作者苍何介绍了开源项目 WeChatBridge（微信流）的 iOS 版本发布。该工具可将微信聊天记录批量转发给 Codex、Claude Code 等各家 Agent 进行总结分析，也可沉淀到 Obsidian 作为个人知识库。作者分享了借助 Claude Code 和 Kimi K3.1 Pro 开发 iOS 版的过程：先让模型制定详细计划和技术文档，再照文档执行，6 个多小时完成了原计划 18 个工作日的工作。文章强调"别跟它聊需求，跟它定验收"的 Agent 开发心得，并详细介绍了 iOS 版的收、存、投功能，包括分批收集超过 100 条消息、场景化提示词、隐私安全设计等。
作者苍何介绍了其开发的 Obsidian 插件 WeSight 的重磅升级：新增 WeSight 发布助手，支持一键将文章同步到小红书、知乎、CSDN、掘金、微博、X 等多平台；支持将长文快速转为图文并按平台风格生成文案与配图；提供公众号预览、AI 生成标题摘要、数据复盘；通过 GitHub 实现知识库多设备同步；并支持 Claude Code、Codex、OpenCode 多引擎切换且保留上下文，可接入 DeepSeek、Kimi 等自定义模型。工具将创作者从重复搬运劳动中解放出来，专注内容创作本身。
作者苍何宣布开源项目 WeChatBridge 推出 Windows 版本。该工具可将微信聊天记录批量转发给 Codex、Claude Code、豆包、千问等主流 Agent，并可将聊天记录沉淀到 Obsidian 作为个人知识库。此前项目仅支持 Mac，GitHub 已获 1.2k star。Windows 版新增技能管理中心支持导入 Skill、群聊场景绑定、以及突破微信单次 100 条勾选限制的分批收集功能。作者强调不模拟点击、不破解微信数据，以保证安全合规、避免封号风险。文中还介绍了安装流程及老版本 Windows 需兼容层等细节，并提醒用户注意隐私保护与合法使用。
作者为解决群消息爬楼、客户聊天复盘、内容存入知识库等痛点，开源了 WeChatBridge（微信流）工具。该工具可将选中的微信聊天记录转发到 Codex、Claude Code、豆包等 AI Agent，也可存入 Obsidian 或剪贴板。支持为不同聊天群配置不同处理场景和提示词，配合 Skill 读取文章、PDF 等生成摘要，并保留操作记录便于二次转发。工具不主动读取微信、本机处理数据，由用户自主选择转发目标。项目基于 Dukou 开源项目二次开发。
作者基于 Karpathy 提出的 LLM wiki 理论，结合 WorkBuddy/Codex 与 Obsidian，搭建了一套能够自生长的个人知识库系统。文章解释了 LLM wiki 与 RAG 类方案的区别：知识不是每次临时拼装，而是通过 Raw（原始资料）、Wiki（结构化知识）、Schema（规则规范）三层架构持续增量沉淀。Obsidian 以本地化 Markdown、双链和插件生态承担存储底座与人机界面，Agent 负责理解新资料、建页、建链、维护索引与变更日志。文中给出了完整目录模板、详细提示词，介绍了直接搭建、claude-obsidian 插件等多种搭建方法，并分享了模型选型与实战建议。
文章介绍了作者基于 Codex 和 Obsidian 构建的公众号创作工作流，并开源了 WeSight 插件。该工具集成了 AI 辅助写作、自动排版、封面生成、标题优化及数据分析功能，实现了从创作到发布的全流程闭环，支持一键同步至公众号后台。
本文介绍了作者利用 OpenClaw（小龙虾）、Obsidian 和 ima 构建的一套全自动知识管理工作流。该系统通过设定监控任务，实现了微信读书笔记、本地文章、微信收藏夹及灵感的实时自动同步。作者强调将采集整理交给 Agent，人类只需负责决策，从而在本地存储与云端同步之间构建了高效的知识闭环。
