Adapter: AI Chat History — 8 厂商跨平台 AI 对话史合一

状态：v0.1 设计稿（2026-05-19）。Phase 10 待启。Personal Data Hub 的旗舰差异化 adapter — 任何单厂商都做不到的独家价值。
关联：父文档 Personal_Data_Hub_Architecture.md §12 Phase 10；前置 Adapter_Email_IMAP.md (Phase 5) + Adapter_Alipay_Bill.md (Phase 6)
目标 app（Redmi 24115RA8EC 真机已装确认 ✅）：
com.deepseek.chat — DeepSeek
com.moonshot.kimichat — Kimi
com.aliyun.tongyi — 通义千问
com.zhipuai.qingyan — 智谱清言
com.tencent.hunyuan.app.chat — 腾讯混元/元宝
com.baidu.qianfan.llmkitchat — 百度千帆
com.coze.space — 字节扣子 (agent 平台)
com.bytedance.dreamina — Dreamina (AI 生图/视频)
为什么这是旗舰差异化：用户跨 8 家厂商的 AI 对话史本身是信息孤岛，每家只看到自己份额。把它们合到本地 vault 后：
本地 LLM 通过 RAG 看见用户过去问过任何 AI 的所有问题——任何单厂商都做不到
形成"AI 使用画像"——哪类问题倾向问哪家、用 AI 频次、问题主题演化
用户摆脱厂商 lock-in——历史可携带，换厂商不丢上下文
重新利用——旧对话可作为新提示词的 few-shot 例子
核心承诺：ChainlessChain 是唯一 AI 工具能告诉你"你 3 个月前问过 DeepSeek 怎么做 X，下面是当时的对话和后续 follow-up"。

1. 背景

1.1 AI 用户的"碎片化对话史"现状

典型 2026 重度 AI 用户的对话流场景：

场景	倾向用
写代码 / debug	DeepSeek (擅 reasoning + 中文好)
长文档阅读 / 资料整理	Kimi (200k 上下文)
阿里云生态相关	通义 (生态绑定)
国产学术 / 政企	智谱 (ChatGLM 系)
微信生态搜索	混元/元宝
百度生态	千帆
复杂 agent 任务	扣子
海报 / 商品图	Dreamina

用户在跨 8 家厂商之间脑内做路由决策，但每次决策的上下文（"我之前问过类似的"）只存在于某一家的服务器，跨家不可见。

1.2 现有解决方案的缺陷

方案	缺陷
手动复制粘贴各家对话存 Markdown	不增量 / 不结构化 / 无 RAG
浏览器插件抓 (如 ChatGPT Exporter)	单厂商插件碎片化，没人做国产全家桶
用某厂商的"导出"功能	多数国产厂商没有官方导出；有的只导单条
第三方 SaaS 聚合工具	数据上传第三方——与"数据回归个人"完全相反

ChainlessChain 是第一个把"AI 对话史回归用户本地"做成核心能力的工具。

1.3 与已有 ChainlessChain 能力的接口

既有能力	本 adapter 复用
iOS Phase 5 AIChat skill	既有 conversation/message 模型可参考，本 adapter 输出对齐
KG 引擎 + RAG	对话 ingest 进 KG → RAG 召回
Skill 系统	每家厂商一个 adapter sub-skill
WebView (Electron 内嵌)	Cookie 鉴权流程
Cowork 多代理	跨家分析 ("我跨家问过的同类问题对比")

2. 目标 & 非目标

2.1 目标 (v1 in scope)

#	项	验收
G1	8 家厂商各 1 个 adapter 实现	每家 sub-skill 独立测试通过
G2	鉴权 UX 统一：内嵌 WebView 登录 + Cookie 提取	用户在 ChainlessChain UI 完成 8 家登录 < 15 分钟
G3	增量同步：每家会话列表 + 消息（cursor / since-id watermark）	重跑 0 重复，新增对话即时同步
G4	跨家 UnifiedSchema 统一映射（Conversation + Message + AIVendor）	KG 中可跨家查询
G5	图像 / 代码块 / Markdown / 文件附件保真	1k 消息样本 fidelity ≥ 95%
G6	RAG 接通 — 本地 LLM 看见所有跨厂商对话	E2E："我之前问过 AI 怎么做 X" → 召回相关历史
G7	隐私 SOP：对话明文加密本地存 + 不向任何厂商回传	抓包验证
G8	Cookie 过期检测 + 一键重登	UI 通知 + WebView 续登 < 1 分钟
G9	跨家分析 skill — "用 AI 的画像 / 主题分布 / 频次趋势"	月度报告 Workflow

2.2 非目标 (defer)

海外厂商（ChatGPT / Claude / Gemini / Perplexity）— v2，国内网络考虑独立；架构兼容
DeepSeek API 模式 / Kimi API 模式（用户用自己的 API key 而非 web）— v2，配置成本更高
写回 / 修改 / 删除厂商侧对话 — adapter 只读
AI 主动调用（continue conversation） — 那是 iOS Phase 5 既有 chat 功能，不是 history adapter
图像 / 视频原文件下载 — v1 只存 URL + 缩略图，原文件按需下载
agent / workflow 复杂结构（扣子） — v1 拍平为 message 序列；v2 加 agent topology
多账户每家 — v1 每家一个登录账户；v2 加多账户切换
企业版 / 团队对话 — v1 个人账户专用
OAuth2 / token 鉴权（厂商提供时） — v1 全走 cookie+WebView；v2 升级
实时 stream（边对话边 ingest）— v1 是 batch sync 模式

3. Open Questions

OQ-1：鉴权方式

A：用户提供 cookie 字符串（高级用户从浏览器 devtools 拷） B：ChainlessChain 内嵌 WebView 让用户登录 → 拦截 Cookie storage C：QR 码扫码（部分厂商支持） D：纯 API key（厂商提供时）

推荐 B。理由：(1) A 普通用户做不到；(2) B 一次性流程 + 用户掌控登录全程 + cookie 透明拦截；(3) C 仅部分厂商支持，覆盖度不全；(4) D 厂商多数不提供个人 API key 给 web chat 服务。备用：B 失败时 fallback 到 A。

A：所有 8 家 cookie 存同一 vault 表 B：每家独立 vault namespace C：每家独立 Keystore key

推荐 B。理由：(1) A 一家泄露全军覆没；(2) B 平衡 — 同 vault 但表分；(3) C 过度工程 — Keystore 8 个 key 增加运维复杂度。每家 vault row 含 vendor / cookie_blob / extracted_at / last_validated / expires_estimate。

OQ-3：增量同步策略（每家差异）

A：每家用自己的 cursor/since-id（厂商 API 给啥用啥） B：用 updated_at > last_synced_at 通用过滤 C：A + B 兜底

推荐 C。理由：(1) A 优先（厂商原生分页最稳）；(2) B 兜底（厂商 cursor 失效时按时间）；(3) 每家 adapter 在 sync_watermarks 表存 (vendor, cursor, last_synced_at, last_message_id) 四元组。

OQ-4：消息粒度

A：每条消息一个 Event（细粒度，方便 RAG） B：每对话一个 Event（粗粒度，content 是消息数组） C：A 主 + B 派生 Conversation Topic

推荐 C。理由：(1) A 让 RAG 召回精准，每条消息可独立 cite；(2) B 让"对话级元数据"（标题 / 模型 / 耗时）有处放；(3) C 双层：Event[type=ai-message] 一条消息 + Topic[type=ai-conversation] 一对话元数据，通过 KG edge 关联。

OQ-5：跨家用户身份合一

A：每家用户独立 Person 实体（self-deepseek / self-kimi ...） B：所有 self-* 自动合并为 "person-self" C：默认 B，用户可拆

推荐 C。理由：(1) 8 家都是同一个用户的不同账户；(2) 默认合一让分析层简单（"我所有 AI 对话"）；(3) 但保留 vendor-specific identifier 作为 Person.identifiers 子字段，允许用户万一需要拆开（如家庭共用账号场景）。

OQ-6：图像/附件 v1 存储策略

A：只存 URL（厂商 CDN 链接，可能过期） B：URL + 自动下载缩略图 + 按需下载原图 C：URL + 全量下载原图（爆磁盘）

推荐 B。理由：(1) A URL 失效后历史无法看图；(2) B 缩略图 50KB × 1k = 50MB 可接受 + 用户可在 UI 主动"下载原图"；(3) C 一张 4K 图 5MB × 大量历史 = 几十 GB。

OQ-7：扣子 (Coze) agent 结构展平

A：每个 agent run 拍平为单 message B：保留 agent / workflow / tool-call 子结构 C：A + B 双层

推荐 A 起步，C 备份。理由：(1) v1 简化为 message 序列，agent 元数据进 extra；(2) v2 用户提需求时升级到 C 含 tool-call topology；(3) 起步保持 schema 简单。

OQ-8：Dreamina 形态不同

A：当作 AI chat 同处理（prompt + generated image 作为 message） B：单独 ImageGenerationAdapter C：A，但 message subtype = "image-generation"

推荐 C。理由：(1) 与其他 7 家 schema 兼容；(2) subtype 让 UI / 分析层可特殊渲染；(3) 不需独立 adapter，复用同框架。

4. 整体架构

4.1 分层

┌────────────────────────────────────────────────────┐
│ AIChatHistoryAdapter (framework)                   │
│  - 统一 sync 调度 / watermark / dedup / KG ingestor │
│  - 统一 UnifiedSchema 映射                          │
│  - 统一 WebView 鉴权 + cookie 提取                  │
├────────────────────────────────────────────────────┤
│ Vendor sub-adapters (8 个，实现 VendorAdapter 接口) │
│  ┌──────────┬──────────┬──────────┬──────────┐    │
│  │ DeepSeek │ Kimi     │ Tongyi   │ Zhipu    │    │
│  ├──────────┼──────────┼──────────┼──────────┤    │
│  │ Hunyuan  │ Qianfan  │ Coze     │ Dreamina │    │
│  └──────────┴──────────┴──────────┴──────────┘    │
│  每个负责：                                          │
│   - 该厂商登录 URL + cookie 域名                     │
│   - 该厂商会话列表 / 消息 API endpoint              │
│   - 该厂商响应 JSON → 通用 RawConversation/RawMessage│
│   - 该厂商分页 / cursor / rate-limit 处理            │
└────────────────────────────────────────────────────┘

4.2 VendorAdapter 接口

typescript

interface VendorAdapter {
  readonly vendor: AIVendor;               // "deepseek" | "kimi" | ...
  readonly displayName: string;            // "DeepSeek" / "Kimi" / ...
  readonly androidPackage: string;         // 用于检测用户是否装

  // 登录配置
  readonly loginUrl: string;               // WebView 打开的页面
  readonly loggedInDetector: (page) => boolean;  // 检测登录态
  readonly cookieDomains: string[];        // 要提取的 cookie 域

  // 会话拉取
  listConversations(opts: SyncOptions): AsyncIterable<RawConversation>;
  listMessages(conversationId: string, opts: SyncOptions): AsyncIterable<RawMessage>;

  // 限流策略
  readonly rateLimits: { perMinute: number; minIntervalMs?: number };

  // 健康检查（cookie 是否有效）
  validateCookie(): Promise<{ ok: boolean; reason?: string }>;

  // 厂商特定 normalization（可选 override 父类默认）
  normalizeMessage?(raw: RawMessage): Message;
}

4.3 父 adapter 主循环

启动 sync
  ↓
1. 对每个已登录的 vendor：
   a. validateCookie() — 过期 → 标 AUTH_EXPIRED + 通知用户重登
   b. listConversations() yield → 取 cursor watermark
   c. 对每个新/更新的 conversation：
      - listMessages() yield 该会话内的所有消息
      - 每条消息 normalize → Event[type=ai-message]
      - 该会话 normalize → Topic[type=ai-conversation]
   d. 持久化 watermark
  ↓
2. KG ingestor:
   - Person-self ←→ Event(actor=self, vendor=X) 创建 sent-message edge
   - Topic[ai-conversation] ←→ Event(message) 创建 contains-message edge
  ↓
3. RAG ingestor:
   - 把消息 text 喂 embedding → personal-data-ai-history collection

5. UnifiedSchema 映射

5.1 RawConversation / RawMessage

typescript

interface RawConversation {
  vendor: AIVendor;
  originalId: string;            // 厂商侧 conversation id
  title?: string;
  modelName?: string;            // 如 "deepseek-r1" / "kimi-1.5"
  createdAt: number;
  updatedAt: number;
  messageCount?: number;
  archived?: boolean;
  extra?: Record<string, any>;   // 厂商特定字段
}

interface RawMessage {
  vendor: AIVendor;
  originalId: string;
  conversationId: string;
  role: "user" | "assistant" | "system" | "tool";
  content: MessageContent;
  createdAt: number;
  parentMessageId?: string;       // 多轮分支
  modelName?: string;             // 实际响应 model（每 message 可不同）
  extra?: Record<string, any>;
}

interface MessageContent {
  text?: string;                  // Markdown 字符串
  attachments?: Attachment[];
  toolCalls?: ToolCall[];         // 扣子 agent
  generatedImages?: GeneratedImage[];  // Dreamina
}

interface Attachment {
  type: "file" | "image";
  filename?: string;
  url: string;                    // 厂商 CDN
  localThumbnailPath?: string;
  size?: number;
  mimeType?: string;
}

interface GeneratedImage {
  url: string;
  localThumbnailPath?: string;
  prompt: string;
  model?: string;
  params?: Record<string, any>;
}

5.2 → UnifiedSchema

每条 message → Event：

typescript

{
  id: "evt-uuid",
  type: "event",
  subtype: "ai-message",           // 或 "ai-image-generation" (Dreamina)
  occurredAt: raw.createdAt,
  actor: raw.role === "user" ? "person-self" : "person-ai-<vendor>",
  participants: ["person-self", "person-ai-<vendor>"],
  content: {
    title: undefined,
    text: raw.content.text,
    mediaRefs: raw.content.attachments?.map(a => a.url),
  },
  topics: ["topic-conv-<originalConversationId>"],
  source: {
    adapter: "ai-chat-history",
    adapterVersion: "0.1.0",
    originalId: raw.originalId,
    capturedAt: <now>,
    capturedBy: "api",
    capturedFrom: raw.vendor,
  },
  extra: {
    vendor: raw.vendor,
    conversationOriginalId: raw.conversationId,
    role: raw.role,
    modelName: raw.modelName,
    parentMessageId: raw.parentMessageId,
    toolCalls: raw.content.toolCalls,
    generatedImages: raw.content.generatedImages,
  },
}

每对话 → Topic：

typescript

{
  id: "topic-conv-<originalConversationId>",
  type: "topic",
  name: raw.title || "(无标题对话)",
  derivedFromEvents: [...allMessageEventIds],
  extra: {
    vendor: raw.vendor,
    type: "ai-conversation",
    modelName: raw.modelName,
    createdAt: raw.createdAt,
    updatedAt: raw.updatedAt,
    messageCount: raw.messageCount,
  },
}

Vendor → Person（每家 AI 一个虚拟 Person）：

typescript

{
  id: "person-ai-deepseek",
  type: "person",
  subtype: "ai-agent",              // 新增 subtype
  names: ["DeepSeek"],
  identifiers: { vendor: "deepseek" },
  notes: "DeepSeek (com.deepseek.chat) — 用户的 DeepSeek AI 助手账户",
}

5.3 KG triples 派生

Event(message) --by--> Person(self) or Person(ai-<vendor>)
Event(message) --in-conv--> Topic(ai-conversation)
Event(message) --vendor--> Vendor(<name>)         (新增 Vendor 实体或用 Topic 表达)
Topic(ai-conversation) --uses-model--> Model(<modelName>)
Topic(ai-conversation) --about--> [LLM-extracted topic from title + first 3 messages]

6. 各厂商关键技术细节

v1 通过 reverse-engineering（用户自用，浏览器抓包学）+ 用户社区已知工具参考。所有 API 路径写代码前必须重新抓包确认（厂商频繁改）。

6.1 DeepSeek (`com.deepseek.chat`)

项	值
登录 URL	`https://chat.deepseek.com/`
主要 cookie	`userToken` / session cookie
会话列表 API	`GET /api/v0/chat_session/fetch_page?count=N&before=<cursor>`
消息 API	`GET /api/v0/chat/history_messages?chat_session_id=<id>`
分页	cursor `before` (前向时间)
风控	中等；同 cookie 多机器并发会限
特别	R1 reasoning 模型有 `thinking` 字段单独存（v1 拍进 message.extra.thinking）

6.2 Kimi (`com.moonshot.kimichat`)

项	值
登录 URL	`https://kimi.com/` (旧 kimi.moonshot.cn)
主要 cookie	`access_token` / `refresh_token`
会话列表 API	`POST /api/chat/list`
消息 API	`GET /api/chat/<id>/segment/scroll?last_id=<msgId>`
分页	last_id
特别	长文档对话有 `kimi_docs` 元数据 + 用户上传的文档（v1 存 URL，v2 下载原文件）

6.3 通义 (`com.aliyun.tongyi`)

项	值
登录 URL	`https://tongyi.aliyun.com/` (或 qianwen.aliyun.com)
主要 cookie	阿里通用账号 `_csrf` / `XSRF-TOKEN`
会话列表 API	`POST /dialog/conversation/list`
消息 API	`POST /dialog/conversation/messages`
风控	强；阿里通用 anti-bot；需正常用户 UA + 节奏
特别	需 X-CSRF 头；多模态消息有 `image_list` / `file_list`

6.4 智谱清言 (`com.zhipuai.qingyan`)

项	值
登录 URL	`https://chatglm.cn/`
主要 cookie	`chatglm_token`
会话列表 API	`GET /chatglm/backend-api/v1/conversation/list`
消息 API	`GET /chatglm/backend-api/v1/conversation/<id>`
风控	中
特别	GLM-4 系列模型；有 web search 调用注入消息

6.5 混元/元宝 (`com.tencent.hunyuan.app.chat`)

项	值
登录 URL	`https://yuanbao.tencent.com/` (元宝品牌)
主要 cookie	`hy_token` + 腾讯 `uin` 系列
会话列表 API	`POST /api/user/conv/list`
消息 API	`POST /api/user/conv/<id>/message/list`
风控	强；腾讯通用 anti-bot
特别	微信生态联动消息可能引用微信链接

6.6 千帆 (`com.baidu.qianfan.llmkitchat`)

项	值
登录 URL	`https://yiyan.baidu.com/` (一言) 或 `https://qianfan.cloud.baidu.com/`
主要 cookie	`BAIDUID` + `BDUSS`
会话列表 API	`POST /aichat/conversation/list`
消息 API	`POST /aichat/conversation/getMessages`
风控	强；百度全链路 anti-bot

6.7 扣子 (`com.coze.space`)

项	值
登录 URL	`https://www.coze.cn/`
主要 cookie	字节通用 `s_v_web_id`
会话列表 API	`GET /api/conversation/list`
消息 API	`GET /api/conversation/<id>/message`
特别	agent 平台：每个对话绑某个 bot；tool calls 多；workflow 可能嵌套；v1 拍平，v2 保 topology

6.8 Dreamina (`com.bytedance.dreamina`)

项	值
登录 URL	`https://dreamina.com/` 或 `https://jimeng.jianying.com/`
主要 cookie	字节通用 + creator workspace token
会话列表 API	`POST /api/workspace/list` (作品集)
消息 API	实际是"作品列表"，每作品一个 prompt + N 张图
schema	message.subtype = "ai-image-generation"，content.generatedImages 含 prompt + URLs
特别	图像 CDN URL 有签名过期；v1 抓 URL，缩略图本地化

6.9 豆包 Doubao (`com.larus.nova`)

ByteDance 的旗舰文本 AI 助手，与 Dreamina（图像/视频）同源但 web 域名独立。作为第 9 家 vendor 接入。

项	值
登录 URL	`https://www.doubao.com/chat/`
主要 cookie	`.doubao.com` + `www.doubao.com`
用户校验 API	`POST /samantha/user/info`（响应 `data.user_id` / `data.uid`）
会话列表 API	`POST /samantha/conversation/list`，body `{ cursor, count }`，响应 `data.conversation_list[]` + `cursor` + `has_more`
消息列表 API	`POST /samantha/conversation/<id>/message/list`，body `{ conversation_id, cursor, count }`，响应 `data.message_list[]` + `cursor` + `has_more`
分页机制	opaque cursor + has_more（不是 offset/page number）；hard cap 200 页
时间字段	`create_time` / `last_message_time` / `update_time`（秒级 epoch，`_toMs` 检测 >1e12 不再 ×1000）
角色字段	`sender_type` 兼容数字（1=user / 2=assistant / 3=system）+ 字符串（`USER` / `ASSISTANT` / `SYSTEM` + 小写）
modelName 取舍	取 `bot_name`（豆包账号支持多 bot 角色），`extra.botId` 保留原 id 供 KG 分组
附件	text + optional `attachments[]`（image / file），v1 scaffold 仅保 url + filename + size + mimeType
节奏	`rateLimits: { perMinute: 20, minIntervalMs: 2000 }` — 比标准 8 家略激进，因豆包 web 端响应快
已落地	Phase 10.2(+) v0.1 scaffold（5 单测 + 一并接入 `DEFAULT_VENDOR_SPECS`），Phase 10.4 真账号 har 抓包 pin 字段名

与 §6.8 Dreamina 的关系：同字节出品但完全独立 — Dreamina 是图像/视频 workspace，豆包是文本对话。两者 cookie 不互通（不同子域），可同时接入；UnifiedSchema 通过 vendor 字段区分。

SPEC 防御策略：_extractConvList / _extractMsgList 同时识别 conversation_list / conversations / list 三种字段名（消息侧 message_list / messages / list），吸收 Phase 10.4 字段名 drift 不破 sync。

7. AI 分析价值

7.1 8 家接入后立即可问

问题	数据路径
"我上周问 AI 最多的主题是什么？"	filter 时间窗 + group by topic + count
"我用 DeepSeek 比 Kimi 频率高吗？"	group by vendor + count
"我 3 个月前问过怎么做 X，给我看下当时的对话"	RAG 召回 + cross-vendor
"我跨家问过同样的问题吗？" (Cowork agent 跨家对比)	embedding 相似度跨 vendor
"Kimi 帮我读过的所有 PDF 主题"	filter vendor=kimi + extra.kimi_docs
"我用 AI 生成过多少图？"	subtype=ai-image-generation count
"我用混元搜过什么微信公众号文章？"	filter vendor=hunyuan + content match
"我请扣子 agent 跑过哪些工作流？"	filter vendor=coze + extra.toolCalls
"我最长的一次 AI 对话？"	order by messageCount desc

7.2 与其他 adapter 跨源

AI 对话 × 邮箱：用户用 AI 起草的邮件 → 实际发送的邮件（对话与 Email 关联）
AI 对话 × 网盘：AI 帮分析的 PDF 落在百度网盘 / 腾讯文档
AI 对话 × 工作 IM：用户问 AI 然后转贴给同事（钉钉/飞书消息）
AI 对话 × 购物：用 AI 选购买决策 → 实际下单（Taobao/JD）

7.3 旗舰 use case："我的 AI 副驾驶记忆"

本地 Ollama LLM 启动时自动 RAG load 用户最近 7 天 AI 对话作 context：

用户：写一个 React hook 防 debounce 输入 Ollama (with RAG context)：你上周二在 DeepSeek 问过类似的（hook useDebounce），当时给的方案是 X，今天要不要在那基础上 +Y？

这是任何单厂商无法做到的——跨厂商连续记忆。

8. UI/UX

8.1 8 家厂商总览页

┌─ AI 对话史 (跨 8 家)──────────────────────────┐
│                                                │
│  ✅ DeepSeek      已连 │ 1,234 条 │ 5min 前    │
│  ✅ Kimi          已连 │   823 条 │ 5min 前    │
│  ⚠️ 通义           cookie 过期，[重新登录]      │
│  ⚪ 智谱清言       未连接 [登录]                │
│  ⚪ 混元           未连接 [登录]                │
│  ⚪ 千帆           未连接 [登录]                │
│  ⚪ 扣子           未连接 [登录]                │
│  ⚪ Dreamina       未连接 [登录]                │
│                                                │
│  总消息：2,057  总对话：143                     │
│  [立即同步全部]                                 │
└────────────────────────────────────────────────┘

8.2 添加厂商流程

点 [登录] →
WebView 弹窗打开厂商登录页 →
用户用账号 / 手机短信 / 扫码 / 微信扫码 等正常方式登录 →
ChainlessChain 检测到 loggedInDetector 触发 →
后台静默抓取 cookies →
保存到 vault →
WebView 关闭 →
首次全量同步开始（后台 + 进度条）

8.3 跨家搜索界面

ChatPanel 加入跨家历史搜索框：

搜索框：[ 我之前怎么 implement 的 useDebounce ]

结果：
─ DeepSeek · 2026-03-15 · "React Hook 防抖" ────
   我：写一个 React hook 防 debounce 输入
   AI：你可以用 useEffect + setTimeout...
   [打开完整对话]

─ Kimi · 2026-04-02 · "防抖最佳实践对比" ────
   我：useDebounce hook 和 lodash.debounce 有什么区别
   AI：useDebounce 是 React 生命周期适配...
   [打开完整对话]

8.4 对话详情视图

镜像 iOS Phase 5 AIChat 的 bubble UI：

左气泡 = AI 回复（顶部小标签：DeepSeek-R1 / Kimi-1.5 / ...）
右气泡 = 用户
流式 thinking（DeepSeek-R1）折叠显示
附件 / 图片 inline 渲染
长按消息 → "在 ChainlessChain 中跟进"（把这条对话作为 system prompt 起新对话）

8.5 跨家分析报告（v1 Workflow 自动月度）

┌─ 2026 年 5 月 AI 使用报告 ─────────────────┐
│ 总对话：43 │ 总消息：512 │ 总 token est: 2.3M │
│                                              │
│ 频次分布:                                     │
│   DeepSeek ████████████ 60%                  │
│   Kimi     ████ 20%                          │
│   通义     ██ 10%                            │
│   其它    █ 10%                              │
│                                              │
│ 主题 TOP 5（LLM 抽）:                         │
│   1. 代码 / debug 207 条                      │
│   2. 资料阅读 84 条                           │
│   3. 写作 / 邮件起草 51 条                    │
│   4. 文档总结 47 条                           │
│   5. 图像生成 26 条                           │
│                                              │
│ 异常洞察：                                    │
│   - 周三晚 23 点你密集问了 AI 35 分钟（不健康）│
│   - 你跨家重复问过相同问题 7 次（可整合 prompt）│
└──────────────────────────────────────────────┘

9. 安全 & 隐私

cookie 等于厂商账户，泄漏 = 用户被人冒充。

Keystore 加密，每家独立 namespace
不显式暴露给 skill sandbox（adapter 主进程独占）
audit log 记录每次 cookie 使用（包括同步 / 重试）
用户可一键"撤销并删除"某家 cookie

9.2 数据出端控制

绝对不允许任何形式的对话数据外传到非用户控制的端：

同步走厂商原生 API + 用户自己的 cookie，不经过 ChainlessChain 后端
LLM 推理走本地 Ollama
跨设备同步走 P2P + DID + E2EE
抓包工具验证：adapter 期间网络流量目的地仅厂商自己 + 内 LAN

9.3 厂商风控规避（伦理边界）

严格尊重 rateLimits（厂商真实限流）
用真实浏览器 UA + 默认 timing 间隔（不堆并发）
WebView 而非 raw HTTP（cookie 链路与真实浏览器一致）
不调任何"破解 / 绕过"工具
若厂商 ToS 明确禁止程序化访问，UI 弹窗显式提示用户阅读 + 同意（v1 默认所有 8 家用户自负）

9.4 用户被封号风险

用户登录的是自己账户，自承风险
文案明示："adapter 模拟正常浏览器访问。极小概率厂商可能识别非标行为限号。建议保持节奏不过于频繁，避免短时间同步全部历史。"
同步默认"增量"（首次只拉最近 30 天，由用户在 UI 决定是否拉全量）

10. 测试计划

10.1 单测

每个 vendor adapter：mock HTTP responses，覆盖 list/message/分页/错误（cookie 过期 / rate limit / 5xx）
通用 framework：sync 调度 / watermark / dedup / KG ingest
UnifiedSchema 映射：每家 fixture ≥ 10 条，覆盖文本/代码块/Markdown/附件/图像/工具调用
WebView cookie 提取：mock cookie storage，验证抽取正确

10.2 集成测试

端到端：fixture vendor server → adapter → LocalVault → KG → RAG → Q&A
多 vendor 并行：8 家同时 sync，无 cookie 串通 / 无表锁
跨 vendor RAG："同样问题问过吗" 在 mixed fixture 上召回

10.3 真机 E2E（用户自己账号）

场景	验收
8 家全部登录	WebView 流程 < 15 分钟完成
全量历史同步	各家近 6 个月对话 + 消息齐
跨家自然语言搜	§7.1 9 类问题全通
Cookie 过期	UI 提示 + 重登 < 1 分钟
厂商 API 变更	adapter manifest 版本 + 兼容老 fallback
大量历史性能	5k 消息 ingest < 60s + RAG embed 后台慢跑
Dreamina 图像	缩略图本地化 + 原图按需下载
扣子 tool calls	message.extra 含 toolCalls 数组
月度报告 Workflow	月初 1 号自动生成 + 通知

11. Phase 拆分

Sub-phase	内容	工期
10.1	框架：VendorAdapter 接口 + 父 adapter 主循环 + UnifiedSchema 映射 + WebView 鉴权流程	1.5d
10.2	DeepSeek + Kimi 两家（最简单 API，先验证框架）	1.5d
10.2(+)	豆包 Doubao scaffold（第 9 家，字节文本 AI；validateCookie + listConversations + listMessages + _extractList 防御 + 5 单测，字段名待 10.4 har pin）	0.5d
10.3	通义 + 智谱 + 混元 + 千帆四家（中文厂商批量）	2d
10.4	扣子 (agent 结构) + Dreamina (图像生成) + 豆包 har 字段 pin	1d
10.5	跨家分析 skill + 月度报告 Workflow + UI 概览页	1d

总：~7.5 天，与父文档 §12 Phase 10 工期一致（豆包 scaffold 半天插入 10.2 与 10.3 之间）。

12. Traps & 风险

#	Trap	描述	缓解
T1	厂商 API 频繁变	抓包写的代码 1 周失效	adapter manifest semver + 版本兼容回退表 + 用户社区贡献 patch
T2	Cookie 过期触发率高	部分厂商每周需重登	后台 health check + 提前 3 天预警 + 一键重登流程
T3	厂商风控误判	adapter 节奏被识别非正常 → 账号风控	默认节奏温和（每分钟 < 10 请求）+ 用户可设更慢 + 失败立即停止
T4	跨厂商消息时间戳冲突	服务器时区 / 客户端时区混	一律转换为 UTC ms + 保留 raw
T5	WebView 上抓 cookie 失败	第三方 cookie storage / SameSite=Strict	使用 Electron session.cookies.get + 必要时拦截 set-cookie header
T6	DeepSeek R1 thinking 内容超长	一条消息 thinking 字段 50KB+	存 vault 时压缩 (gzip) extra.thinking
T7	用户在 ChainlessChain 外登录新厂商账号	adapter 看不到	UI 提供"刷新连接"按钮 → WebView 重启拿新 cookie
T8	Dreamina 图片 URL 签名过期	1-7 天后过期	即时下载缩略图 + 失效图标示
T9	扣子 agent 嵌套深	一对话有 agent A 调 agent B 调 tool C	v1 拍平 + extra.tool_call_chain；v2 升 KG sub-graph
T10	多设备同步冲突	设备 A 和 B 都 sync 同一家 → 重复	originalId 去重 + 设备级 watermark
T11	跨家用户名不同	DeepSeek 用手机 / Kimi 用邮箱 / 通义用阿里云账号	OQ-5 默认合一 + 用户可拆视图
T12	数据出端被滥用	用户自己把导出对话上传到第三方	UI 警示 + 默认导出附"勿外传"提示
T13	厂商 ToS 法律风险	部分厂商 ToS 禁止程序化访问	用户登录前明示 + 同意 + 用户自担；ChainlessChain 不主动绕过任何反爬
T14	模型版本变更影响分析	"我去年用 GLM-3 vs 今年 GLM-4" 分析需保留 modelName	每 message 存 modelName + 分析层提供 model 维度 group by

13. 演进路线

v1（本设计稿）

8 家国产 AI 全打通
跨家自然语言查询 + 月度报告
本地 LLM RAG 见所有历史

v2

海外厂商（ChatGPT / Claude / Gemini / Perplexity / Grok）
API token 鉴权（用户提供自己的 API key）
实时 stream（chat 时即时落本地）
扣子 agent topology 保真（KG sub-graph）

v3

AI 对话 LoRA 微调（基于用户自己的对话语料）
跨厂商"统一前端"——用户在 ChainlessChain 一个 UI 同时问多家
AI 使用画像可视化 dashboard

14. 参考

父文档 Personal_Data_Hub_Architecture.md
姐妹 Adapter_Email_IMAP.md (Phase 5)
姐妹 Adapter_Alipay_Bill.md (Phase 6)
iOS Phase 5 iOS_Phase_5_AI_Chat_Skill.md — 既有 conversation/message 模型可对齐
各厂商官方 API 文档（多数无公开 spec，须真机抓包；写代码前必须重新验证）

Adapter: AI Chat History — 8 厂商跨平台 AI 对话史合一 ​

1. 背景 ​

1.1 AI 用户的"碎片化对话史"现状 ​

1.2 现有解决方案的缺陷 ​

1.3 与已有 ChainlessChain 能力的接口 ​

2. 目标 & 非目标 ​

2.1 目标 (v1 in scope) ​

2.2 非目标 (defer) ​

3. Open Questions ​

OQ-1：鉴权方式 ​

OQ-2：Cookie 存储 ​

OQ-3：增量同步策略（每家差异） ​

OQ-4：消息粒度 ​

OQ-5：跨家用户身份合一 ​

OQ-6：图像/附件 v1 存储策略 ​

OQ-7：扣子 (Coze) agent 结构展平 ​

OQ-8：Dreamina 形态不同 ​

4. 整体架构 ​

4.1 分层 ​

4.2 VendorAdapter 接口 ​

4.3 父 adapter 主循环 ​

5. UnifiedSchema 映射 ​

5.1 RawConversation / RawMessage ​

5.2 → UnifiedSchema ​

5.3 KG triples 派生 ​

6. 各厂商关键技术细节 ​

6.1 DeepSeek (com.deepseek.chat) ​

6.2 Kimi (com.moonshot.kimichat) ​

6.3 通义 (com.aliyun.tongyi) ​

6.4 智谱清言 (com.zhipuai.qingyan) ​

6.5 混元/元宝 (com.tencent.hunyuan.app.chat) ​

6.6 千帆 (com.baidu.qianfan.llmkitchat) ​

6.7 扣子 (com.coze.space) ​

6.8 Dreamina (com.bytedance.dreamina) ​

6.9 豆包 Doubao (com.larus.nova) ​

7. AI 分析价值 ​

7.1 8 家接入后立即可问 ​

7.2 与其他 adapter 跨源 ​

7.3 旗舰 use case："我的 AI 副驾驶记忆" ​

8. UI/UX ​

8.1 8 家厂商总览页 ​

8.2 添加厂商流程 ​

8.3 跨家搜索界面 ​

8.4 对话详情视图 ​

8.5 跨家分析报告（v1 Workflow 自动月度） ​

9. 安全 & 隐私 ​

9.1 Cookie 高敏 ​

9.2 数据出端控制 ​

9.3 厂商风控规避（伦理边界） ​

9.4 用户被封号风险 ​

10. 测试计划 ​

10.1 单测 ​

10.2 集成测试 ​

10.3 真机 E2E（用户自己账号） ​

11. Phase 拆分 ​

12. Traps & 风险 ​

13. 演进路线 ​

v1（本设计稿） ​

v2 ​

v3 ​

14. 参考 ​

Adapter: AI Chat History — 8 厂商跨平台 AI 对话史合一

1. 背景

1.1 AI 用户的"碎片化对话史"现状

1.2 现有解决方案的缺陷

1.3 与已有 ChainlessChain 能力的接口

2. 目标 & 非目标

2.1 目标 (v1 in scope)

2.2 非目标 (defer)

3. Open Questions

OQ-1：鉴权方式

OQ-2：Cookie 存储

OQ-3：增量同步策略（每家差异）

OQ-4：消息粒度

OQ-5：跨家用户身份合一

OQ-6：图像/附件 v1 存储策略

OQ-7：扣子 (Coze) agent 结构展平

OQ-8：Dreamina 形态不同

4. 整体架构

4.1 分层

4.2 VendorAdapter 接口

4.3 父 adapter 主循环

5. UnifiedSchema 映射

5.1 RawConversation / RawMessage

5.2 → UnifiedSchema

5.3 KG triples 派生

6. 各厂商关键技术细节

6.1 DeepSeek (`com.deepseek.chat`)

6.2 Kimi (`com.moonshot.kimichat`)

6.3 通义 (`com.aliyun.tongyi`)

6.4 智谱清言 (`com.zhipuai.qingyan`)

6.5 混元/元宝 (`com.tencent.hunyuan.app.chat`)

6.6 千帆 (`com.baidu.qianfan.llmkitchat`)

6.7 扣子 (`com.coze.space`)

6.8 Dreamina (`com.bytedance.dreamina`)

6.9 豆包 Doubao (`com.larus.nova`)

7. AI 分析价值

7.1 8 家接入后立即可问

7.2 与其他 adapter 跨源

7.3 旗舰 use case："我的 AI 副驾驶记忆"

8. UI/UX

8.1 8 家厂商总览页

8.2 添加厂商流程

8.3 跨家搜索界面

8.4 对话详情视图

8.5 跨家分析报告（v1 Workflow 自动月度）

9. 安全 & 隐私

9.1 Cookie 高敏

9.2 数据出端控制

9.3 厂商风控规避（伦理边界）

9.4 用户被封号风险

10. 测试计划

10.1 单测

10.2 集成测试

10.3 真机 E2E（用户自己账号）

11. Phase 拆分

12. Traps & 风险

13. 演进路线

v1（本设计稿）

v2

v3

14. 参考