МессенджерыTelegram

Поиск по темам переписки в Telegram

Найдите обсуждение в Telegram по смыслу: соберите беседы из локального архива, добавьте embeddings и ищите по теме прямо на своём компьютере.

Найти сообщение или обсуждение →

Вы помните, что в чате что-то обсуждалось, а не слова, которые использовали люди. Поиск по теме находит это обсуждение по его смыслу. Спросите: «Где мы говорили об аренде квартиры?» и поиск найдёт обсуждение, в котором говорится «квартира», «аренда» и «залог», даже если никто не написал «аренда квартиры». Поиск работает и между языками: вопрос на английском может найти обсуждение на испанском или русском.

Прочитав эту страницу, вы можете подготовить чат для поиска по теме, задавать вопросы своими словами, читать результаты и решать, когда обычный поиск по словам является лучшим инструментом. Поиск по теме использует только те сообщения, которые tg уже сохранил на этом компьютере, поэтому сначала загрузите историю: tg personal messages sync <chat> (загрузить историю чата).

Термины, используемые на этой странице:

  • Обсуждение: одно обсуждение в чате. В активной группе одновременно ведутся несколько обсуждений, и их сообщения смешиваются. tg разделяет их; Обсуждение — это список сообщений, которые принадлежат друг другу, начиная с самых старых.
  • Фрагмент: короткая часть обсуждения, около 1200 символов. Длинные обсуждения разбиваются на части так, чтобы каждая часть была посвящена чему-то одному.
  • Вектор: список чисел, отражающий смысл текста. Тексты об одном и том же имеют схожие векторы, даже если слова или язык различаются.
  • Модель: небольшая программа, преобразующая текст в вектор. По умолчанию он запускается на вашем компьютере.

Поиск по теме не является полем topic: в поиске сообщений. topic: хранит одну тему форума группы Telegram. Обсуждение здесь - это то, что тг находит сам, в любом чате.

Что можно сделать

ЗадачаКоманда
Найдите обсуждение по теме, в одном чате или в каждом подготовленном чатеtg personal search conversations "<question>"
Просматривайте обсуждения в чате, сначала самые новыеtg personal conversations list <chat>
Прочитать одно обсуждение от начала до концаtg personal conversations show <id>
Открыть всё обсуждение, которому принадлежит сообщениеtg personal conversations show <chat> <message>
Найдите другие обсуждения о том же самом в каждом чатеtg personal conversations related <chat> <message>
Ограничить результаты одним человеком, периодом или словомtg personal search conversations "<question>" --filter '<query>'
Посмотрите, что устарело, и наверстайте упущенноеtg personal conversations status, tg personal search conversations "<question>" --catch-up
Позвольте вашему собственному ИИ-агенту улучшить группировку сообщенийtg skill show link-conversations

Поиск по теме или поиск по слову?

ОбязательностьПоиск слов (tg personal search messages)Поиск по теме (tg personal search conversations)
Вы знаететочные слова, имя, дата, файлтолько то, о чем речь
Он находитотдельные сообщения, содержащие ваши словацелые обсуждения о вашем вопросе
Другие слова того же самогонет: «flat» не находит «apartment»да
Другие языкинетда, около 100 языков с моделью по умолчанию
Точные фильтры (отправитель, дата, файл, ссылка)да, полный язык запросовда, через --filter
Подготовкаскачать историюскачать историю, затем conversations links rebuild и conversations embed
спрашивает Телеграмда, по умолчаниюнет, он читает только этот компьютер

Используйте поиск по словам, когда помните слово, число, имя или файл. Используйте поиск по теме, когда вы помните тему, но не формулировку, когда обсуждение растягивается на множество коротких сообщений или когда люди пишут на другом языке. Если вы не уверены, попробуйте сначала выполнить поиск по теме: он также соответствует вашим словам, поэтому обсуждение, в котором они используются, по-прежнему находится в самом верху.

Попробуйте

Подготовьте один чат один раз, а затем задавайте столько вопросов, сколько захотите.

Ваш запрос вашему ИИ-агенту:

В Книжном клубе найдите, где мы обсуждали перенос встреч в другое место. Покажите обсуждение.

Что происходит, шаг за шагом:

tg personal messages sync "Book club"              # 1. download the history, if it is not saved yet
tg personal conversations links rebuild --chat "Book club"  # 2. separate the chat into conversations
tg personal models download embeddinggemma  # 3. once: download the model, 219 MB, shared with max
tg personal conversations embed --chat "Book club"  # 4. compute a vector for each piece
tg personal search conversations "where do we meet" --chat "Book club"  # 5. ask
tg personal conversations show 91                # 6. read the conversation that was found

Шаги 2–4 выполняются на вашем компьютере и никогда не запрашивают Telegram. embed продолжит работу с того места, где остановился, если вы прервете его. Для последующих вопросов потребуется только шаг 5; поддерживать актуальность объясняет, когда повторять шаги 2 и 4.

Пример результата (вымышленный):

0.874  91  2026-09-14 18:02–18:40  23 messages · 4 people · from message 4180  (messages 4185–4192)  msg:telegram/500/7/4185
0.851  64  2026-08-02 10:15–10:31  9 messages · 3 people · from message 3302  (messages 3302–3310)  msg:telegram/500/7/3302

Результатом является зацепка, а не ответ: откройте обсуждение и прочитайте сообщения, прежде чем полагаться на них.

Как это работает

Поиск тем состоит из трех этапов. Первые два готовят чат один раз; третий запускается для каждого вопроса.

1. Сборка: разделить чат на обсуждения

tg personal conversations links rebuild считывает сохраненные сообщения чата, начиная с самых старых, и для каждого сообщения определяет, какое из более ранних сообщений оно продолжает. Он не использует искусственный интеллект и не запрашивает Telegram. Ссылки берутся в следующем порядке:

  1. Собственные ответы Telegram. Сообщение, отправленное в качестве ответа, принадлежит сообщению, на которое оно отвечает.
  2. Ответы вашего агента, если вы попросили агента связать чат (ниже).
  3. Упоминание. Сообщение, в котором упоминается кто-то, относится к последнему сообщению этого человека. Упоминание — это @username, упоминание в Telegram или сообщение, которое начинается с имени пользователя и двоеточия или запятой (anna: agreed). tg просматривает не более 50 сообщений и только в одной и той же теме форума.
  4. Тот же человек пишет снова. Следующее сообщение пользователя продолжает предыдущее, если оно пришло в течение 5 минут и в пределах последних 10 сообщений.

Сообщение без ссылки начинает новое обсуждение. Обсуждение может пропускать промежуточные сообщения, принадлежащие другим обсуждениям. Правила угадывают: можно разделить одно обсуждение на две или объединить два обсуждения в одно. Новая сборка заменяет предыдущую, поэтому номер обсуждения следует брать из свежего list, а не сохранять его.

2. Векторизация: превратите каждый фрагмент в вектор

tg personal conversations embed разбивает каждый обсуждение на части примерно по 1200 символов по границам сообщений. Каждая строка фрагмента представляет собой «отправитель: текст». Сообщение, длиннее фрагмента, разбивается на перекрывающиеся части, поэтому модель читает все длинное сообщение, а не только его начало. Сообщения без текста ничего не добавляют. Затем модель превращает каждую часть в вектор, и tg сохраняет его. Текст фрагмента повторно не сохраняется; только его вектор и отпечаток текста, который показывает, когда текст меняется.

3. Поиск: по смыслу и по словам одновременно

tg personal search conversations ищет ваш вопрос двумя способами и объединяет результаты:

  • По смыслу. Вопрос тоже становится вектором. tg сравнивает его с векторами всех фрагментов и ранжирует каждое обсуждение по ближайшему фрагменту. С моделью по умолчанию embeddinggemma учитывается каждое совпадение, и они ранжируются по сходству на шкале, где 1 означает одинаковый смысл. С e5-small совпадение по смыслу должно быть достаточно близким: показатель сходства должен быть выше 0,80.
  • По словам. tg также ищет каждое слово вашего вопроса в сохраненных сообщениях. Слово из трех и более букв также соответствует более длинным словам, начинающимся с него (meet находит meeting). Опечатки не исправляются.

Обсуждение, найденный в обоих направлениях, стоит выше обсуждения, найденного только в одном направлении. В каждом результате указано, как он был найден: "by": ["meaning"], ["words"] или оба. Без загруженной модели поиск по-прежнему выполняется только по словам, а ответ — "meaning": "unavailable". Чат без построенных обсуждений не участвует в поиске: сначала выполните сборку.

Почему это позволяет найти больше, чем просто поиск по словам: для поиска по словам требуется одно и то же слово в сообщении. Поиск по смыслу сравнивает содержание текстов и считывает фрагмент обсуждения, а не одно сообщение. Таким образом, «где мы встречаемся» может найти дискуссию, в которой один человек спрашивает «библиотека или кафе?» а другой отвечает: «В кафе на Мейн-стрит тише». Поиск по словам помогает не пропустить точные имена и редкие слова.

Технические подробности — проверенные правила, фрагменты, векторы и ранжирование — описаны в как работает поиск.

Прочитайте результаты

В терминале каждый результат представляет собой одну строку:

  • показатель сходства, или —, если его находили только слова;
  • номер обсуждения, когда он начался и закончился, сколько сообщений и людей, его первое сообщение;
  • (messages 4185–4192): фрагмент, который лучше всего совпал (или сообщение, если его нашли только слова), чтобы вы знали, с чего начать чтение;
  • локатор сообщения (msg:…), который принимают tg personal messages show и tg personal messages context;
  • stale, когда текст изменился после вычисления его вектора: оценка присваивается старому тексту.

При --json в ответе также есть meaning (searched или unavailable), используемый model и readiness: в каких чатах осуществлялся поиск по смыслу, в каких только по словам, которые устарели и которые так и не были построены. Когда что-то ограничивает поиск, stderr называет чаты и команду, которая это исправляет, например conversations embed --chat <chat>.

tg personal conversations list "Book club" 'started_at>=7d'
tg personal conversations show 91                # one conversation, oldest first
tg personal conversations show "Book club" 204   # the conversation message 204 is in
tg personal conversations related "Book club" 204  # other conversations about the same thing, in every chat
tg personal messages links "Book club" 204       # why that message is where it is

related использует векторы, сохраненные embed, и не запускает модели, поэтому отвечает быстро. Это поиск только по смыслу.

Рабочие примеры

Вы помните тему, а не слова.

tg personal search conversations "who is bringing food to the picnic"

Это ищет каждый подготовленный чат. Он может найти обсуждение, в котором люди написали «Я возьму сэндвичи» и «Боб принесёт напитки», которые поиск по словам пропустил бы.

Обсуждение велось на другом языке.

tg personal search conversations "renting a flat" --chat "Valencia expats"

В модели по умолчанию можно найти обсуждение «писо», написанное на испанском языке.

Уточнение по человеку и периоду. --filter использует строгий язык запросов. Обсуждение подходит, если хотя бы одно из его сообщений соответствует всему фильтру. Ваш вопрос все еще соответствует по смыслу.

tg personal search conversations "budget for the trip" --filter 'from:"Alice Synthetic" date:30d'
tg personal search conversations "contract terms" --filter 'has:file' --timezone Europe/Madrid

Начните с одного сообщения. Вы нашли сообщение с помощью поиска по словам и хотите получить все остальное по этой теме:

tg personal search messages '"deposit back" chat:"Valencia expats"'
tg personal conversations related "Valencia expats" 5120

Выполняйте поиск и по чатам своих ботов. По умолчанию поиск по темам использует активный аккаунт. --source personal, bots, all или имя мессенджера расширяет его; Затем для каждого результата указывается, из какого аккаунта он получен.

tg personal search conversations "delivery delayed" --source all

Получайте новые сообщения, прежде чем спросить. --sync-first сначала загружает новые сообщения в пределах чата, времени и границ сообщений поиска сообщений.

tg personal search conversations "where do we meet" --chat "Book club" --sync-first

Поддерживайте актуальность

Новые сообщения попадают в обсуждение только после следующей сборки, а в вектор — только после следующей векторизации.

tg personal conversations status                 # what is behind, chat by chat
tg personal conversations links rebuild                  # every chat that changed, and groups never built
tg personal conversations embed                  # every built chat with pieces left
tg personal search conversations "renting a flat" --catch-up  # catch up first, then search

status подсчитывает для каждого чата с построенными обсуждениями сообщения, которые сборка не видела (новые, отредактированные, удаленные), фрагменты, вектор которых является текущим, устаревшим или отсутствующим, а также количество групп, которые никогда не были созданы. Без --chat, conversations links rebuild, embed и search conversations --catch-up позволяют обрабатывать не более 20 чатов за раз (--max-chats) и вставлять не более 2000 фрагментов за раз (--max-chunks); запустите их еще раз, чтобы продолжить. Они никогда не скачивают модель. --catch-up нельзя комбинировать с --filter или --source: сначала постройте обсуждения и вычислите векторы нужных чатов.

Когда правила изменяются в новой версии, status и tg personal store check называют чаты, созданные с использованием старых правил; построить их заново.

Когда сообщение удаляется, его текст также покидает векторы.

tg personal messages sync <chat> --catch-up также может строить обсуждения и вычислять векторы чата сразу после его загрузки (загрузить историю чата).

Пусть ваш ИИ-агент свяжет сообщения

В правилах отсутствуют ссылки, которые показывают только смысл. Ваш собственный ИИ-агент (например, Claude Code, Codex, Cursor или Gemini CLI) может добавить их:

tg skill show link-conversations                 # the agent's instructions
tg personal conversations batches status --chat "Book club"  # how many messages and batches, how much text

Агент читает инструкции, сообщает вам, какой объем текста он будет читать, и ждет вашего «да». Затем он обрабатывает чат по частям (tg personal conversations batches show), решает, на какое более раннее сообщение каждый отвечает, и сохраняет свой ответ (tg personal conversations links add). В следующей сборке они используются: сначала идут собственные ответы Telegram, потом ссылки агента, потом правила. tg personal conversations links clear --chat "Book club" удаляет ответы агента; потом построить снова. В этом рабочем процессе tg сам по себе не вызывает модель. Разрешение профиля conversations.links определяет, можно ли сохранять ответы.

tg также может отправлять пакеты в сам провайдеру ИИ. Обычный conversations links rebuild использует правила и сохраненные ссылки; tg personal conversations links rebuild --chat <chat> --analyze отправляет ограниченные пакеты в настроенную конечную точку, совместимую с OpenAI или Anthropic. Требуется явный --chat. Перед первым пакетом он показывает объем, конечную точку и лимит токенов и запрашивает согласие. Согласие сохраняется для этого аккаунта, чата и провайдера, пока вы его не отзовете. По умолчанию — 50 сообщений на пакет (--size) и не более 100 000 токенов, зарезервированных на один запуск (--max-tokens); --yes предоставляет согласие в сценариях. tg personal conversations consents list перечисляет согласия; consents revoke --chat <chat> отменяет их. Встроенный анализ работает только из командной строки, а не через MCP, а ключи никогда не попадают в файл настроек.

Конфиденциальность и стоимость

По умолчанию ничего не покидает ваш компьютер. Модель работает здесь, и скачивается она только по вашему запросу:

tg personal models list kind:text                     # the models, and which are downloaded
tg personal models download embeddinggemma

embeddinggemma стоит по умолчанию: читает более 100 языков и находит больше, но на неё распространяются условия использования Google Gemma. Для загрузки флаг не нужен. --accept-terms по-прежнему принимается, но ничего не делает. e5-small меньше и примерно в семь раз быстрее, под лицензией MIT. Компьютер, на котором есть только e5-small, использует её, пока не загружена embeddinggemma. Модель выбирается командой models set. Векторы двух моделей никогда не смешиваются: выполняйте поиск той моделью, которой вычисляли векторы. Если чат векторизован только другой моделью, об этом сообщается в stderr.

На современном ноутбуке embeddinggemma векторизует около 8 частей в секунду, и группа из 100 000 сообщений занимает около часа с четвертью, один раз. e5-small векторизует около 30 частей в секунду и тратит чуть больше 20 минут. Последующие запуски векторизуют только изменившееся.

Векторы может вычислять и внешний сервис с вашим собственным ключом:

tg personal models keys set openai
tg personal conversations embed --chat "Book club" --embedding-provider openai
tg personal search conversations "renting a flat" --embedding-provider openai

Затем текст обсуждений чата поступает в этот сервис, и при каждом поиске отправляется ваш вопрос. Прежде чем что-либо отправить, embed сообщает, сколько фрагментов, максимум сколько токенов и максимум какую цену, и ждет вашего «да» (--yes в скриптах; --max-tokens устанавливает лимит). --base-url позволяет использовать любой сервер с API векторизации OpenAI, например Ollama или LM Studio, на вашем компьютере с помощью --model и --dims. tg personal models keys remove openai забывает ключ. Настройки удалённой векторизации также применяются к поискам, которые ваш агент выполняет через MCP, поэтому его вопросы также направляются в эту службу.

Дальше