尧图网站建设 
wechat-bot 实战指南从零搭建微信 AI 自动回复机器人完整流程【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/IM AI 机器人扫码登录微信后收到的消息交给 DeepSeek、ChatGPT、Ollama 等 AI 服务自动回复还能对群聊和好友做统计分析与不活跃联系人检测。它到底能帮你干嘛值班客服你忙不过来的时候白名单群里有人 机器人提问几秒后就有模型生成的答复发回去7×24 小时有人接话。群聊降噪群消息太吵机器人只在被 或命中指定前缀时才回应其余消息只存档不插嘴。数据复盘一条wb analyze命令把某个群或某个好友的聊天拉出来做本地统计再交给 AI 写份深度分析。30 秒看懂这个项目Wechaty 协议层负责微信扫码登录、收发消息是整个机器人的手。多模型回复层src/ 下按目录拆出 ChatGPT、DeepSeek、Kimi、讯飞、Ollama、Claude、Dify 等十几个 provider用--serve参数热切换。消息处理引擎src/wechaty/sendMessage.js 做过滤、白名单校验和触发判断src/platforms/wechat/commandRouter.js 处理聊天里的/统计、/分析内置命令。本地数据通道wb wx子命令通过 OpenCLI 的 wx-cli 读本机微信的会话、联系人、群成员和朋友圈缓存不碰云端。分析模块src/analysis/wechatAnalyzer.js 支持纯本地统计和 AI 深度分析两种模式。统一 CLIcli.js 是入口npm link之后就能用wb命令。从零到跑通环境要求项目要求Node.js≥ v18.0推荐 LTS网络稳定用云端模型时终端要能访问对应服务账号建议用非主力号1️⃣ 克隆仓库到本地git clone https://gitcode.com/GitHub_Trending/we/wechat-bot cd wechat-bot2️⃣ 安装依赖并可选地把wb注册为本机命令npm i npm link3️⃣ 生成配置文件至少填好机器人名和两个白名单cp .env.example .env # 在 .env 中配置核心参数 # BOT_NAME你的微信昵称 # ALIAS_WHITELIST好友备注1,好友备注2 # ROOM_WHITELIST群名1,群名2 # PI_BINpi4️⃣ 启动机器人终端出二维码后扫码登录wb agent --im wechat --agent pi # 或者切换传统模型回复模式 wb start --serve ollama登录成功后消息链路是Wechaty 收消息 → 本地 JSONL 存档 → agent 生成回复 → 发回微信。白名单群内被 才会触发回复私聊则要求对方备注在ALIAS_WHITELIST里。真正让它好用的配置客服场景别对每条消息都回大号场景下每次被 都触发回复会很吵。给它加个前缀门槛只有带指定前缀的消息才进入回复链路AUTO_REPLY_PREFIX机器人帮忙群聊消息会先去掉BOT_NAME再 trim 做前缀匹配私聊直接 trim 后匹配配置前先确认消息格式。分析场景本地统计 AI 深度复盘想摸清一个群的活跃情况不用把聊天记录喂给云端模型先做本地统计需要时再调 AIwb analyze --room 群名 --stats-only wb analyze --room 群名 --serve deepseek聊天中也可以直接发/统计 群 XX群和/分析 好友 备注内置命令只对白名单内的联系人生效别人发不进来。玩出花来的技巧白名单是最便宜的防火墙。ROOM_WHITELIST和ALIAS_WHITELIST保持最小集只放真正需要的群和人。机器人回复范围越小风控暴露面越小误回率也越低。开启消息存档再玩分析。WECHAT_STORE_MESSAGEStrue会把消息追加写入.data/wechat/messages.jsonl/统计和--stats-only都只读本地文件分析历史聊天不用再抓一遍。敏感群优先本地模型。/分析会把最近消息样本交给模型处理涉及隐私的群用--serve ollama这类本地方案数据不出机器。Pi 冷启动可以忍。本机没有全局pi命令时把PI_BIN留空项目会用 npx 自动调起 Pi只是首次启动慢一点。遇到这些情况怎么办扫码后登录失败或收到外挂警告→ 微信对 Web 协议审查严格 → 换更稳定的协议且别频繁登录登出重要账号别拿来跑。群里被 了却不回复→BOT_NAME少了符号或群名没写进ROOM_WHITELIST或非文本消息图片、语音不走回复链路→ 对照.env逐项核对。云端模型请求不通→ API Key、余额、代理三件套必查 → OpenAI/Claude 这类服务尤其要确认终端走了代理。装依赖时 puppeteer 失败→ 环境不支持下载浏览器 → 设置PUPPETEER_SKIP_DOWNLOADtrue后再装。启动直接报版本错误→ Node.js 版本低于 18 → 升级 LTS 版本删掉 lock 文件和 node_modules 重装一次。注意事项微信对第三方客户端的审查一直在收紧建议用专门的号别拿日常主力号试验。控制回复频率白名单 前缀双保险别让机器人秒回每一条消息。涉及隐私的聊天分析优先本地模型/分析发出去的就是消息样本自己心里有数。底层 wechaty 生态的维护状态不算活跃购买任何付费协议前多留个心眼别一次买太久。接下来你可以先跑通最小链路白名单里放一个自己的测试群 一下看看回不回。跑通之后两个方向值得试一是把 src/ 的 provider 结构当模板接入你顺手的模型服务二是拿wb analyze定期给核心群做复盘。工具的价值在于它真的替你省了时间——去动手跑一次比看十篇教程都值。【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 实战指南：从零搭建微信 AI 自动回复机器人完整流程
wechat-bot 实战指南从零搭建微信 AI 自动回复机器人完整流程【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/IM AI 机器人扫码登录微信后收到的消息交给 DeepSeek、ChatGPT、Ollama 等 AI 服务自动回复还能对群聊和好友做统计分析与不活跃联系人检测。它到底能帮你干嘛值班客服你忙不过来的时候白名单群里有人 机器人提问几秒后就有模型生成的答复发回去7×24 小时有人接话。群聊降噪群消息太吵机器人只在被 或命中指定前缀时才回应其余消息只存档不插嘴。数据复盘一条wb analyze命令把某个群或某个好友的聊天拉出来做本地统计再交给 AI 写份深度分析。30 秒看懂这个项目Wechaty 协议层负责微信扫码登录、收发消息是整个机器人的手。多模型回复层src/ 下按目录拆出 ChatGPT、DeepSeek、Kimi、讯飞、Ollama、Claude、Dify 等十几个 provider用--serve参数热切换。消息处理引擎src/wechaty/sendMessage.js 做过滤、白名单校验和触发判断src/platforms/wechat/commandRouter.js 处理聊天里的/统计、/分析内置命令。本地数据通道wb wx子命令通过 OpenCLI 的 wx-cli 读本机微信的会话、联系人、群成员和朋友圈缓存不碰云端。分析模块src/analysis/wechatAnalyzer.js 支持纯本地统计和 AI 深度分析两种模式。统一 CLIcli.js 是入口npm link之后就能用wb命令。从零到跑通环境要求项目要求Node.js≥ v18.0推荐 LTS网络稳定用云端模型时终端要能访问对应服务账号建议用非主力号1️⃣ 克隆仓库到本地git clone https://gitcode.com/GitHub_Trending/we/wechat-bot cd wechat-bot2️⃣ 安装依赖并可选地把wb注册为本机命令npm i npm link3️⃣ 生成配置文件至少填好机器人名和两个白名单cp .env.example .env # 在 .env 中配置核心参数 # BOT_NAME你的微信昵称 # ALIAS_WHITELIST好友备注1,好友备注2 # ROOM_WHITELIST群名1,群名2 # PI_BINpi4️⃣ 启动机器人终端出二维码后扫码登录wb agent --im wechat --agent pi # 或者切换传统模型回复模式 wb start --serve ollama登录成功后消息链路是Wechaty 收消息 → 本地 JSONL 存档 → agent 生成回复 → 发回微信。白名单群内被 才会触发回复私聊则要求对方备注在ALIAS_WHITELIST里。真正让它好用的配置客服场景别对每条消息都回大号场景下每次被 都触发回复会很吵。给它加个前缀门槛只有带指定前缀的消息才进入回复链路AUTO_REPLY_PREFIX机器人帮忙群聊消息会先去掉BOT_NAME再 trim 做前缀匹配私聊直接 trim 后匹配配置前先确认消息格式。分析场景本地统计 AI 深度复盘想摸清一个群的活跃情况不用把聊天记录喂给云端模型先做本地统计需要时再调 AIwb analyze --room 群名 --stats-only wb analyze --room 群名 --serve deepseek聊天中也可以直接发/统计 群 XX群和/分析 好友 备注内置命令只对白名单内的联系人生效别人发不进来。玩出花来的技巧白名单是最便宜的防火墙。ROOM_WHITELIST和ALIAS_WHITELIST保持最小集只放真正需要的群和人。机器人回复范围越小风控暴露面越小误回率也越低。开启消息存档再玩分析。WECHAT_STORE_MESSAGEStrue会把消息追加写入.data/wechat/messages.jsonl/统计和--stats-only都只读本地文件分析历史聊天不用再抓一遍。敏感群优先本地模型。/分析会把最近消息样本交给模型处理涉及隐私的群用--serve ollama这类本地方案数据不出机器。Pi 冷启动可以忍。本机没有全局pi命令时把PI_BIN留空项目会用 npx 自动调起 Pi只是首次启动慢一点。遇到这些情况怎么办扫码后登录失败或收到外挂警告→ 微信对 Web 协议审查严格 → 换更稳定的协议且别频繁登录登出重要账号别拿来跑。群里被 了却不回复→BOT_NAME少了符号或群名没写进ROOM_WHITELIST或非文本消息图片、语音不走回复链路→ 对照.env逐项核对。云端模型请求不通→ API Key、余额、代理三件套必查 → OpenAI/Claude 这类服务尤其要确认终端走了代理。装依赖时 puppeteer 失败→ 环境不支持下载浏览器 → 设置PUPPETEER_SKIP_DOWNLOADtrue后再装。启动直接报版本错误→ Node.js 版本低于 18 → 升级 LTS 版本删掉 lock 文件和 node_modules 重装一次。注意事项微信对第三方客户端的审查一直在收紧建议用专门的号别拿日常主力号试验。控制回复频率白名单 前缀双保险别让机器人秒回每一条消息。涉及隐私的聊天分析优先本地模型/分析发出去的就是消息样本自己心里有数。底层 wechaty 生态的维护状态不算活跃购买任何付费协议前多留个心眼别一次买太久。接下来你可以先跑通最小链路白名单里放一个自己的测试群 一下看看回不回。跑通之后两个方向值得试一是把 src/ 的 provider 结构当模板接入你顺手的模型服务二是拿wb analyze定期给核心群做复盘。工具的价值在于它真的替你省了时间——去动手跑一次比看十篇教程都值。【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