从一条微信消息到 AI 回复wechat-bot 消息链路的接力逻辑【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读完本文你会弄明白 wechat-bot 的消息链路子系统如何接管一条微信消息它如何被捕获进本地 JSONL 文件、如何被门禁与路由、如何交给十几种模型服务商之一。包含最小可运行路径、一条消息的接力时间线以及服务商插件契约。第一层跑通一次自动回复的最小知识集如果你只关心让 wechat-bot 在微信里回消息需要知道的事实只有五条IM 接入层是 Wechaty一个抽象多种 IM 的机器人框架项目使用 wechat4u 这个 puppetWechaty 对协议适配器的称呼底层是用无头 Chromium 驱动微信网页版登录方式只有终端里的二维码。运行行为全部由.env决定BOT_NAME机器人名字、ALIAS_WHITELIST私聊白名单、ROOM_WHITELIST群白名单、AUTO_REPLY_PREFIX触发前缀。SERVICE_TYPE选择模型服务商可选十几种每一种要求的必填环境变量不同。非文本消息默认一律不处理群聊必须 机器人。npm inpm linkwb agent --im wechat --agent pi就能拉起完整链路没有别的依赖。没有框架、没有数据库就是一个 Node 进程。第二层追踪 wechat-bot 消息链路的接力路径以白名单好友私聊发来一条带前缀的消息为例按时间线逐角色看Wechaty 消息事件Wechaty 收到网页版事件后触发messagesrc/platforms/wechat/bot.js里的bot.on(message)回调是整条链路的唯一入口它把同一条消息交给下游两个角色。捕获层src/platforms/wechat/messageStore.js 的captureWechatMessage把发送人、群名、时间戳、文本序列化成 JSON往.data/wechat/messages.jsonl追加一行原文原样传给回复层。这步受WECHAT_STORE_MESSAGES开关控制。门禁层src/wechaty/sendMessage.js 的defaultMessage做四次连续判断发送人是不是机器人自己、消息是不是文本、发送人是否白名单、内容是否以命令前缀或回复前缀开头。任一不过就丢弃消息通过则把原文交给路由。核心判断逻辑如下const isAuthorizedCommand (room isRoom) || (!room isAlias) if ((isBotSelf !isBotSelfDebug) || !isText) return if (content.replace(${botName}, ).trimStart().startsWith(commandPrefix)) { if (!isAuthorizedCommand) return const commandResult await handleWechatCommand(content, { serviceType: ServiceType, roomName, alias, name, }) if (commandResult.handled) { if (commandResult.reply) await (room || contact).say(commandResult.reply) return } }路由层带/前缀的消息进handleWechatCommand定义在 commandRouter.js可以触发本地统计等动作未识别的命令返回handled: false消息继续掉进回复分支。普通消息则直接进入取服务商一步。服务商层src/wechaty/serve.js 的getServe(ServiceType)按名字找到对应模块并动态 import——惰性加载即首次调用才拉入该模型的依赖然后执行getXxxReply(prompt)把返回的字符串交给发送层。发送层contact.say(response)或room.say(response)经 Wechaty 把文本发回微信链路结束。第三层新增一个模型服务商要改哪三个地方服务商层的契约很简单任意服务商模块导出一个getXxxReply(prompt) Promisestring的异步函数接收字符串提问、返回字符串答复。以 src/deepseek/index.js 为例整个文件只有 20 行构造 OpenAI 兼容客户端把 system 消息与用户提问塞进chat.completions.create返回choices[0].message.content。接入一个新服务商恰好要动三处新建src/name/index.js导出getXxxReply在 src/wechaty/serve.js 的getServe加一个 case外包一层lazyServe这个包装函数只有 5 行function lazyServe(loader, exportName) { return async (...args) { const module await loader() return moduleexportName } }在 src/index.js 的serveList加入名字并在getMissingConfig里写好该服务商缺哪些环境变量——这样你没配 key 启动时终端会直接告诉你要补哪个变量。十几种服务商就是一张字符串列表加动态 import没有任何注册框架新增服务商不需要改动消息链路的任何一行代码。第四层回复没发生时如何定位问题最短诊断路径是三个检查点按顺序查消息进没进来WECHAT_STORE_MESSAGES不为false时捕获数据全在.data/wechat/messages.jsonl目录可用WECHAT_DATA_DIR改。tail 这个文件就知道 Wechaty 有没有收到消息文件不增长问题在扫码登录或 puppet 这一侧。过没过门禁链路全程留了日志——门禁处会输出以/ question结尾的日志行每个服务商模块会输出/ prompt与/ reply两组日志。看到 question 行却没有任何 prompt 行说明消息卡白名单或前缀判断对照.env里两个白名单变量与发送人的备注名、微信号代码先匹配alias再匹配name。数据能不能读回执行wb analyze --stats-only读回同一份 JSONL。统计里消息数正常而机器人不回复问题几乎必在门禁逻辑而非接入层。这条命令不需要配置模型 key随时可跑是验证捕获层是否工作的低成本探针。另外bot.on(error)会输出bot error handle看到它说明错误发生在 Wechaty 内部。延伸分析子系统如何复用 wechat-bot 消息链路消息链路里的捕获一步不只是留日志。src/analysis/wechatAnalyzer.js 读取同一份messages.jsonl算出发言人、群、时段三组统计再复用同一个getServe服务商把统计结果加最近 120 条消息拼成分析 prompt。群聊分析、不活跃好友检测这些能力都构建在同一条数据之上。反过来看src/adapters/下的 lark / opencli / pi 适配器不走消息链路它们通过src/utils/process.js的streamCommand直接调起外部 CLI命令行界面进程与消息链路共享src/config/env.js这一层配置。前者是消息进、回复出的管道后者是命令透传的通道两者只在配置层交汇。克隆仓库跑一次真实私聊回复验证整条链路git clone https://gitcode.com/GitHub_Trending/we/wechat-bot cd wechat-bot npm i npm link如果你的模型服务商不在列表里最快的贡献方式就是按第三层的契约补一个getXxxReply并加进getServe。【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