CommunityRecherche & Datenanalysegithub.com

QuietFireAI/data-reclaim

Hol dir deine Daten zurück. Verwandle deine Datendatei aus einem KI-Export (Google, Facebook, OpenAI) in durchsuchbare, abfragbare Daten mit quellenbelegten Antworten – vollständig auf deinem eigenen Rechner. Keine Cloud, keine Telemetrie, keine Drittanbieter-KI. Deine Daten verlassen nie deinen Computer.

Was ist data-reclaim?

Diese Fähigkeit ermöglicht es dir, deine persönlichen Daten aus KI-Exporten (z. B. von Google, Facebook oder OpenAI) zurückzugewinnen und lokal in eine durchsuchbare, abfragbare Wissensbasis zu verwandeln. Statt deine Daten an Cloud-Dienste oder Drittanbieter-KIs zu senden, arbeitet alles auf deinem eigenen Rechner – ohne Telemetrie oder Datenabfluss. Die Skill nutzt lokale KI-Modelle (z. B. über Ollama, LM Studio oder andere kompatible Anbieter), um aus deinen exportierten Chatverläufen, Nachrichten oder anderen Datenquellen eine semantische Suche und Beantwortung mit Quellenangaben zu ermöglichen. Unterstützt werden gängige Exportformate wie JSON und TXT; du erhältst eine lokale SQLite-Datenbank, die du via CLI oder über eine einfache Benutzeroberfläche abfragen kannst.

Funktioniert mit~Claude Code✓Codex CLI~Cursor
npx skills add QuietFireAI/data-reclaim

Installed? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht data-reclaim?

Hol dir deine Daten zurück. Verwandle deine Datendatei aus einem KI-Export (Google, Facebook, OpenAI) in durchsuchbare, abfragbare Daten mit quellenbelegten Antworten — vollständig auf deinem eigenen Rechner. Keine Cloud, keine Telemetrie, keine Drittanbieter-KI. Deine Daten verlassen nie deinen Computer.

Voraussetzungen

  • Python 3.10 oder höher
  • SQLite (standardmäßig in Python enthalten)
  • Ein lokales LLM (z. B. via Ollama, LM Studio, llama.cpp) – wird für die semantische Suche und Antwortgenerierung verwendet
  • Ein Datenexport von einer der unterstützten Plattformen (Google Takeout, Facebook Data Download, OpenAI Datenexport)

Installation

pip install data-reclaim

Verwendung

  1. Exportiere deine Daten von der gewünschten Plattform (z. B. Google Takeout, Facebook-Einstellungen > Deine Informationen herunterladen, OpenAI Chatverlauf exportieren).
  2. Starte den Import:
data-reclaim import --file pfad/zu/export.json

Dies extrahiert die relevanten Informationen und erstellt eine lokale SQLite-Datenbank.

  1. Frage die Daten ab:
data-reclaim query "Was habe ich letzte Woche mit meinem Freund über Urlaub geschrieben?"

Die Antwort basiert auf den tatsächlichen Inhalten deines Exports und enthält Quellenverweise.

  1. Nutze die interaktive Shell für weitere Abfragen:
data-reclaim shell

Funktionsweise

  • Import: Die Skill parst die Exportdateien (JSON, TXT), normalisiert die Daten und speichert sie in einer lokalen SQLite-Datenbank. Jeder Eintrag wird mit Metadaten wie Datum, Plattform und einem Embedding versehen.
  • Suche: Bei einer Anfrage wird der Text in ein Embedding umgewandelt (mithilfe eines lokalen Embedding-Modells) und eine semantische Ähnlichkeitssuche in der Datenbank durchgeführt.
  • Antwortgenerierung: Die gefundenen relevanten Snippets werden an das lokale LLM übergeben, das eine präzise, kontextbezogene Antwort formuliert und die Quellen (Dateiname, Zeitstempel) zitiert.

Unterstützte Plattformen

  • Google Takeout (Chatverläufe aus Google Chat, Google Meet, etc.)
  • Facebook Datenexport (Nachrichten, Beiträge, Kommentare)
  • OpenAI (Chatverlauf aus ChatGPT)

Konfiguration

Die Skill verwendet Umgebungsvariablen für die Verbindung zum lokalen LLM:

export LOCAL_LLM_URL="http://localhost:11434/api/generate"  # Standard für Ollama
export LOCAL_EMBEDDING_MODEL="sentence-transformers/all-MiniLM-L6-v2"

Sicherheit & Datenschutz

  • Keine Cloud-Kommunikation: Alle Berechnungen finden lokal statt.
  • Keine Telemetrie: Es werden keinerlei Nutzungsdaten gesendet.
  • Open Source: Der gesamte Code ist transparent und überprüfbar.

Lizenz

MIT-Lizenz – siehe LICENSE für Details.

Mitwirken

Beiträge sind willkommen! Bitte lies die CONTRIBUTING.md für Richtlinien.

Support

Bei Fragen oder Problemen erstelle bitte ein Issue auf GitHub.

Verwandte Skills