msgvault離線檢索和 AI 查詢你的全部訊息記錄

翻聊天記錄這事，幾乎每個人都經歷過。想找某年某月的一句話，得在微信、郵件、Slack 之間來回折騰，搜尋還經常不認關鍵詞。更別提那些已經停用的賬號，資料說沒就沒。msgvault 這個開源專案，思路很簡單：把一輩子的郵件和聊天記錄收攏到本地，然後用 SQLite 和 DuckDB 建索引，讓你能離線搜尋、做統計分析，甚至通過 AI 查詢直接問它「去年我和張三聊過哪些關於預算的事」。

它不是雲端服務，不要求你上傳任何東西。所有資料處理都發生在你自己的機器上，這對於在意隱私的人來說，是個很務實的方案。

為什麼需要本地訊息歸檔

現在的訊息平臺，搜尋功能普遍做得一般。郵件還好，歷史聊天記錄基本是「能存但難找」。而且雲端搜尋意味著平臺能讀取你的內容，對於很多涉及工作、法律、醫療的交流，這本身就讓人不放心。msgvault 把資料主權拿回來，你把資料匯出、放進本地資料庫，之後就完全由自己掌控。

另一個好處是「可分析」。本地結構化資料意味著你可以寫 SQL 來統計，比如一天裡什麼時候訊息最多，或者某個聯絡人佔用了多少交流時間。DuckDB 這種嵌入式分析引擎讓這類查詢異常順手。

msgvault 怎麼工作

專案用 Go 編寫，核心是把來自不同平臺的訊息統一轉換成一種中間格式，然後存入 SQLite。原始訊息保留，同時轉換成 DuckDB 可讀的分析檢視。官方描述的「離線搜尋、分析、AI 查詢」就建立在這兩層之上。

• 離線搜尋：不聯網，本地全文索引，響應速度很快
• 統計分析：按聯絡人、時間、渠道等維度聚合資料
• AI 查詢：接入模型後，用自然語言提問，模型可以讀取本地資料來作答

需要說明的是，AI 查詢的具體實現目前還沒有一個「開箱即用」的傻瓜方案。你需要自己配置模型入口，可能是本地跑的 llama.cpp，也可能是一般雲 API。好在專案是開放的，技術使用者可以根據自己的需求定製。

典型使用場景

假如你是一個自由職業者，跟客戶溝通全靠郵件和即時訊息，幾年下來積累了幾萬條記錄。某天想核對某專案的歷史報價，直接問 msgvault「2023 年我們給 XX 公司報過多少錢」，比手動翻找高效得多。

另一個場景是做個人時間覆盤。把微信、郵件、Telegram 的匯出資料都倒進來，看看自己時間花在哪兒。雖然這需要一點折騰，但資料完全留在本地，心理負擔小很多。

侷限性也要說清楚

首先是門檻。目前它沒有圖形介面，安裝和匯入基本靠命令列，對普通使用者不太友好。其次，匯入器的覆蓋範圍有限，不同的聊天軟體匯出的格式千差萬別，你可能需要自己寫轉換指令碼。最後，AI 查詢的效果依賴資料質量和模型能力，如果訊息裡全是口語和碎片，回答的準確率也會打折扣。

即便如此，msgvault 代表了一種值得關注的趨勢：把 AI 用在個人資料上，而且是在本地。對於願意花點時間的人，它確實能變成一個好用的人生記憶檢索器。