万人通讯录的微信人脉网络分析
真实用户在自己的电脑上分析本人微信：8,663 位好友、2,944 个群。目标是参照 NetworkX 示例库把适用的分析跑一遍，并得到一份能直接阅读的报告。案例只保留汇总数字，不含任何好友名、群名或账号。
社区贡献者 · 2026-09-26
输入 / Input
- 本机微信 4.x 数据，已用 lov-wdb-cli 完成密钥准备
- export_network.py 导出的 network.json：8,663 位好友、2,944 个群、30,582 条入群关系，消息统计起点 2025-10-05，导出耗时 135 秒
提示词 / Prompt
参考 Network analysis theory（NetworkX 示例库），把 networkx 能跑的分析跑一遍，最后出一个我的微信好友和群聊的分析报告。
输出 / Output
- 本地 HTML 报告：14 个章节、8 张图表、8 条主要发现，明暗主题均可阅读
- results.json：17 类分析全部完成，errors 与 skipped 均为空，分析耗时约 262 秒
- 关键结论（汇总）：98.5% 的节点在同一连通块，好友平均相隔 2.3 层群；介数最高的 5 个节点都是用户担任群主的群；私聊条数与结构中心性的秩相关仅 0.04–0.32；核心圈 177 人内部 Girvan–Newman 最佳模块度 0.008；1,885 位好友只靠一个群相连
- 隐私核验：network.json、results.json 与报告中 wxid、数据库路径、表名计数均为 0
作者验收说明
用户在浏览器中回读报告的 14 个章节与 8 张图表；泛化后的 Skill 脚本与首次探索性分析在 10 个关键指标上完全一致；Burt 约束度与有效规模的稀疏实现与 networkx 逐节点结果误差小于 1e-15。两张配图由同一份 results.json 重新渲染为 PNG，数值与报告图表一致。
公开范围与脱敏说明
只公开汇总数字：不含好友名、群名、微信账号、本机路径或数据库表名；两张配图只有坐标轴、分组标签与计数。完整报告含第三方真实名称，仅保留在用户本机，不随案例上传。