Новый open-source инструмент WhatsKept на языке Go позволяет превратить зашифрованные резервные копии WhatsApp с iOS в структурированную базу данных SQLite, открывая возможность интеллектуального поиска по личной переписке с помощью LLM-агентов.
Что произошло
Разработан инструмент WhatsKept, который выполняет ETL-процесс по преобразованию зашифрованных бэкапов WhatsApp (iOS) в локальную базу данных SQLite с поддержкой полнотекстового поиска FTS5. Программа извлекает сообщения, изображения, голосовые заметки и PDF-документы, создавая рабочее пространство, которое можно подключить к современным AI-агентам, таким как Cursor, Windsurf или Claude Code. Для мультимодальных задач предусмотрена возможность облачного обогащения через OpenRouter, что позволяет описывать изображения и транскрибировать аудио.
Контекст
Проект представляет собой решение класса «plumbing» (инфраструктурный промежуточный слой), который решает проблему доступа к закрытым персональным данным. Вместо изменения исходных данных или нарушения шифрования, WhatsKept создает локальный индекс, позволяющий интегрировать частную историю коммуникаций в RAG-пайплайны (Retrieval-Augmented Generation) без передачи чувствительной информации в облако в необработанном виде.
Почему это важно для индустрии
Для индустрии AI это важный шаг в развитии инструментов управления персональными знаниями (Personal Knowledge Management). Проект демонстрирует техническую возможность создания безопасного моста между закрытыми экосистемами (iOS/WhatsApp) и LLM-агентами, что может привести к стандартизации middleware-решений для предоставления персонального контекста моделям в AI-IDE и локальных системах.
Почему это важно для пользователей
Обычные пользователи получают возможность использовать привычные AI-инструменты для работы со своей «цифровой памятью». Это позволяет быстро находить забытые детали, чеки, важные договоренности или инструкции, просто задавая вопросы в чате с AI-агентом, вместо ручного пролистывания многолетних архивов сообщений.
Что пока неизвестно / ограничения
Существует юридическая и этическая неопределенность относительно легитимности обхода шифрования для нужд контекста LLM, а также потенциальные риски приватности при использовании сторонних сервисов вроде OpenRouter для обогащения данных.
Источники
Автор
Look at AI, редакция