我们正式推出 柯影微桥 v0.2.1-pre 预览版本。这次更新不仅是一次功能扩展，也是柯影微桥产品方向的一次重要探索。过去，很多有价值的信息被保存在微信聊天记录中。可能是一张工作截图、一份重要文件、一段语音消息，也可能是一段值得长期保存的讨论。但随着聊天记录不断积累，这些信息往往逐渐分散，后续查找、整理和复用也变得越来越困难。
我们希望改变这种体验。因此，在本次更新中，柯影微桥开始引入两个新的核心能力： 独立的本地个人知识库，以及完全在本机运行的基础 AI。让聊天中产生的信息，可以逐渐转化为真正属于用户自己的数字资料。
01｜个人知识库：让重要资料有一个独立空间
在 v0.2.1-pre 中，我们新增了独立的本地个人知识库。与传统的聊天记录查看不同，个人知识库不再局限于原始聊天内容，而是允许用户主动选择需要长期保存的资料。目前支持保存的内容包括：
图片、视频及各类文件
微信聊天文本副本
从本地导入的资料
AI 识别生成的文本与表格等内容
用户可以将聊天中的重要内容保存到知识库，也可以直接导入本地文件。这些资料将作为独立副本进行管理。
为什么要采用独立知识库？
我们希望用户能够自由整理个人资料，同时尽可能避免影响原始数据。因此，知识库与微信原始聊天数据库相互独立。用户可以编辑、整理或者移除知识库中的内容，而不会因此修改微信原始聊天数据库，也不会删除微信原始文件。此外，知识库还支持自定义存储路径。用户可以根据自己的磁盘空间和资料管理习惯，选择合适的保存位置。我们希望知识库不是另一个聊天记录列表，而是真正能够长期积累和管理个人资料的空间。
02｜本地 AI：让图片、语音和表格变得更加实用
本次更新的另一项重要变化，是引入本机基础 AI 能力。柯影微桥目前集成了三类本地模型，分别面向图像理解、文字识别和语音转写。
① 图像理解与表格提取
模型：Qwen3-VL-2B Q4_K_M
在日常聊天中，我们经常收到各种截图、照片和表格图片。过去，这些内容通常需要人工阅读和整理。现在，用户可以通过本地图像理解能力，对图片内容进行分析，并尝试提取其中的表格信息。
例如：工作群里收到一张表格截图，可以尝试使用 AI 提取表格内容，再将结果保存到个人知识库。识别后的表格还支持导出为 CSV 或 XLSX 文件，方便在电子表格软件中继续处理。
② OCR 文字识别
模型：PP-OCRv5 mobile
针对图片中的文字内容，柯影微桥新增独立 OCR 识别能力。对于聊天截图、文档照片等资料，可以尝试提取其中的文字信息。识别结果不仅能够保存到个人知识库，还支持导出为 TXT 文件。这样一来，原本存在于图片中的文字，也可以进一步整理和复用。
③ 语音转文字
模型：Whisper multilingual base
语音消息是一种方便的交流方式，但在整理资料时并不总是方便。特别是需要回顾一段较长的语音内容时，重新播放往往会花费额外时间。本次更新新增本地语音转文字能力。用户可以对语音消息进行转写，转写结果能够显示在对应的聊天消息中。同时，转写文本也可以作为独立资料保存到个人知识库。这为会议讨论、工作沟通和日常信息整理提供了新的使用方式。需要注意的是，AI 识别结果可能存在偏差，重要信息仍需人工核对。
03｜AI 在本机运行，数据无需交给第三方模型服务
在引入 AI 能力的同时，我们也重新思考了一个问题：
个人聊天资料应该如何参与 AI 处理？
对于包含私人聊天、工作文件及个人照片的数据，我们希望尽可能减少不必要的外部传输。因此，柯影微桥当前的基础 AI 采用本地模型推理方案。图片、语音及 AI 输入由本机模型处理，不会发送给第三方模型服务。与依赖在线推理接口的方案不同，本次新增的基础 AI 功能不要求用户将识别资料上传至第三方模型平台。不过，本地 AI 并不意味着完全不需要网络。首次使用相关功能时，仍需要联网下载模型权重。模型下载完成后，便可以在本机进行推理。这也是我们探索个人数据本地处理能力的重要一步。
04｜模型管理：让本地 AI 更容易使用
对于普通用户而言，本地部署 AI 模型往往存在一定门槛。例如安装推理框架、下载模型文件、配置运行环境，以及处理模型版本兼容问题。因此，我们在柯影微桥中增加了模型管理功能。用户可以直接在应用设置页面中：
下载和安装所需模型
查看模型下载进度
取消正在进行的下载
校验已经下载的模型文件
移除不再使用的模型
当用户选择移除模型时，应用也会删除对应的本地模型权重及下载缓存。需要说明的是，AI 模型权重并未直接包含在应用安装包中。用户可以根据实际需求，选择安装需要使用的模型。我们希望通过这种方式，让本地 AI 的使用更加直观，也让用户能够自主控制磁盘空间占用。
05｜macOS 与 Windows：持续改善跨平台体验
除了新增功能，本次版本也进一步调整了底层媒体处理和跨平台运行环境。
macOS
针对 macOS 平台，我们改进了图片密钥缓存计算、候选校验及图片解密处理流程。同时，在 macOS arm64 应用包中加入了 llama.cpp 运行时。这意味着本次基础 AI 运行时不需要依赖 Homebrew 安装。
Windows
针对 Windows 平台，本次重点优化了图片、媒体以及个人知识库相关工作流程。Windows x64 应用包同时加入 CPU 版本的 llama.cpp 和 whisper.cpp 运行时。这些调整主要用于改善跨平台部署和基础 AI 功能的使用体验。
06｜预览版说明与兼容性
当前版本的微信兼容性目标为：
| 操作系统 | 目标微信版本 | 系统版本 |
|---|---|---|
| macOS | 微信 4.1.15.55 | macos 27 |
| Windows | 微信 4.1.15.56 | windows 11 |