsidian 时都要填。这里有个容易踩的坑很多人会把官网地址和 API 地址搞混。官网是 https://taotoken.net/ 用于注册、充值、查看文档API 是 https://taotoken.net/api 用于代码调用。如果你在 auth.json 里填了官网地址请求会返回 404 或者重定向错误。我试过在 Codex 里填错地址报错信息是「local proxy failed」排查了半天才发现是 endpoint 写成了官网。另外如果你打算长期用 Codex 做编码和 Agent 任务可以了解一下 Coding Plan 方案它针对高频调用场景做了额度优化。具体入口在控制台的「Coding Plan」页面这里不展开你按需选择即可。3. 可复制配置auth.json、Obsidian 插件与 WeChatBridge 导出设置这一节是全文的核心我直接把可复制的配置片段给出来。你需要准备三个东西Codex 的 auth.json、Obsidian 的插件配置、以及 WeChatBridge 的导出格式设置。先看 Codex 的 auth.json。这个文件通常位于~/.codex/auth.jsonLinux/macOS或%USERPROFILE%\.codex\auth.jsonWindows。如果你之前没有这个文件手动创建即可。配置内容如下{ base_url: https://taotoken.net/api, api_key: sk-你的TaoTokenKey, model: 你的模型ID, provider: openai-compatible }注意三个字段base_url填 TaoToken 的 API 地址不要加末尾斜杠api_key填你在控制台创建的 Keymodel填模型 ID。provider字段填openai-compatible因为 TaoToken 的 API 兼容 OpenAI 格式。保存后Codex 启动时会自动读取这个文件。接下来是 Obsidian 的配置。Obsidian 本身不直接调用模型你需要安装一个支持自定义 API 的插件比如「Text Generator」或「Copilot」。以 Text Generator 为例在插件设置里找到「API Provider」选项选择「OpenAI Compatible」然后填写[api] base_url https://taotoken.net/api api_key sk-你的TaoTokenKey model 你的模型ID如果你用的是 Copilot 插件配置路径在「Settings → Copilot → Model」里把 Base URL 改成https://taotoken.net/apiAPI Key 填 TaoToken 的 KeyModel 填模型 ID。这里有个细节Copilot 插件默认会请求/v1/chat/completionsTaoToken 的 API 路径是兼容的不需要额外改路径。然后是 WeChatBridge 的导出设置。WeChatBridge 支持把聊天记录导出为 Markdown、JSON、纯文本三种格式。如果你要送给 Codex 分析建议选 Markdown因为 Codex 对 Markdown 的解析效果最好如果你要写入 Obsidian也选 MarkdownObsidian 原生支持。导出路径建议设成一个固定目录比如~/wechat-export/方便后续脚本处理。WeChatBridge 还有一个「场景化」功能可以为每个群或好友自定义执行场景。比如你把某个客户群设成「客户复盘」导出时会自动带上你预设的提示词比如「帮我整理需求、风险和下一步」。这个功能在 WeChatBridge 的设置页里配置每个场景对应一个提示词模板导出时选择场景即可。如果你用的是 Claude Code 而不是 Codex配置方式类似但文件路径不同。Claude Code 的配置文件通常在~/.claude/settings.json你需要把base_url和api_key填进去。具体格式参考 TaoToken 的接入文档里面有 Claude Code 的完整配置示例。4. 验证请求一次导出→写入→检索的完整动作配置写完之后必须做一次端到端验证确认整条链路是通的。我设计了一个最小验证动作从微信导出一段聊天记录送给 Codex 分析再把结果写入 Obsidian最后在 Obsidian 里检索。第一步打开微信选中一个聊天会话建议选一个消息量适中的群比如 50 到 100 条右键选择「转发到其他应用」在弹出的应用列表里找到 WeChatBridge。WeChatBridge 会弹出导出选项选择 Markdown 格式场景选「默认」点击导出。导出完成后你会在~/wechat-export/目录下看到一个.md文件文件名类似群名_20250101_120000.md。第二步打开终端用 Codex 处理这个文件。命令如下codex --file ~/wechat-export/群名_20250101_120000.md --prompt 帮我总结这段聊天记录的核心讨论点和待办事项如果你没有安装 Codex CLI也可以用 curl 直接测试 API 是否通curl -X POST https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer sk-你的TaoTokenKey \ -H Content-Type: application/json \ -d { model: 你的模型ID, messages: [ {role: user, content: 用一句话总结今天讨论了微信流接入 Codex 的方案} ] }如果返回的 JSON 里有choices字段并且message.content有内容说明 API 通道是通的。如果返回 401说明 Key 填错了如果返回local proxy failed说明 base_url 写错了如果返回reading choices相关错误说明响应格式不对检查 model ID 是否正确。第三步把 Codex 的输出写入 Obsidian。你可以手动复制也可以用脚本自动化。我写了一个简单的 Python 脚本放在~/wechat-export/目录下import os import requests api_key os.environ.get(TAOTOKEN_KEY) base_url https://taotoken.net/api/v1/chat/completions model 你的模型ID def analyze(file_path): with open(file_path, r, encodingutf-8) as f: content f.read() headers { Authorization: fBearer {api_key}, Content-Type: application/json } payload { model: model, messages: [ {role: user, content: f总结以下聊天记录\n{content}} ] } resp requests.post(base_url, headersheaders, jsonpayload) return resp.json()[choices][0][message][content] if __name__ __main__: result analyze(群名_20250101_120000.md) with open(obsidian-vault/微信记录总结.md, w, encodingutf-8) as f: f.write(result) print(写入完成)运行这个脚本前先把TAOTOKEN_KEY环境变量设好。脚本会把总结写入 Obsidian 的 vault 目录。第四步打开 Obsidian在搜索框里输入总结里的关键词比如「微信流」如果能搜到刚写入的笔记说明整条链路验证通过。5. 常见报错排查401、local proxy failed、reading choices、OAuth这一节我整理了几个真实遇到的报错和排查方法都是我在配置过程中踩过的坑。401 Unauthorized这是最常见的错误原因是 API Key 无效或过期。排查步骤第一确认 Key 复制完整没有多余空格第二登录 TaoToken 控制台检查 Key 是否被禁用或删除第三确认请求头里的Authorization格式是Bearer sk-xxx不要漏掉Bearer前缀。如果 Key 没问题但还是 401检查一下是不是把官网地址填到了 API 位置。local proxy failed这个报错通常出现在 Codex 启动时原因是base_url配置错误。Codex 会尝试连接你配置的地址如果地址不对或者网络不通就会报这个错。排查步骤第一确认base_url是https://taotoken.net/api不要加/v1或末尾斜杠第二用 curl 测试一下这个地址是否可达第三检查 auth.json 的 JSON 格式是否正确可以用python -m json.tool auth.json验证。reading choices 相关错误这个报错说明 API 返回的响应格式和预期不符。常见原因是 model ID 填错了或者请求体里的messages格式不对。排查步骤第一确认 model ID 和控制台里的一致第二检查请求体是否是标准的 OpenAI 格式messages数组里每个对象要有role和content第三如果用的是自定义脚本打印一下完整的响应 JSON看看choices字段是否存在。OAuth 相关错误如果你在 Codex 或 Claude Code 里启用了 OAuth 登录可能会和 API Key 配置冲突。排查步骤第一确认你用的是 API Key 模式不是 OAuth 模式第二在 Codex 的设置里关闭 OAuth 相关选项第三如果 Claude Code 报 OAuth 错误检查settings.json里是否同时存在 OAuth 和 API Key 配置删除 OAuth 部分即可。这里再补充一个配置检查清单出现问题时可以逐项核对检查项正确值常见错误Base URLhttps://taotoken.net/api填成官网地址或加 /v1API Keysk-开头完整复制有多余空格或换行Model ID控制台模型列表里的 ID填成模型名称或拼写错误请求格式OpenAI 兼容格式messages 字段缺失或格式错误文件路径~/.codex/auth.json路径拼写错误或权限不足如果你在排查过程中需要更详细的接入文档可以访问 TaoToken 的文档页面里面有各工具的完整配置示例。如果验证模型是否可用可以直接用模型对话页面测试。6. 长期使用建议把微信流接入你的 Agent 工作流配置跑通之后下一步是把它变成日常习惯。我自己的做法是每天早上花五分钟把前一天的重要群聊导出用 Codex 批量总结然后写入 Obsidian。这样一周下来你的知识库里就自动积累了几十篇聊天记录总结需要的时候直接搜索关键词就能找到。如果你需要长期高频调用模型比如每天处理几十个群聊建议了解一下 Coding Plan 方案它在额度上更适合这种场景。具体入口在 TaoToken 控制台的 Coding Plan 页面你可以根据自己的调用量选择。最后说一个实用技巧WeChatBridge 的场景化功能可以和你自己的提示词模板结合。比如你为「项目群」设一个场景提示词是「提取需求、风险、负责人、截止时间」导出时选择这个场景Codex 就会按这个格式输出。你可以在 WeChatBridge 的设置里为每个群单独配置场景做到千人千面。这样你不需要每次手动写提示词导出即分析效率会高很多。
1. 微信聊天记录进 Codex 与 ObsidianWeChatBridge 落地场景拆解微信聊天记录里藏着大量有价值的信息客户需求、项目讨论、群里的资料链接、朋友推荐的工具。但这些内容一直锁在微信里想拿给 AI 分析或者沉淀成笔记过去只能靠手动复制粘贴效率极低。WeChatBridge微信流这个开源项目解决的就是这个「最后一公里」的问题——它站在微信和 AI 应用之间把聊天记录稳稳当当地送过去。具体来说WeChatBridge 做的事情可以拆成三个动作导出、转发、沉淀。导出是指从微信客户端读取你选中的聊天记录包括文字、图片、文件、链接等转发是指把这些内容通过系统分享机制送到目标应用比如 Codex、Claude Code、豆包、千问办公等 Agent沉淀是指把聊天记录写入 Obsidian变成结构化的笔记附件还能像微信聊天界面一样显示。这个场景适合谁我梳理了三类人第一类是需要在本地沉淀聊天记录、构建个人知识库的开发者比如把客户群的需求讨论自动归档到 Obsidian第二类是重度使用 Agent 做聊天记录分析的 AI 用户比如让 Codex 帮你总结一个几百条消息的群聊第三类是想把微信聊天记录接入自己工作流的效率工具爱好者比如把聊天记录转发到剪贴板再贴到任意编辑器。但这里有个关键问题WeChatBridge 负责把聊天记录「送出去」但送出去之后Agent 怎么调用模型Obsidian 怎么做语义检索这就需要一条统一的 API 通道。我实测下来TaoToken 的 API 通道正好补上这一环——它提供统一的 Key 和 endpoint让 Codex、Obsidian 插件、自定义脚本都能用同一套配置接入模型能力。下面我就把从微信流导出到 Codex 分析、再到 Obsidian 沉淀的完整路径拆开讲。2. TaoToken 前置准备统一 Key 与 endpoint 配置在开始配置之前你需要先理解 TaoToken 在这个链路里扮演的角色。WeChatBridge 把聊天记录导出成 Markdown 或 JSON 格式Codex 和 Obsidian 需要调用模型来处理这些内容。TaoToken 提供的就是这个模型调用的统一入口——你不需要为每个工具单独申请 Key也不需要记住不同厂商的 endpoint 格式一套配置就能覆盖 Codex、Obsidian 插件和自定义脚本。第一步是获取 API Key。打开 TaoToken 官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 注册登录后进入控制台。在控制台左侧找到「API Keys」菜单点击「创建新 Key」。这里有个细节Key 的名称建议写成「wechatbridge-codex」这种带用途的命名方便后续排查问题时快速定位。创建完成后Key 只会显示一次务必立即复制保存到本地密码管理器或环境变量文件里。第二步是确认 endpoint 地址。TaoToken 的 API 基础地址是 https://taotoken.net/api 这个地址在 Codex 的 auth.json、Obsidian 插件的设置页、以及自定义脚本里都要用到。注意不要加 UTM 参数API 调用只需要干净的基础地址。第三步是确认模型 ID。TaoToken 支持多种模型你在控制台的「模型列表」页面可以看到当前可用的模型 ID。对于微信聊天记录分析这种任务我建议选择上下文窗口较大的模型因为一个群聊导出后可能有几千甚至上万字。把模型 ID 记下来后面配置 Codex 和 Obsidian 时都要填。这里有个容易踩的坑很多人会把官网地址和 API 地址搞混。官网是 https://taotoken.net/ 用于注册、充值、查看文档API 是 https://taotoken.net/api 用于代码调用。如果你在 auth.json 里填了官网地址请求会返回 404 或者重定向错误。我试过在 Codex 里填错地址报错信息是「local proxy failed」排查了半天才发现是 endpoint 写成了官网。另外如果你打算长期用 Codex 做编码和 Agent 任务可以了解一下 Coding Plan 方案它针对高频调用场景做了额度优化。具体入口在控制台的「Coding Plan」页面这里不展开你按需选择即可。3. 可复制配置auth.json、Obsidian 插件与 WeChatBridge 导出设置这一节是全文的核心我直接把可复制的配置片段给出来。你需要准备三个东西Codex 的 auth.json、Obsidian 的插件配置、以及 WeChatBridge 的导出格式设置。先看 Codex 的 auth.json。这个文件通常位于~/.codex/auth.jsonLinux/macOS或%USERPROFILE%\.codex\auth.jsonWindows。如果你之前没有这个文件手动创建即可。配置内容如下{ base_url: https://taotoken.net/api, api_key: sk-你的TaoTokenKey, model: 你的模型ID, provider: openai-compatible }注意三个字段base_url填 TaoToken 的 API 地址不要加末尾斜杠api_key填你在控制台创建的 Keymodel填模型 ID。provider字段填openai-compatible因为 TaoToken 的 API 兼容 OpenAI 格式。保存后Codex 启动时会自动读取这个文件。接下来是 Obsidian 的配置。Obsidian 本身不直接调用模型你需要安装一个支持自定义 API 的插件比如「Text Generator」或「Copilot」。以 Text Generator 为例在插件设置里找到「API Provider」选项选择「OpenAI Compatible」然后填写[api] base_url https://taotoken.net/api api_key sk-你的TaoTokenKey model 你的模型ID如果你用的是 Copilot 插件配置路径在「Settings → Copilot → Model」里把 Base URL 改成https://taotoken.net/apiAPI Key 填 TaoToken 的 KeyModel 填模型 ID。这里有个细节Copilot 插件默认会请求/v1/chat/completionsTaoToken 的 API 路径是兼容的不需要额外改路径。然后是 WeChatBridge 的导出设置。WeChatBridge 支持把聊天记录导出为 Markdown、JSON、纯文本三种格式。如果你要送给 Codex 分析建议选 Markdown因为 Codex 对 Markdown 的解析效果最好如果你要写入 Obsidian也选 MarkdownObsidian 原生支持。导出路径建议设成一个固定目录比如~/wechat-export/方便后续脚本处理。WeChatBridge 还有一个「场景化」功能可以为每个群或好友自定义执行场景。比如你把某个客户群设成「客户复盘」导出时会自动带上你预设的提示词比如「帮我整理需求、风险和下一步」。这个功能在 WeChatBridge 的设置页里配置每个场景对应一个提示词模板导出时选择场景即可。如果你用的是 Claude Code 而不是 Codex配置方式类似但文件路径不同。Claude Code 的配置文件通常在~/.claude/settings.json你需要把base_url和api_key填进去。具体格式参考 TaoToken 的接入文档里面有 Claude Code 的完整配置示例。4. 验证请求一次导出→写入→检索的完整动作配置写完之后必须做一次端到端验证确认整条链路是通的。我设计了一个最小验证动作从微信导出一段聊天记录送给 Codex 分析再把结果写入 Obsidian最后在 Obsidian 里检索。第一步打开微信选中一个聊天会话建议选一个消息量适中的群比如 50 到 100 条右键选择「转发到其他应用」在弹出的应用列表里找到 WeChatBridge。WeChatBridge 会弹出导出选项选择 Markdown 格式场景选「默认」点击导出。导出完成后你会在~/wechat-export/目录下看到一个.md文件文件名类似群名_20250101_120000.md。第二步打开终端用 Codex 处理这个文件。命令如下codex --file ~/wechat-export/群名_20250101_120000.md --prompt 帮我总结这段聊天记录的核心讨论点和待办事项如果你没有安装 Codex CLI也可以用 curl 直接测试 API 是否通curl -X POST https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer sk-你的TaoTokenKey \ -H Content-Type: application/json \ -d { model: 你的模型ID, messages: [ {role: user, content: 用一句话总结今天讨论了微信流接入 Codex 的方案} ] }如果返回的 JSON 里有choices字段并且message.content有内容说明 API 通道是通的。如果返回 401说明 Key 填错了如果返回local proxy failed说明 base_url 写错了如果返回reading choices相关错误说明响应格式不对检查 model ID 是否正确。第三步把 Codex 的输出写入 Obsidian。你可以手动复制也可以用脚本自动化。我写了一个简单的 Python 脚本放在~/wechat-export/目录下import os import requests api_key os.environ.get(TAOTOKEN_KEY) base_url https://taotoken.net/api/v1/chat/completions model 你的模型ID def analyze(file_path): with open(file_path, r, encodingutf-8) as f: content f.read() headers { Authorization: fBearer {api_key}, Content-Type: application/json } payload { model: model, messages: [ {role: user, content: f总结以下聊天记录\n{content}} ] } resp requests.post(base_url, headersheaders, jsonpayload) return resp.json()[choices][0][message][content] if __name__ __main__: result analyze(群名_20250101_120000.md) with open(obsidian-vault/微信记录总结.md, w, encodingutf-8) as f: f.write(result) print(写入完成)运行这个脚本前先把TAOTOKEN_KEY环境变量设好。脚本会把总结写入 Obsidian 的 vault 目录。第四步打开 Obsidian在搜索框里输入总结里的关键词比如「微信流」如果能搜到刚写入的笔记说明整条链路验证通过。5. 常见报错排查401、local proxy failed、reading choices、OAuth这一节我整理了几个真实遇到的报错和排查方法都是我在配置过程中踩过的坑。401 Unauthorized这是最常见的错误原因是 API Key 无效或过期。排查步骤第一确认 Key 复制完整没有多余空格第二登录 TaoToken 控制台检查 Key 是否被禁用或删除第三确认请求头里的Authorization格式是Bearer sk-xxx不要漏掉Bearer前缀。如果 Key 没问题但还是 401检查一下是不是把官网地址填到了 API 位置。local proxy failed这个报错通常出现在 Codex 启动时原因是base_url配置错误。Codex 会尝试连接你配置的地址如果地址不对或者网络不通就会报这个错。排查步骤第一确认base_url是https://taotoken.net/api不要加/v1或末尾斜杠第二用 curl 测试一下这个地址是否可达第三检查 auth.json 的 JSON 格式是否正确可以用python -m json.tool auth.json验证。reading choices 相关错误这个报错说明 API 返回的响应格式和预期不符。常见原因是 model ID 填错了或者请求体里的messages格式不对。排查步骤第一确认 model ID 和控制台里的一致第二检查请求体是否是标准的 OpenAI 格式messages数组里每个对象要有role和content第三如果用的是自定义脚本打印一下完整的响应 JSON看看choices字段是否存在。OAuth 相关错误如果你在 Codex 或 Claude Code 里启用了 OAuth 登录可能会和 API Key 配置冲突。排查步骤第一确认你用的是 API Key 模式不是 OAuth 模式第二在 Codex 的设置里关闭 OAuth 相关选项第三如果 Claude Code 报 OAuth 错误检查settings.json里是否同时存在 OAuth 和 API Key 配置删除 OAuth 部分即可。这里再补充一个配置检查清单出现问题时可以逐项核对检查项正确值常见错误Base URLhttps://taotoken.net/api填成官网地址或加 /v1API Keysk-开头完整复制有多余空格或换行Model ID控制台模型列表里的 ID填成模型名称或拼写错误请求格式OpenAI 兼容格式messages 字段缺失或格式错误文件路径~/.codex/auth.json路径拼写错误或权限不足如果你在排查过程中需要更详细的接入文档可以访问 TaoToken 的文档页面里面有各工具的完整配置示例。如果验证模型是否可用可以直接用模型对话页面测试。6. 长期使用建议把微信流接入你的 Agent 工作流配置跑通之后下一步是把它变成日常习惯。我自己的做法是每天早上花五分钟把前一天的重要群聊导出用 Codex 批量总结然后写入 Obsidian。这样一周下来你的知识库里就自动积累了几十篇聊天记录总结需要的时候直接搜索关键词就能找到。如果你需要长期高频调用模型比如每天处理几十个群聊建议了解一下 Coding Plan 方案它在额度上更适合这种场景。具体入口在 TaoToken 控制台的 Coding Plan 页面你可以根据自己的调用量选择。最后说一个实用技巧WeChatBridge 的场景化功能可以和你自己的提示词模板结合。比如你为「项目群」设一个场景提示词是「提取需求、风险、负责人、截止时间」导出时选择这个场景Codex 就会按这个格式输出。你可以在 WeChatBridge 的设置里为每个群单独配置场景做到千人千面。这样你不需要每次手动写提示词导出即分析效率会高很多。
