ChatLab：重新看本地優先的聊天記錄分析工具
本地優先的人工智慧聊天歷史分析器。 |人工智慧 。它將靈活的 SQL 引擎與 AI 代理程式結合，因此您可以在自己的電腦上探索模式、提出更好的問題並從聊天資料中提取見解。
秒懂
- 它是什麼？
- 用 SQL 和 AI 在本地分析你的社交聊天記錄，支援 WhatsApp、LINE、QQ 等平台。 聚焦本專案的實際功能、技術入口、部署條件、資料流、版本變化與授權邊界，並依官方 README 所列能力判斷適用工作情境和不適合的替代用途。
- 適合誰用？
- ChatLab 將聊天記錄分析放在本地完成，核心處理流程和共享程式碼套件同時支撐桌面應用程式與 CLI，適合處理大規模歷史資料。若想了解其具體效能指標、安全稽核或官方支援管道，。
- 可以商用嗎？
- 可以，但條件嚴格。AGPL-3.0 是網路 copyleft 授權：如果別人透過網路使用你修改過的版本（例如作為託管服務），你必須以同一授權向他們提供原始碼。
- 還在維護嗎？
- 有在維護。儲存庫最近一次提交在 3 天前。
- 用什麼語言寫的？
- 主要是 TypeScript（依據 GitHub 的語言統計）。
以上回答依據專案的 GitHub 資料（最近同步於 2026年9月14日）與我們的分析，不構成法律意見。
開源專案深度解析
chatlab-chatlab-deep-analysis｜從 這個儲存庫是什麼 讀懂 chatlab-chatlab
chatlab-chatlab-deep-analysis｜從 這個儲存庫是什麼 讀懂 chatlab-chatlab 的專案脈絡：ChatLab 是一個開源桌面應用程式，用於理解社交對話。它把靈活的 SQL 引擎和 AI 代理結合起來，讓使用者在自己的機器上探索模式、提出更好的問題並從聊天資料中提取洞察。儲存庫描述寫著「本地優先的 AI 聊天記錄分析工具」。目前支援的平台包括 WhatsApp、LINE、QQ、Discord、Instagram、Telegram、iMessage 和 Google Chat，Messenger 和 KakaoTalk 被列為即將支援。
chatlab-chatlab-deep-analysis｜從 這個儲存庫是什麼 讀懂 chatlab-chatlab：ChatLab 的資料流明確分為格式偵測、串流剖析、本地持久化、SQL 加 AI 查詢、視覺化五段。實際匯入時可用 clb web --no-open 固定服務，再以 --port 3110 和 --token 設定連線，觀察一份匯出檔如何進入統一模型。 CLI 與 Electron 共用 @openchatlab/core、@openchatlab/node-runtime、@openchatlab/tools，這讓兩種介面理論上共享處理邏輯。README 未提供效能基準或安全稽核結果，因此百萬訊息規模只能視為專案自述，不能當成保證。 本節檢查索引 0 對應 chatlab-chatlab。
chatlab-chatlab-deep-analysis｜實作中的 核心功能：從大規模歷史到私有預設 邊界
chatlab-chatlab-deep-analysis｜實作中的 核心功能：從大規模歷史到私有預設 邊界 的專案脈絡：README 列出的核心功能包括：面向大規模歷史記錄的設計，採用串流剖析和多 worker 處理，以在百萬則訊息層級保持回應；預設私有，聊天資料和設定留在本地，沒有強製性的原始對話雲端上傳；AI 功能透過 Agent 和 Function Calling 工作流程提供，包含 24 個以上工具，可以搜尋、總結和分析聊天記錄；提供視覺化檢視，展示趨勢、時間模式、互動頻率和排名；以及跨平台標準化，將不同匯出格式對應到統一模型。
chatlab-chatlab-deep-analysis｜實作中的 核心功能：從大規模歷史到私有預設 邊界：CLI 與 Electron 共用 @openchatlab/core、@openchatlab/node-runtime、@openchatlab/tools，這讓兩種介面理論上共享處理邏輯。README 未提供效能基準或安全稽核結果，因此百萬訊息規模只能視為專案自述，不能當成保證。 ChatLab 的資料流明確分為格式偵測、串流剖析、本地持久化、SQL 加 AI 查詢、視覺化五段。實際匯入時可用 clb web --no-open 固定服務，再以 --port 3110 和 --token 設定連線，觀察一份匯出檔如何進入統一模型。 本節檢查索引 1 對應 chatlab-chatlab。
chatlab-chatlab-deep-analysis｜以 chatlab-chatlab 驗證 安裝與兩種使用方式
chatlab-chatlab-deep-analysis｜以 chatlab-chatlab 驗證 安裝與兩種使用方式 的專案脈絡：安裝分兩種路徑。桌面應用程式可以從官方網站或 GitHub Releases 下載安裝程式，然後雙擊安裝。CLI 需要 Node.js 20 或更高版本，透過 npm 全域安裝 chatlab-cli，然後執行 chatlab start 啟動 API 和 Web UI，並自動在瀏覽器中開啟；也可以使用 --no-open 跳過自動開啟，或使用 --headless 僅啟動 API。CLI 還提供 --daemon 以在 macOS 和 Linux 上作為系統服務執行，並支援 status 和 stop 指令。連接埠預設是 3110，可設定 host 和 token。
chatlab-chatlab-deep-analysis｜以 chatlab-chatlab 驗證 安裝與兩種使用方式：ChatLab 的資料流明確分為格式偵測、串流剖析、本地持久化、SQL 加 AI 查詢、視覺化五段。實際匯入時可用 clb web --no-open 固定服務，再以 --port 3110 和 --token 設定連線，觀察一份匯出檔如何進入統一模型。 CLI 與 Electron 共用 @openchatlab/core、@openchatlab/node-runtime、@openchatlab/tools，這讓兩種介面理論上共享處理邏輯。README 未提供效能基準或安全稽核結果，因此百萬訊息規模只能視為專案自述，不能當成保證。 本節檢查索引 2 對應 chatlab-chatlab。
chatlab-chatlab-deep-analysis｜資料流如何落到 chatlab-chatlab
chatlab-chatlab-deep-analysis｜資料流如何落到 chatlab-chatlab 的專案脈絡：ChatLab 是一個 pnpm monorepo，建置在 Electron、Vue 3、Nuxt UI 和 Tailwind CSS 之上。核心業務邏輯位於共享套件中（@openchatlab/core、@openchatlab/node-runtime、@openchatlab/tools），桌面應用程式和 CLI 服務共用這些套件，以保持同步。資料流程分為五個階段：格式偵測、串流剖析、本地持久化、SQL 和 AI 查詢、視覺化。架構原則包括預設本地優先、串流處理而非緩衝、透過 Agent 和工具呼叫組合 AI 能力，以及模式優先的演進。
chatlab-chatlab-deep-analysis｜資料流如何落到 chatlab-chatlab：CLI 與 Electron 共用 @openchatlab/core、@openchatlab/node-runtime、@openchatlab/tools，這讓兩種介面理論上共享處理邏輯。README 未提供效能基準或安全稽核結果，因此百萬訊息規模只能視為專案自述，不能當成保證。 ChatLab 的資料流明確分為格式偵測、串流剖析、本地持久化、SQL 加 AI 查詢、視覺化五段。實際匯入時可用 clb web --no-open 固定服務，再以 --port 3110 和 --token 設定連線，觀察一份匯出檔如何進入統一模型。 本節檢查索引 3 對應 chatlab-chatlab。
chatlab-chatlab-deep-analysis｜部署條件與 本地開發與貢獻規則
chatlab-chatlab-deep-analysis｜部署條件與 本地開發與貢獻規則 的專案脈絡：本地開發要求 Node.js 版本在 24 到 25 之間（不包含 25），pnpm 版本在 9 到 10 之間。使用 pnpm install 安裝依賴後，可以執行 pnpm dev 選擇啟動哪個應用程式，也可以直接執行 pnpm dev:desktop、pnpm dev:cli-web、pnpm dev:web-wasm 或 pnpm dev:serve 等目標。如果 Electron 啟動異常，可以嘗試全域安裝 electron-fix 並執行 electron-fix start。貢獻者需要遵循規則：明顯的 bug 修復可以直接提交 PR；新功能必須先提交 Issue 討論，未經討論的 PR 會被關閉；一個 PR 只做一件事。
chatlab-chatlab-deep-analysis｜部署條件與 本地開發與貢獻規則：ChatLab 的資料流明確分為格式偵測、串流剖析、本地持久化、SQL 加 AI 查詢、視覺化五段。實際匯入時可用 clb web --no-open 固定服務，再以 --port 3110 和 --token 設定連線，觀察一份匯出檔如何進入統一模型。 CLI 與 Electron 共用 @openchatlab/core、@openchatlab/node-runtime、@openchatlab/tools，這讓兩種介面理論上共享處理邏輯。README 未提供效能基準或安全稽核結果，因此百萬訊息規模只能視為專案自述，不能當成保證。 本節檢查索引 4 對應 chatlab-chatlab。
chatlab-chatlab-deep-analysis｜使用前要核對的 隱私、協議與授權
chatlab-chatlab-deep-analysis｜使用前要核對的 隱私、協議與授權 的專案脈絡：專案要求使用者在使用前閱讀隱私政策與使用者協議，該檔案位於儲存庫內。專案採用 AGPL-3.0 授權。根據授權文字，它是一個 copyleft 授權，授予複製、散佈和修改軟體的自由，並且特別要求網路伺服器軟體的營運者向該伺服器的使用者提供修改版本的原始碼。授權文字沒有提及安全保證、支援或保固條款；README 也沒有說明專案是否經過安全稽核或提供官方支援。
chatlab-chatlab-deep-analysis｜使用前要核對的 隱私、協議與授權：CLI 與 Electron 共用 @openchatlab/core、@openchatlab/node-runtime、@openchatlab/tools，這讓兩種介面理論上共享處理邏輯。README 未提供效能基準或安全稽核結果，因此百萬訊息規模只能視為專案自述，不能當成保證。 ChatLab 的資料流明確分為格式偵測、串流剖析、本地持久化、SQL 加 AI 查詢、視覺化五段。實際匯入時可用 clb web --no-open 固定服務，再以 --port 3110 和 --token 設定連線，觀察一份匯出檔如何進入統一模型。 本節檢查索引 5 對應 chatlab-chatlab。
編輯結論
ChatLab 將聊天記錄分析放在本地完成，核心處理流程和共享程式碼套件同時支撐桌面應用程式與 CLI，適合處理大規模歷史資料。若想了解其具體效能指標、安全稽核或官方支援管道，。 適合願意依 README 逐項驗證的人，不適合把功能清單當成保證的人；先用 chatlab-chatlab 的具體入口、指令與設定檔跑通最小案例。
社群筆記