尧图网站建设 
wechat-bot10 分钟搭好一个微信机器人多 AI 自动回复 群聊分析【免费下载链接】wechat-bot Multi-platform IM AI Agent for Telegram, WhatsApp, Lark, and WeChat. Connects ChatGPT / Claude / Kimi / DeepSeek / Ollama / Pi for auto-replies, community analysis, contact management, and inactive-friend detection.项目地址: https://gitcode.com/GitHub_Trending/we/wechat-botwechat-bot 是一个基于 WeChaty 的微信机器人把扫码登录后的消息交给 DeepSeek、Claude、Ollama 等多款 AI 自动回复还能对群聊做本地统计和深度分析。设想一个场景你运营一个开源社区答疑群成员隔三差五丢来报错截图问“怎么解决”而你不可能全天候守着——这个工具就是替你接住这些消息的。先跑起来这一节只做一件事从零到收到第一条自动回复。先确认 Node.js 版本在 18 以上然后克隆仓库、装依赖、复制一份配置文件git clone https://gitcode.com/GitHub_Trending/we/wechat-bot cd wechat-bot npm i cp .env.example .env接下来打开刚生成的.env先填最基础的四项——机器人昵称、私聊白名单、群白名单、开启消息记录BOT_NAME你的微信昵称 ALIAS_WHITELIST好友备注1,好友备注2 ROOM_WHITELIST答疑群1 WECHAT_STORE_MESSAGEStrue配好后启动。npm link能注册出wb命令没装也可以直接用npm run start --代替npm link wb start --serve deepseek终端会打出一个二维码用微信扫一下。登录成功后白名单里的人给你发消息、或群里 你就会收到 AI 的回复——到这一步链路已经通了。挑选 AI 服务回复用哪个模型靠启动时的--serve决定。不同服务的配置项都写在.env里命名规则和默认值可以在 src/config/ 中对照仓库自带的.env.example也有一份完整模板。常见服务如下按需挑一个填 Key 即可服务特点关键配置项deepseek性价比高、响应快适合日常问答DEEPSEEK_API_KEY、DEEPSEEK_MODELChatGPT综合能力强需自备 Key 并注意网络OPENAI_API_KEYClaude长文与逻辑分析稳CLAUDE_API_KEY、CLAUDE_MODELKimi长文本处理见长KIMI_API_KEYXunfei本土服务、中文场景友好XUNFEI_APP_ID等三项doubao / tongyi国内云端模型免费额度友好DOUBAO_API_KEY/TONGYI_API_KEYollama本地部署、数据不出机器OLLAMA_URL、OLLAMA_MODELpi本地编码 agent可当默认回复器PI_BIN、PI_AGENT_ARGSdify / 302AI / deepseek-free私有化或聚合接入DIFY_API_KEY等想换个模型不用改代码改完.env后重新wb start --serve 新服务名就行。定义谁触发回复机器人默认“只回熟人”避免给每条群消息都抢答。规则集中在.env逻辑实现在 src/wechaty/sendMessage.js私聊好友的备注或昵称要在ALIAS_WHITELIST里才回列表外的私聊一律不理。群聊群名要在ROOM_WHITELIST里且消息里必须到BOT_NAME才会触发没被 就静默。前缀过滤可选AUTO_REPLY_PREFIX留空时上面的规则即生效填了值后只有文本匹配该前缀才回适合大号不想每次被 都响应的情况。消息落盘WECHAT_STORE_MESSAGES为true时收到的消息会追加写入.data/wechat/messages.jsonl这是后面复盘的数据来源。一句话白名单管“回不回的圈子” 和前缀管“同不同意开口”消息落盘决定“事后有没有料可查”。事后复盘消息消息既然存下来了就能随时回看。最常用的是三条命令先看最近会话、再查某群某人的本地统计需要 AI 总结时再挂一个--servewb wx sessions wb analyze --room 答疑群1 --stats-only wb analyze --friend 某位好友 --serve ollama--stats-only只读本地 JSONL、不调用 AI适合快速看活跃度和消息量去掉它并指定服务就会把最近的消息样本交给模型做深度分析。群成员、朋友圈缓存等也能通过wb wx members、wb wx sns-feed进一步查看具体统计口径在 src/analysis/ 里。让它长期稳定运行短跑用本机命令即可要 7×24 挂着就交给容器。本地方式wb start --serve deepseekDocker 方式仓库自带 Dockerfiledocker build . -t wechat-bot docker run -d --rm --name wechat-bot -v $(pwd)/.env:/app/.env wechat-bot生产环境几点提醒默认用的是免费 web 协议有被风控的风险重要账号建议换更稳的协议ENABLE_REMOTE_OPENCLI保持false别在聊天里开放远程执行白名单宁少勿多避免在主力账号上跑。遇到卡点时几个高频问题的快速排查扫码后登录失败或提示风控多半是协议触发了微信检测换协议或备用账号别反复登录登出。该回的没回先核对BOT_NAME是否与机器人微信昵称一致带 再看好友备注、群名是否真的写进了对应白名单最后确认群里确实 了它。云端服务不回复检查对应 Key、模型名有没有填对网络是否通海外服务通常需要代理。消息存哪儿了默认在.data/wechat/messages.jsonl想关掉记录就把WECHAT_STORE_MESSAGES设为false。如果还想改触发条件或加一条聊天命令入口是 src/platforms/wechat/commandRouter.js想把 Pi 当默认 agent 用可继续看仓库里的docs/pi-im-agent.md。【免费下载链接】wechat-bot Multi-platform IM AI Agent for Telegram, WhatsApp, Lark, and WeChat. Connects ChatGPT / Claude / Kimi / DeepSeek / Ollama / Pi for auto-replies, community analysis, contact management, and inactive-friend detection.项目地址: https://gitcode.com/GitHub_Trending/we/wechat-bot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 wechat-bot：10 分钟搭好一个微信机器人，多 AI 自动回复 + 群聊分析
wechat-bot10 分钟搭好一个微信机器人多 AI 自动回复 群聊分析【免费下载链接】wechat-bot Multi-platform IM AI Agent for Telegram, WhatsApp, Lark, and WeChat. Connects ChatGPT / Claude / Kimi / DeepSeek / Ollama / Pi for auto-replies, community analysis, contact management, and inactive-friend detection.项目地址: https://gitcode.com/GitHub_Trending/we/wechat-botwechat-bot 是一个基于 WeChaty 的微信机器人把扫码登录后的消息交给 DeepSeek、Claude、Ollama 等多款 AI 自动回复还能对群聊做本地统计和深度分析。设想一个场景你运营一个开源社区答疑群成员隔三差五丢来报错截图问“怎么解决”而你不可能全天候守着——这个工具就是替你接住这些消息的。先跑起来这一节只做一件事从零到收到第一条自动回复。先确认 Node.js 版本在 18 以上然后克隆仓库、装依赖、复制一份配置文件git clone https://gitcode.com/GitHub_Trending/we/wechat-bot cd wechat-bot npm i cp .env.example .env接下来打开刚生成的.env先填最基础的四项——机器人昵称、私聊白名单、群白名单、开启消息记录BOT_NAME你的微信昵称 ALIAS_WHITELIST好友备注1,好友备注2 ROOM_WHITELIST答疑群1 WECHAT_STORE_MESSAGEStrue配好后启动。npm link能注册出wb命令没装也可以直接用npm run start --代替npm link wb start --serve deepseek终端会打出一个二维码用微信扫一下。登录成功后白名单里的人给你发消息、或群里 你就会收到 AI 的回复——到这一步链路已经通了。挑选 AI 服务回复用哪个模型靠启动时的--serve决定。不同服务的配置项都写在.env里命名规则和默认值可以在 src/config/ 中对照仓库自带的.env.example也有一份完整模板。常见服务如下按需挑一个填 Key 即可服务特点关键配置项deepseek性价比高、响应快适合日常问答DEEPSEEK_API_KEY、DEEPSEEK_MODELChatGPT综合能力强需自备 Key 并注意网络OPENAI_API_KEYClaude长文与逻辑分析稳CLAUDE_API_KEY、CLAUDE_MODELKimi长文本处理见长KIMI_API_KEYXunfei本土服务、中文场景友好XUNFEI_APP_ID等三项doubao / tongyi国内云端模型免费额度友好DOUBAO_API_KEY/TONGYI_API_KEYollama本地部署、数据不出机器OLLAMA_URL、OLLAMA_MODELpi本地编码 agent可当默认回复器PI_BIN、PI_AGENT_ARGSdify / 302AI / deepseek-free私有化或聚合接入DIFY_API_KEY等想换个模型不用改代码改完.env后重新wb start --serve 新服务名就行。定义谁触发回复机器人默认“只回熟人”避免给每条群消息都抢答。规则集中在.env逻辑实现在 src/wechaty/sendMessage.js私聊好友的备注或昵称要在ALIAS_WHITELIST里才回列表外的私聊一律不理。群聊群名要在ROOM_WHITELIST里且消息里必须到BOT_NAME才会触发没被 就静默。前缀过滤可选AUTO_REPLY_PREFIX留空时上面的规则即生效填了值后只有文本匹配该前缀才回适合大号不想每次被 都响应的情况。消息落盘WECHAT_STORE_MESSAGES为true时收到的消息会追加写入.data/wechat/messages.jsonl这是后面复盘的数据来源。一句话白名单管“回不回的圈子” 和前缀管“同不同意开口”消息落盘决定“事后有没有料可查”。事后复盘消息消息既然存下来了就能随时回看。最常用的是三条命令先看最近会话、再查某群某人的本地统计需要 AI 总结时再挂一个--servewb wx sessions wb analyze --room 答疑群1 --stats-only wb analyze --friend 某位好友 --serve ollama--stats-only只读本地 JSONL、不调用 AI适合快速看活跃度和消息量去掉它并指定服务就会把最近的消息样本交给模型做深度分析。群成员、朋友圈缓存等也能通过wb wx members、wb wx sns-feed进一步查看具体统计口径在 src/analysis/ 里。让它长期稳定运行短跑用本机命令即可要 7×24 挂着就交给容器。本地方式wb start --serve deepseekDocker 方式仓库自带 Dockerfiledocker build . -t wechat-bot docker run -d --rm --name wechat-bot -v $(pwd)/.env:/app/.env wechat-bot生产环境几点提醒默认用的是免费 web 协议有被风控的风险重要账号建议换更稳的协议ENABLE_REMOTE_OPENCLI保持false别在聊天里开放远程执行白名单宁少勿多避免在主力账号上跑。遇到卡点时几个高频问题的快速排查扫码后登录失败或提示风控多半是协议触发了微信检测换协议或备用账号别反复登录登出。该回的没回先核对BOT_NAME是否与机器人微信昵称一致带 再看好友备注、群名是否真的写进了对应白名单最后确认群里确实 了它。云端服务不回复检查对应 Key、模型名有没有填对网络是否通海外服务通常需要代理。消息存哪儿了默认在.data/wechat/messages.jsonl想关掉记录就把WECHAT_STORE_MESSAGES设为false。如果还想改触发条件或加一条聊天命令入口是 src/platforms/wechat/commandRouter.js想把 Pi 当默认 agent 用可继续看仓库里的docs/pi-im-agent.md。【免费下载链接】wechat-bot Multi-platform IM AI Agent for Telegram, WhatsApp, Lark, and WeChat. Connects ChatGPT / Claude / Kimi / DeepSeek / Ollama / Pi for auto-replies, community analysis, contact management, and inactive-friend detection.项目地址: https://gitcode.com/GitHub_Trending/we/wechat-bot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考