把微信 4.x 的本地聊天记录与朋友圈，变成可浏览、可搜索、可导出、可交给 AI 的个人资料库。
- 一键全流程 — 发现账号 → 提取密钥 → 解密数据库 → 浏览聊天 → 恢复媒体 → 转码语音 → 多格式导出，全部在 Web 控制台内闭环，无需拼装零散脚本。
- 聊天 + 朋友圈双线备份 — 除了聊天记录，还会解密并解析朋友圈数据库
sns.db，把动态、点赞评论、图片视频一起归档。 - 适配微信 4.x 真实结构 — 支持多账号、多盘符、
message_*.db多分片与media_*.db资源库；按文件签名建立分片索引，按会话精准定位。 - 8 种导出格式 — JSON / HTML / TXT / CSV / Markdown / TOML / SQLite / XLSX，媒体与语音引用全格式支持，可打包 ZIP。
- 语音直出 WAV — 微信语音（SILK）默认由纯 Python 的 pilk 解码，配合标准库封装为 WAV，无需 ffmpeg 或任何外部二进制。
- 朋友圈媒体独立解密 — 朋友圈图片/视频走 CDN 拉取 + 纯 Python ISAAC64 流解密，同样零外部依赖；支持实况照片、评论表情与评论图。
- 聊天统计 — 总消息量、类型分布、月度趋势、活跃度与私聊发送者排行，跨分片聚合，秒级出结果。
- 流式处理，不炸内存 — SQLCipher 4 逐页 4KB 流式解密；导出链路 K 路归并 + 增量写入，万级消息导出内存占用保持低位。
- 两级缓存，重跑秒回 — 密钥按 salt 索引缓存（DPAPI 加密），解密产物按
mtime + size + key命中缓存；源库未变时直接复用。 - AI 可直接接管 — 内置 MCP Server（stdio + JSON-RPC 2.0），6 个工具供任意 MCP 客户端检索与导出聊天记录。
- 自动增量刷新 — 可选开启，微信在线时按设定间隔自动重新解密变更的数据库。
- 完全本地运行 — Web 控制台仅监听
127.0.0.1，核心流程不上传任何数据到第三方服务器。
⚠️ 本项目仅限处理你本人拥有合法访问权限的数据，且禁止商用。使用第三方工具可能违反相关平台的服务协议，存在账号被限制或封禁的风险。首次启动需确认免责声明，开始使用前请完整阅读文末免责声明。
发现数据目录 → 提取密钥 → 解密数据库 → 浏览聊天 / 朋友圈 → 恢复媒体 → 转码语音 → 导出 / MCP
discover 策略链 SQLCipher Web UI media.py voice.py exporter
│
└─ 朋友圈媒体：sns_cdn.py（CDN 拉取 + ISAAC64 流解密）
密钥提取采用 propose-verify 分离的策略链（密钥库 → MMKV → WCDB Config.Cipher → 内存扫描），策略只产出候选，由编排器统一做 HMAC 校验后入库；密钥落盘时经 Windows DPAPI 加密，不存明文。
📌 两套媒体加密体系完全独立，不要混淆：聊天图片用 V0/V1/V2（AES-ECB + XOR，账号级密钥，从 MMKV 离线派生，数据来自微信本地缓存）；朋友圈图片/视频用 ISAAC64 流密码（每图独立 key，写在动态 XML 里，数据从 CDN 下载）。详见 docs/media-decryption-principles.md 与 docs/module-sns.md。
- 个人聊天备份：导出为长期可读的 HTML / Markdown / SQLite，留档不留遗憾。
- 朋友圈归档：把发过的动态、配图、视频和评论一起存下来，不依赖平台是否长期保留。
- 项目资料整理：把和客户、同事、群聊里的关键决策沉淀下来。
- 图片表情找回：从微信资源库与 CDN 恢复聊天和朋友圈里的图片、表情、头像。
- AI 检索聊天：通过 MCP 让 AI 帮你查"之前谁说过什么""这个需求什么时候定的"。
- 数据分析：用内置聊天统计看趋势与排行，或导出 JSON / CSV / XLSX / SQLite 后自行分析。
- 本地研究与学习：了解微信 4.x 的数据库结构、两套媒体加密方案与解密流程。
| 平台 | 支持情况 | 说明 |
|---|---|---|
| Windows | 完整支持（推荐） | 密钥提取、数据库解密、Web 控制台、导出、MCP 全功能 |
| macOS | 支持微信 4.1.80+ | 通过 LLDB 断点捕获密钥，提取时需微信处于登录状态 |
macOS 版使用 LLDB 捕获微信内存中的密钥：
- 密钥已缓存时通常可直接复用，速度很快。
- 密钥未缓存时，点击"提取并解密"后请在 60 秒内重新登录微信，确保密钥出现在内存中。
详见 MACOS_SUPPORT.md。
- 打开 Releases。
- 下载对应平台产物：
- Windows：
stories-in-wx-v*-windows-x64.exe - macOS：
stories-in-wx-v*-macos.dmg
- Windows：
- 双击运行，程序会自动打开浏览器进入 Web 控制台。
- 按引导页完成：欢迎检查 → 选择账号 → 提取密钥并解密。
# 1. 克隆仓库
git clone https://github.com/ImUpXuu/SIWX.git
cd SIWX
# 2. 安装依赖（Python 3.10+）
pip install -r requirements.txt
# 3. 启动 Web 控制台
python run.py serve
# 浏览器自动打开 http://127.0.0.1:8787
# 4. 或使用命令行全自动模式
python run.py autopython run.py auto # 全自动：发现 → 提密钥 → 解密
python run.py keys extract [--json] # 仅提取密钥（--json 便于脚本消费）
python run.py keys list # 查看密钥库（密钥打码显示）
python run.py decrypt [--db-dir X] # 仅解密数据库
python run.py serve [--port 8787] # 启动 Web 控制台
python run.py mcp # 启动 MCP Server（stdio）
python run.py doctor # 打印环境信息（提 issue 时粘贴）聊天记录、朋友圈的浏览与导出都在 Web 控制台里操作；命令行只负责密钥、解密与 MCP。
| 步骤 | 做什么 |
|---|---|
| 1. 欢迎检查 | 检测微信状态、账号数量、密钥缓存与运行环境 |
| 2. 选择账号 | 从本机识别到的微信账号中选择要处理的账号 |
| 3. 提取并解密 | 自动提取密钥、解密数据库、生成可浏览数据 |
左侧菜单共 8 个页面，与界面顺序一致：
| 页面 | 说明 |
|---|---|
| 🧭 引导设置 | 首次使用的分步引导，可随时重新运行 |
| 💬 聊天查看 | 浏览会话列表，分页查看消息，预览图片、表情、头像、语音，支持复制与多选 |
| 🌐 朋友圈 | 浏览解密后的朋友圈动态，搜索、筛选发布者，查看图片/视频/实况照片，导出 |
| 📊 聊天统计 | 总消息量、类型分布、月度趋势、活跃度与私聊发送者排行 |
| 📦 导出 | 多选会话批量导出，勾选是否导出媒体 / 语音，可打包 ZIP |
| 🔌 MCP | 生成 AI 客户端接入配置，管理各工具开关，查看调用日志 |
| 📋 日志 | 查看任务进度、错误栈、运行日志，支持脱敏导出 |
| ⚙️ 设置 | 版本更新、日志模式、环境信息、缓存状态、自动刷新数据库、清除缓存 |
侧栏还有两个常驻入口：⚖ 免责声明（随时重看）与 ☾ 主题切换（明暗主题）。首次启动会强制确认一次免责声明。
若安装了插件，插件页会排在上述内置页面之后，样式与高亮完全一致。
微信的朋友圈数据存在独立的 sns.db 里，SIWX 会一并解密，并提供完整的浏览与归档能力。
| 能力 | 说明 |
|---|---|
| 时间线浏览 | 游标分页 + 无限滚动，按发布时间倒序 |
| 关键词搜索 | 正文、卡片标题、音乐歌手/专辑、视频号昵称、笔记正文、位置等统一口径 |
| 发布者筛选 | 只看某位好友发布的动态 |
| 图片 / 视频 | 从 CDN 拉取并 ISAAC64 解密，带磁盘缓存，二次访问秒开 |
| 实况照片 | 识别 LivePhoto，封面带「实况」角标，点击可在灯箱中播放视频 |
| 评论与点赞 | 完整解析；评论里的表情与图片会内联渲染 |
| 卡片类动态 | 链接 / 音乐 / 视频号 / 直播 / 笔记 五类，按 XML 实际字段还原 |
| 详情与灯箱 | 单条详情不截断评论；图片灯箱支持视频播放，Esc 逐层关闭 |
| 导出 | JSON / Markdown / TXT / HTML 四种格式，可选是否一并导出媒体 |
- 动态正文、点赞与评论 —— 来自解密产物
output/<账号>/sns/sns.db。 - 图片与视频 —— 微信不落盘「动态 → 本地缓存文件名」的映射（该映射只存在于客户端内存中），所以本地缓存无法精确归属到具体动态。SIWX 改为用动态 XML 里的 URL 直接向 CDN 请求，再用每张图独立的 ISAAC64 密钥解密。
| 情况 | 说明 |
|---|---|
| 部分旧图拉不到 | 实测自己发布的图约 58% 在 CDN 侧已不存在（HTTP 404），好友发布的约 4%。token、尺寸档、备用域名、本地缓存都验证过，拿不到就是拿不到——这是微信侧的事实，程序只能如实报错 |
| 视频链接短时有效 | encfilekey 过期后返回 400，属预期行为 |
| 本地缓存覆盖率低 | 微信只缓存你浏览过的图片（实测约 19%），因此不作为主路径 |
| 失败可追溯 | 每次失败都会写入 logs/siwx.log（URL 已去掉 token），导出报告会列出失败原因分布 |
技术上，朋友圈媒体与聊天图片是两套完全独立的加密体系（ISAAC64 流密码 vs AES-ECB + XOR），不能混用。深入原理与实测数据见 docs/module-sns.md。
SIWX 的导出目标是：既适合人阅读，也适合机器继续处理。
| 格式 | 适合用途 |
|---|---|
| JSON | 保留结构化字段，适合程序处理、二次开发、AI 管道 |
| HTML | 自包含聊天查看页，适合长期归档和直接阅读 |
| TXT | 最朴素的纯文本备份，方便全文搜索 |
| CSV | Excel、Numbers、WPS、数据库工具都容易打开 |
| Markdown | 写作、笔记、知识库沉淀友好，按日期组织 |
| TOML | 配置风格结构化文本，适合可读性强的归档 |
| SQLite | 适合 SQL 查询、统计分析、长期结构化保存 |
| XLSX | 直接作为 Excel 工作簿查看和筛选 |
8 种格式全部支持媒体与语音引用：勾选后，图片以文件路径/mediaFile 字段落盘引用，语音会转成 WAV 一并输出（转码失败则保留原始 .silk 并在导出结果中说明）。
朋友圈数据形状与聊天不同，因此走独立的导出模块，支持 JSON / Markdown / TXT / HTML，可按关键词、发布者、时间范围过滤，并可选是否一并导出媒体（图片 / 视频 / 实况照片）。详见朋友圈一节。
- 图片、表情、头像等资源会尽量从微信本地资源库按需恢复。
- 语音从
VoiceInfo.voice_data读取明文 SILK，默认用 pilk 转 WAV；无需 ffmpeg 等外部依赖。 - 若本机确实无法转码，则保留原始 SILK 文件，不会静默丢数据。
- 朋友圈媒体从 CDN 下载，失败会留痕而不会静默丢弃（原因见朋友圈一节）。
在 Web 控制台的 MCP 页面复制配置到支持 MCP 的客户端即可：
{
"mcpServers": {
"stories-in-wx": {
"command": "python",
"args": ["G:/path/to/run.py", "mcp"]
}
}
}当前提供 11 个 MCP 工具（可在 MCP 页面按需禁用）：
| 工具 | 作用 |
|---|---|
get_status |
查看 SIWX 当前状态 |
list_accounts |
列出已解密账号 |
list_sessions |
列出某个账号下的会话 |
get_messages |
读取指定会话消息 |
search_messages |
搜索聊天记录 |
export_chat |
导出指定聊天（可含语音） |
list_sns_accounts |
列出有朋友圈数据的账号 |
get_sns_timeline |
读取朋友圈时间线（支持关键词/发布者/时间范围过滤） |
get_sns_detail |
读取单条朋友圈动态详情（完整评论点赞） |
get_sns_friends |
按发布者聚合朋友圈动态 |
export_sns |
导出朋友圈（json/markdown/txt/html，可选媒体） |
于是你可以问 AI：
- "帮我找一下和某某有关的聊天记录。"
- "总结一下这个群最近一个月讨论了什么。"
- "把某个会话导出成 Markdown。"
- "我最近发了哪些朋友圈？把上个月的朋友圈导出成 Markdown。"
在 设置 → 自动刷新数据库 开启后：
- 后台调度器每隔 30 秒轮询一次；
- 满足「已开启 + 到达设定间隔 + 微信在线 + 当前无运行中任务」时，自动执行一次增量解密；
- 间隔可设为 1 ~ 1440 分钟，默认 30 分钟；
- 结果（上次运行时间、成功与否、消息）会回写到设置页，随时可见。
适合"微信长期挂着、想保持本地备份一直最新"的使用方式。
| 指标 | 参考结果 |
|---|---|
| 数据库解密速度 | 约 175 MB/s |
| 消息导出速度 | 约 6000 - 8000 条/s |
| 万级消息导出 | 11992 条约 2 秒 |
| 内存占用 | 流式处理，万级消息导出保持低占用，避免 OOM |
实际速度受硬盘、数据库大小、媒体数量、安全软件与系统权限影响。
siwx/
├─ sqlcipher.py # SQLCipher HMAC 验证 + 流式页级解密
├─ keystore.py # salt 索引密钥库，Windows 使用 DPAPI 加密缓存
├─ discover.py # 跨平台目录、账号、进程发现
├─ winproc.py # 跨进程只读内存访问原语（ctypes）
├─ paths.py # 统一应用路径（与 cwd 解耦）
├─ logger.py # 双模式日志（粗略/详细）+ 脱敏导出
├─ strategies/ # 密钥提取策略链（平台条件加载）
│ ├─ keystore_source.py # 密钥库缓存
│ ├─ mmkv.py # MMKV 离线提取
│ ├─ config_cipher.py # WCDB Config.Cipher 扫描（Windows 主力）
│ ├─ memscan.py # 内存字面量兜底
│ └─ macos_lldb.py # LLDB 断点捕获（macOS 专属）
├─ extract.py # 编排入口：全局收割 → 策略链 → 解密输出
├─ pool.py # 多进程解密池 + 输出缓存清单
├─ media.py # 图片、表情、头像等媒体解析（V0/V1/V2）
├─ voice.py # 语音元数据解析、SILK 读取与 pilk→WAV 转码
├─ export_stream.py # 流式消息解析与导出数据构造
├─ exporter.py # JSON/HTML/TXT/CSV/MD/TOML/SQLite/XLSX 导出引擎
├─ html_template.py # HTML 导出模板（自包含交互式查看器）
├─ stats.py # 聊天统计（跨分片聚合）
├─ api_*.py # Web API：chat / export / settings / mcp / update / plugins / stats / sns
├─ server.py # Flask 应用与任务调度
├─ mcp_server.py # MCP Server，stdio + JSON-RPC 2.0
├─ auto_update.py # 自动更新检测与应用
├─ env_info.py # 环境信息采集（供 bug 报告）
├─ tui.py # rich 驱动的终端 UI 组件层
├─ cli.py # 命令行入口（argparse 子命令 + 流程编排）
├─ sns.py # 朋友圈解析（snsId 时间还原 + XML 解析 + 卡片）
├─ sns_cdn.py # 朋友圈 CDN 下载 / ISAAC64 解密 / 缓存键
├─ sns_isaac64.py # 纯 Python ISAAC64 流密码实现（零依赖）
├─ sns_export.py # 朋友圈导出（独立于 exporter.py）
├─ plugins/ # 插件系统（中央注册表 + 17 类 hook）
│ ├─ registry.py # PluginRegistry 单例 + 命名空间
│ ├─ contract.py # PLUGIN 字典校验 + 字符串函数名解析
│ ├─ loader.py # 用户级目录扫描 + importlib 装载
│ ├─ conditions.py # 声明式显示条件求值
│ ├─ config.py # 每插件配置存储
│ ├─ report.py # 加载报告
│ └─ chat_bridge.py # registry ↔ api_chat 桥接
└─ ui/ # Web 控制台（Flask 托管，原生 HTML/CSS/JS + Vue 3）
├─ vendor/ # 内置 Vue 3 生产版（本地打包，不依赖 CDN）
├─ app.js # hash 路由 + 页面模块加载器
└─ pages/ # chat / sns / stats / export / mcp / logs / settings …
更深入的原理与模块说明见 docs/。
# Windows
pip install pyinstaller
pyinstaller packaging/siwx-win.spec
# macOS
pyinstaller packaging/siwx-mac.spec
# 推送 tag 触发 GitHub Actions 自动构建 + Release
git tag -a v5.0.0 -m "更新说明……"
git push origin v5.0.0版本号唯一来源是 siwx/__init__.py 的 __version__；CI 会校验 tag 与之一致，并从 tag 注释生成 version.json 与 Release 说明。
1. 为什么必须在本机运行？
微信数据库、密钥和聊天记录都是高度敏感的个人数据。SIWX 设计为本地运行，核心流程不需要把数据上传到任何第三方服务器，Web 控制台只绑定 127.0.0.1。
2. 解密失败怎么办？
依次检查：微信是否正在运行 / 是否刚重新登录过 → 是否选中了正确的账号 → 数据目录是否完整 → 是否被安全软件拦截 →（macOS）是否允许 LLDB 调试且微信版本满足要求。然后打开 Web 控制台的"日志"页面看详细错误。
3. HTML 导出能离线打开吗？
可以。HTML 导出面向归档场景；若同时导出媒体，请保留导出目录结构或使用 ZIP 包，避免资源路径丢失。
4. 语音能导出成 MP3 吗？
当前默认输出 WAV（pilk 解 SILK → PCM → 标准库封装），WAV 是无损 PCM 容器，通用播放器和剪辑软件都支持。MP3 属于有损压缩，需要额外编码器，暂未内置。
5. 会不会占用大量 CPU / 磁盘？
解密是短时高吞吐但可控的任务；媒体按需解密；缓存可随时在设置页清除。全自动增量刷新默认关闭，开启后也可自行调间隔。
6. 为什么朋友圈有些图片加载不出来？
绝大多数是微信 CDN 侧已经删除了原图。实测自己发布的图片约 58% 返回 HTTP 404，好友发布的约 4%。这类图片在微信里点开同样看不到，程序只能如实报错（失败原因会写进日志页，导出报告里也有分布统计）。少量情况是视频链接短时失效（encfilekey 过期后返回 400）。
7. 朋友圈需要单独解密吗？
不需要。执行"提取并解密"时会连 sns.db 一起处理，产物落在 output/<账号>/sns/sns.db。如果左侧菜单里没有「朋友圈」页，说明该账号的数据目录下没有 sns.db。
8. 朋友圈的图片能用聊天图片的方式解开吗？
不能。两者是完全独立的两套加密体系：聊天图片是 AES-ECB + XOR（账号级密钥，从 MMKV 离线派生，读本地缓存）；朋友圈图片是 ISAAC64 流密码（每图独立密钥，写在动态 XML 里，从 CDN 下载）。代码里也是两个独立模块，互不通用。
9. 朋友圈能像聊天一样让 AI 检索吗？
可以。MCP 提供 list_sns_accounts / get_sns_timeline / get_sns_detail / get_sns_friends / export_sns 五个朋友圈工具，AI 可直接浏览、搜索、过滤和导出朋友圈（时间线只回互动计数与正文，完整评论在详情里；CDN 媒体 URL 不暴露给 AI）。也可以先导出为 JSON / Markdown 再交给 AI。
欢迎提交 Issue / PR，一起完善更多微信版本、更多导出格式和更稳定的媒体恢复能力。
动手前请先读 CONTRIBUTING.md，里面有开发环境、测试要求、跨平台注意事项和几条红线。
反馈问题时请带上环境信息，能大幅加快定位：
- Web 控制台：设置 → 环境信息 → 📋 复制环境信息（路径中的用户名已打码）
- 命令行：
python run.py doctor
提 issue 请使用仓库内置模板：🐛 Bug 反馈 / ✨ 功能建议 / ❓ 使用咨询。
| 贡献者 | 说明 |
|---|---|
| ImUpXuu | 项目作者，核心架构与 Windows 端 |
| lcrworld-jtl | macOS 端密钥提取，LLDB + PBKDF2 |
本项目采用 AGPL-3.0 许可证，详见 LICENSE。
本项目不可商用。 如需特殊授权，请联系作者。
请在使用本项目前，完整阅读并理解以下声明。下载、安装、运行本项目，或将本项目接入任何脚本、AI 客户端或自动化流程（含通过 MCP 等接口的间接使用），即视为你已阅读、理解并同意本声明的全部内容。如不同意，请立即停止使用并删除本项目及其产物。
本项目是一个技术研究与个人数据管理工具，其设计目的仅限于：
- 对使用者本人设备上、本人微信账号的本地数据进行备份、迁移、归档与整理；
- 对使用者本人拥有合法访问权限的数据进行格式转换与本地检索；
- 信息安全、数据取证、软件工程等相关领域的合法学习与研究活动。
本项目不是、也不得被用作任何形式的入侵工具、监控工具、取证工具或数据窃取工具。
使用者在使用本项目时，必须自行确保：
- 数据权属合法：仅处理自己拥有合法访问权与处分权的数据，不得处理他人数据；
- 取得必要授权：如涉及他人信息（例如聊天记录中的对方），应确保已取得相应合法授权或具备其他合法处理依据；
- 遵守法律法规与平台规则：严格遵守所在国家或地区的全部适用法律法规以及相关平台的服务协议与使用规范；
- 自行评估平台风险：使用任何第三方工具读取或处理即时通讯软件的数据，都可能违反相关平台的服务协议或使用规范，存在账号功能受限、封禁等后果，该等风险由使用者自行评估并承担；
- 自行评估整体风险：使用者应自行评估并承担使用本项目可能带来的全部风险。
严禁将本项目用于以下任何用途：
- 未经授权访问、读取、解密、复制、传播他人的数据或设备数据；
- 侵犯他人隐私权、个人信息权益、通信秘密或商业秘密；
- 用于敲诈勒索、跟踪骚扰、非法监控、恶意取证、商业爬取或数据倒卖；
- 规避、破坏任何安全保护措施或计算机信息系统访问控制；
- 任何商业用途，包括但不限于将本项目或其衍生代码用于商业产品或服务、以营利为目的提供付费的聊天记录导出/恢复/检索服务（商业授权政策见第七条）；
- 其他任何违反法律法规或公序良俗的用途。
使用者须特别注意：未经授权访问、获取、解密、复制或传播他人数据，以及侵犯他人隐私、个人信息权益或通信秘密的行为，在世界多数国家和地区都可能构成刑事犯罪、行政违法或民事侵权，行为人将承担相应的刑事、行政与民事法律责任，具体认定与处罚依使用者所在地法律为准。
上述提示仅为一般性风险说明，不构成法律意见，亦非穷尽列举。各国/地区法律规定存在差异，使用者应自行咨询专业法律意见，并对自身行为的合法性独立负责。
在适用法律允许的最大范围内：
- 本项目作者及贡献者不对本项目作任何明示或默示的担保，包括但不限于适销性、特定用途适用性及不侵权的担保；
- 本项目按"现状"（AS IS）提供，不保证功能完整、无缺陷、稳定或适用于任何特定目的；
- 因使用或无法使用本项目所导致的任何直接、间接、附带、特殊、惩罚性或后果性损失（包括但不限于数据丢失、设备损坏、业务中断、利润损失、账号被平台限制或封禁、法律纠纷、行政处罚或刑事追责），作者及贡献者概不承担任何责任；
- 使用本项目产生的全部风险与全部法律责任，由使用者自行独立承担。
- 解密产物、导出文件、密钥缓存均以明文或不完全加密形式存在于你本机，请自行做好访问控制与介质加密；
- 请勿在公共或不受信任的设备上运行本项目；
- 请勿将解密后的数据、导出文件或密钥上传至任何不受信任的第三方服务；
- 接入 AI 客户端前自行评估：通过 MCP 等方式将聊天记录提供给 AI 客户端时，数据会离开本工具、交由该客户端及其背后的服务提供方处理，本工具无法控制其行为；请先阅读并评估其隐私政策，再决定是否接入；
- 建议在操作前对重要数据进行完整备份。
- AGPL-3.0 是本项目唯一的著作权许可，完整、独立地适用于本项目的使用、复制、修改与分发，条款以 LICENSE 文件为准；
- 本声明不修改、不限制 AGPL-3.0 已授予的权利，也不构成对许可证条款的补充或替代；本声明的目的在于声明作者的用途立场、厘清责任边界、履行提示义务；
- 商用支持需另行授权：本项目定位为个人备份与研究用途，作者不为任何商业使用场景提供支持、担保或服务；如你计划商用，请先通过 GitHub Issues 或作者博客与作者取得书面授权；
- 本声明中任何条款如被认定与 AGPL-3.0 或适用法律的强制性规定相冲突，仅在该冲突范围内不适用，不影响本声明其余条款的效力。
- 本声明任一条款被认定无效、失效或不可执行的，不影响其余条款的效力；
- 作者可能不定期更新本声明，以仓库中最新发布的版本为准；重大变更将随版本发布公告，更新后继续使用即视为接受最新版本。
商用授权、安全漏洞报告或权益投诉，请通过 GitHub Issues 联系作者。