Trae CN Database Decryptor

🌐 Oh My Trae 生态导航

🔓 解密	💾 记忆	🛠️ 解锁	🤖 Solo
trae-db-decrypt	trae-to-claude-mem	trae-unlock	trae-solo-unlock

Trae CN SQLCipher 4 数据库解密 + Token 使用量分析工具

功能

• 从进程内存中提取 SQLCipher 密钥（Windows API，无需 Frida）
• 纯 Python 页面级 SQLCipher 4 数据库解密（受 wechat-decrypt 启发）
• 导出完整的对话记录和 Agent 数据
• Token 使用量分析报告（按模型/项目/日期统计）
• HMAC-SHA512 自动验证密钥正确性

快速开始

1. 提取密钥（需要 Trae CN 正在运行）

pip install -r requirements.txt   # pycryptodome
python src/scan_memory.py

2. 解密数据库

python src/decrypt_db.py    # 使用默认路径，输出 database_decrypted.db
python src/decrypt_db.py -k decrypted_key.json -o output.db

3. 生成 Token 使用量报告

python src/token_report.py                         # 默认读取 database_decrypted.db
python src/token_report.py -d /path/to/decrypted.db

项目结构

trae-db-decrypt/
├── README.md
├── requirements.txt
├── src/
│   ├── scan_memory.py       # 密钥扫描脚本（从进程内存提取）
│   ├── decrypt_db.py        # 数据库解密工具（页面级 AES-CBC）
│   └── token_report.py      # Token 使用量分析报告
├── docs/
│   ├── article.md           # Trae CN 技术文章（解密教程 + 探索历程）
│   ├── article_solo.md      # Trae SOLO CN 技术文章
│   └── TRAEDB_GUIDE.md      # 数据库详细使用指南
└── examples/                # 示例代码

工作原理

1. 进程发现：找到加载 ai_agent.dll 的 Trae CN 进程
2. 内存扫描：用 Windows API 读取进程内存，搜索 hex 密钥模式
3. 密钥验证：用 HMAC-SHA512 验证找到的密钥是否正确
4. 数据库解密：纯 Python 逐页 AES-CBC 解密 SQLCipher 4 数据库
5. 数据分析：从 chat_turn.context 提取 token_usage 和 model_info

数据库表结构（39 张表）

核心对话表

表名	说明
history_v2	完整聊天内容（JSON格式）
chat_session	会话列表
chat_message	消息元数据
chat_turn	对话轮次，含 context.token_usage 和 model_info

Token 使用量关键字段

chat_turn.context JSON 中包含：

{
  "token_usage": {
    "prompt_tokens": 15012,
    "completion_tokens": 312,
    "total_tokens": 15324,
    "reasoning_tokens": 0,
    "cache_read_input_tokens": 1536,
    "cache_creation_input_tokens": 0
  },
  "persist_user_message_context": {
    "model_info": { "config_name": "kimi-k2.5", ... }
  }
}

参考项目

• wechat-decrypt - 微信数据库解密项目（页面级解密方法的主要参考）

许可证

MIT License