告别聊天记录翻找:微信小助手如何用Alfred实现待办事项管理
2026-02-05 04:46:27作者:卓艾滢Kingsley
你是否经常在微信聊天中收到重要任务却忘记记录?是否还在翻遍聊天记录寻找待办事项?本文将介绍如何利用微信小助手(WeChatPlugin-MacOS)结合Alfred workflow,在聊天过程中快速创建和管理待办事项,让重要任务不再遗漏。
核心功能概览
微信小助手(WeChatPlugin-MacOS)是一款针对macOS平台的微信增强工具,通过插件形式为原生微信客户端添加多项实用功能。虽然项目本身未直接提供"待办事项"模块,但通过其强大的Alfred快捷扩展和远程控制功能,我们可以构建一套高效的聊天任务管理系统。
主要涉及功能模块:
- Alfred快速搜索与操作:wechat-alfred-workflow
- 远程控制命令:TKRemoteControlManager.h
- 消息处理机制:TKMessageManager.h
系统搭建步骤
1. 环境准备
首先确保已安装以下组件:
- 微信 for Mac (支持版本3.7.0+)
- 微信小助手最新版:安装说明
- Alfred 4+ 及 wechat-alfred-workflow
安装命令(终端执行):
cd ~/Downloads && rm -rf WeChatPlugin-MacOS && git clone https://gitcode.com/gh_mirrors/we/WeChatPlugin-MacOS.git --depth=1 && ./WeChatPlugin-MacOS/Other/Install.sh
2. Alfred workflow配置
- 下载并安装wechat-alfred-workflow
- 配置触发关键词(建议使用
wt代表"WeChat Todo") - 在Alfred设置中启用"允许访问通讯录和消息"权限
3. 任务创建命令设计
通过修改远程控制命令列表TKRemoteControlCommands.plist,添加自定义待办事项命令:
| 命令格式 | 功能描述 | 示例 |
|---|---|---|
todo add [内容] |
添加新任务 | todo add 下午3点开会 |
todo list |
查看任务列表 | todo list |
todo done [序号] |
标记任务完成 | todo done 1 |
实际应用场景
场景一:聊天中快速创建任务
当在微信聊天中收到需要处理的事项时,无需切换应用,直接通过Alfred触发:
- 选中聊天中的任务文本
- 按下Alfred热键(默认
Option + Space) - 输入
wt add {选中内容}并回车
场景二:语音创建任务
利用微信小助手的语音远程控制功能,通过发送语音消息创建任务:
- 向自己发送语音"创建待办:明天提交报告"
- 小助手将自动识别并添加任务到列表
- 通过
todo list命令查看已创建任务
场景三:定时提醒集成
结合macOS的提醒事项应用,设置任务到期提醒:
# 在TKRemoteControlScript.scpt中添加
on todoAdd(content, time)
tell application "Reminders"
make new reminder at end of list "微信待办" with properties {name:content, due date:time}
end tell
end todoAdd
高级技巧与注意事项
任务数据同步
通过修改TKCacheManager.m实现任务数据持久化:
// 添加任务缓存逻辑
- (void)cacheTodoItems:(NSArray *)items {
NSString *path = [self todoCachePath];
[NSKeyedArchiver archiveRootObject:items toFile:path];
}
- (NSArray *)getCachedTodoItems {
NSString *path = [self todoCachePath];
return [NSKeyedUnarchiver unarchiveObjectWithFile:path];
}
安全与隐私
由于待办事项可能包含敏感信息,建议:
常见问题解决
- Alfred无响应:检查插件权限设置并重启微信
- 命令不生效:验证远程控制开关是否开启
- 任务丢失:通过
todo restore命令从备份TKCacheManager.m恢复
总结与扩展思路
本文介绍的待办事项管理方案充分利用了微信小助手的现有功能模块,通过创造性组合:
- Alfred快捷操作提供入口
- 远程控制框架实现命令解析
- 消息处理系统提供数据支持
未来可扩展方向:
通过这种方式,我们不仅解决了聊天中任务管理的痛点,还充分发挥了开源项目的灵活性,实现了"零代码"扩展新功能的目标。
项目完整代码:WeChatPlugin-MacOS
问题反馈:提交issue至项目仓库或联系开发者
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
454
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
893
677
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
205
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781



