最近看到一个挺有意思的 GitHub 项目：emotionalAdvisor。

它的定位很直接：AI 情感军师 Agent。

• 根据八字和风水，算出你应该做什么
• 多 Agent 协同，不是一个模型单独瞎猜
• AI 学习你的性格，帮你做出决定
• 通过 WeFlow 读取微信聊天记录，有真实上下文

结合八字和当天状态，判断你该怎么做

普通 AI 聊天助手最多帮你润色一句话，比如把“在吗”改成“刚看到一个挺有意思的东西，突然想到你”。

但 emotionalAdvisor 里面有一个BaziSkill，可以做四柱八字相关的性格和运势推演。项目示例里也写到，你可以输入自己的出生信息，让它结合双方八字命理分析当天策略。

也就是说，你不只是能问：

这句话怎么回？

你还可以问：

我今天约她出来合适吗？结合我们的八字，今天应该主动一点还是收一点？这句话现在发，会不会太急？

这个点就很有意思。

它不是单纯生成话术，而是把“聊天记录分析”和“命理策略判断”结合起来，给你一个更完整的行动建议：今天适不适合主动、适合用什么语气、要不要推进关系、如果对方冷淡应该怎么收场。

你可以不信玄学，但这个功能确实很有节目效果。

AI + 微信聊天记录 + 八字 + 风水择时，这已经不是普通聊天助手了，更像是一个赛博恋爱参谋部。

多 Agent 协同，不是一个模型从头猜到尾

这个项目采用的是Multi-Skill Agent架构。它内置了自然语言意图分发系统，会根据你的问题自动调用不同技能。比如情感分析走 SimpSkill，思维模拟走 NuwaSkill，命理推演走 BaziSkill。

这就比普通 prompt 工具更完整。

你问一句“她今天回消息很慢，是不是不想理我”，它不是只靠一句话瞎猜，而是可以结合历史聊天记录、联系人画像、互动频率、高频词、深夜互动等信息来判断。项目还会为重点联系人维护独立的 Profile.md性格档案。

所以它更像一个“军师团”：

一个 Agent 看聊天记录，

一个 Agent 分析情绪，

一个 Agent 结合八字，

最后再整合成行动建议。

它的重点不是替你说情话，而是帮你判断现在的局势。

本地化存储，隐私风险相对可控

这类项目最敏感的肯定是隐私。

毕竟微信聊天记录里不只有你自己的信息，也有对方的信息。emotionalAdvisor 的设计是本地化优先，聊天记录、知识库索引和联系人档案会保存在本地目录，比如 user_profile/、data/raw/、db/、crushes/，避免敏感信息被提交到云端。

怎么使用？

这个项目有两种使用方式。

一种适合普通用户：直接下载 Release 里的 exe 文件运行。

另一种适合开发者：克隆源码，本地部署运行。

不过不管哪种方式，都有一个前提：先安装 WeFlow。

因为 emotionalAdvisor 需要通过 WeFlow 获取本地微信聊天记录。项目原生适配 WeFlow 的本地 HTTP API 和 SSE 推送接口，支持后台监听微信新消息，也支持主动增量拉取历史记录。

方式一：直接运行 exe，适合普通用户

如果你只是想体验一下，不想折腾 Python 环境，可以直接去项目的 GitHub Release 页面下载打包好的版本。

项目目前已经提供了 Release 包，最新版本是v1.1.0，说明里也提到这个版本重构了环境配置向导，用来支持更完整的配置项。

下载后，找到里面的 .exe文件，双击运行即可。

这种方式的好处是，不需要手动 clone 项目，也不需要自己安装 Python 依赖，对普通用户更友好。

但运行前仍然要先做两件事：

第一，安装并打开WeFlow。

第二，在 WeFlow 里开启本地 API 服务。

路径大概是：

打开 WeFlow → 登录微信 → 设置 → API 服务 → 启动服务

默认服务地址是：

http://127.0.0.1:5031

只要 WeFlow 的本地服务正常启动，emotionalAdvisor 才能读取和同步你的微信聊天记录。

第一次启动 exe 时，按照配置向导填写大模型 API Key、模型地址、模型名称等信息即可。配置完成后，就可以进入界面或控制台开始使用。

方式二：源码部署，适合开发者

如果你想研究项目代码，或者想二次开发，可以选择源码方式运行。

先克隆项目：

git clone https://github.com/kumoyatyou/emotionalAdvisor.gitcd emotionalAdvisor

然后安装依赖：

pip install -r requirements.txt

项目要求 Python 3.10 或更高版本。README 里也写到，源码运行前需要准备 Python 环境，并安装项目依赖。

接着复制项目里的 .env.example，改名为 .env，然后填写你的大模型配置：

OPENAI_API_KEY=sk-xxxxxxOPENAI_API_BASE=https://api.openai.com/v1MODEL_NAME=gpt-4o

同时配置 WeFlow 的同步地址：

WECHAT_SYNC_URL=http://127.0.0.1:5031/api/v1/push/messagesWECHAT_SYNC_TOKEN=your_weflow_token_here

如果你想让它更准确地分析某个联系人，建议先用 WeFlow 导出历史聊天记录，格式选择 JSON，然后放到：

data/raw/

项目启动后会自动解析这些记录，并构建联系人档案。README 里也建议首次运行前手动导入目标联系人的历史聊天记录，防止首次自动同步不完整。

最后运行：

python gui_main.py

启动成功后，就可以在交互式控制台里用自然语言提问。

比如：

更新一下我和 Alice 的聊天记录。分析一下 Alice 今天为什么回消息这么慢。明天想约她看电影，有什么开场白建议？我今天约 Alice 合适吗？结合我们的八字命理分析一下策略。用 Naval 的视角建议我怎么处理这段关系。

如果你对这个项目感兴趣就赶紧去试试吧！