ChatLab/ChatLab

ChatLab/ChatLab has 7,628 GitHub stars and 1,540 forks. GitHot measured +2 stars in 24 hours. Last checked 2026-11-07 13:06 UTC. Last push 2026-11-04.

这些数字如何统计

Local-first chat history analyzer with AI. | 本地优先的 AI 聊天记录分析工具

7,628 星标 1,540 forks +2 24小时

可以做什么

🚀 Built for large histories: Stream parsing and multi-worker processing keep imports and analysis responsive, even at million-message scale.
🔒 Private by default: Your chat data and settings stay local. No mandatory cloud upload of raw conversations.
🤖 AI that can actually operate on data: Agent + Function Calling workflows (24+ tools) can search, summarize, and analyze chat records with context.
📊 Insight-rich visual views: See trends, time patterns, interaction frequency, rankings, and more in one place.

实测星标增长

24小时: +2
7天: 正在收集历史
15天: 正在收集历史
1个月: 正在收集历史

各周期内的星标净变化，周期相互重叠，并非每日新增。缺失的测量保持空白。星标代表关注度，不代表软件质量。

README.zh-CN.md

原文

聊天记忆驱动的 AI Agent

English | 简体中文

官网 · 文档 · 快速开始 · 路线图 · Releases

ChatLab 是一个专注于聊天记录分析的本地化应用。通过 AI Agent和灵活的 SQL 引擎，你可以自由地分析你的聊天记录数据。

目前已支持：WhatsApp、LINE、QQ、Discord、Instagram、Telegram、iMessage、Google Chat。即将支持：Messenger、KakaoTalk。

首次安装？从这里开始：快速开始

核心特性

🚀 极致性能：使用流式计算与多线程并行架构，就算是百万条级别的聊天记录，依然拥有丝滑交互和响应。
🔒 保护隐私：聊天记录和配置都存在你的本地数据库，所有分析都在本地进行（AI 功能例外）。
🤖 智能 AI Agent：集成 24+ Function Calling 工具，支持动态调度，深度挖掘聊天记录中的更多有趣。
📊 多维数据可视化：提供活跃度趋势、时间规律分布、成员排行等多个维度的直观分析图表。
🧩 格式标准化：通过强大的数据抽象层，抹平不同聊天软件的格式差异，即使是再小众的聊天软件，也能分析。

安装

桌面端

前往官网或 GitHub Releases 下载对应操作系统的安装包，双击安装即可。

CLI

需要 Node.js ≥ 20。

npm i chatlab-cli -g

启动 ChatLab：

clb web            # 启动 API + Web UI，并在浏览器中打开
clb web --no-open  # 启动 API + Web UI，但不自动打开浏览器
clb web --headless # 仅启动 API，不挂载 Web UI（供脚本 / AI Agent 调用）

常用选项：--port <端口>（默认 3110）、--host <地址>、--token <令牌>。

如果希望服务常驻后台（开机自启 + 崩溃自动重启）：

clb web --daemon   # 注册为系统服务（macOS / Linux）
clb status           # 查看常驻状态
clb stop             # 停止并取消常驻

完整使用说明请见快速开始指南。

使用指南

预览界面

预览更多请前往官网 chatlab.fun

预览界面

架构概览

ChatLab 是一个基于 pnpm monorepo 的工程，桌面端使用 Electron + Vue 3 + Nuxt UI + Tailwind CSS，核心业务逻辑沉淀在共享包（@openchatlab/core、@openchatlab/node-runtime、@openchatlab/tools），桌面端与 CLI 服务端复用同一份逻辑，保持功能同步。

数据流分五个阶段：格式嗅探 → 流式解析 → 本地落盘 → SQL + AI 查询 → 可视化呈现。

详细架构请参考项目文档。

架构原则

Local-first by default：原始聊天记录、索引与配置默认留在本地，优先保护隐私边界。
Streaming over buffering：以流式解析和增量处理为核心，面向大体量导出文件保持稳定吞吐。
Composable intelligence：AI 能力通过 Agent + Tool Calling 组合，避免将业务逻辑硬编码到单一模型。
Schema-first evolution：围绕统一数据结构构建导入、查询、分析与可视化，降低演进成本。

本地开发

完整协作者说明见开发指南。

环境要求

Node.js >= 24 < 25
pnpm >= 11 < 12

启动步骤

# 安装依赖
pnpm install

# 启动开发模式 — 会提示选择要启动的目标
pnpm dev

也可以直接启动指定目标：

pnpm dev:desktop   # Electron 桌面端
pnpm dev:cli-web   # CLI Web 前端 + 本地服务
pnpm dev:web-wasm  # 纯浏览器 Web WASM
pnpm dev:serve     # 仅 CLI 服务端
pnpm docs:dev      # 文档站

若 Electron 在启动时异常，可尝试使用 electron-fix：

npm install electron-fix -g
electron-fix start

隐私政策与用户协议

使用本软件前，请阅读隐私政策与用户协议

社区

提交 Pull Request 前请遵循以下原则：

明显的 Bug 修复可直接提交
对于新功能，请先提交 Issue 进行讨论，未经讨论直接提交的 PR 会被关闭
一个 PR 尽量只做一件事，若改动较大，请考虑拆分为多个独立的 PR
本地运行、目录职责、测试检查和 AI 协作说明见开发指南

感谢所有为 ChatLab 做出贡献的人！

License

AGPL-3.0 License

ChatLab/ChatLab

可以做什么

实测星标增长

README.zh-CN.md

核心特性

安装

桌面端

CLI

使用指南

预览界面

架构概览

架构原则

本地开发

环境要求

启动步骤

隐私政策与用户协议

社区

License

探索相关项目

affaan-m/ECC

NousResearch/hermes-agent

multica-ai/andrej-karpathy-skills

firecrawl/firecrawl