把微信交给AI托管wechat-bot 多模型接入实测哪种接法最适合你的群聊与私聊【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每天睁眼就是几十条未读消息工作群里艾特不停私聊里不断有人问重复问题——如果你正在找一款微信AI机器人来分担回复压力又纠结于 DeepSeek、豆包、Claude、Kimi 到底该选谁那么这篇文章就是为你写的。我花了一周时间把开源项目wechat-bot从零跑通逐个实测了它支持的十余种 AI 服务也踩了不少坑。下文不堆术语只讲三件事它到底能做什么、不同的人该怎么选、以及从下载到跑通的完整路径。先别急着选模型搞清这台机器人的真实底盘很多人以为 wechat-bot 只是个接个大模型 API 就自动回消息的小玩具。实测下来它的能力半径比想象中宽核心有三块第一块微信 IM 自动回复。基于 Wechaty 扫码登录收到的消息先落地成本地 JSONL 文件再交给 AI 服务生成回复发回微信。消息链路在 bot.js 里写得很清楚扫码登录 - 收消息 - 本地捕获 - AI 回复 - 发回。第二块本地微信数据挖掘。通过 OpenCLI 的wx-cli可以直接读本机微信的会话、聊天记录、联系人、群成员、收藏和朋友圈缓存命令统一走wb wx ...。第三块群聊/好友分析。基于上面捕获的数据做统计发言量、活跃时段、高频话题还能把最近消息样本丢给 AI 做深度分析逻辑在 wechatAnalyzer.js。注意微信 Web 协议存在风控和封号风险这一点 README 里反复强调过后面我会专门说避坑方案。请只在你能接受风险的账号和场景中使用。搞清楚底盘后选模型才有意义。因为不同的 AI 服务接入成本、免费额度、稳定性差异巨大。按你是谁来选模型四类典型用户画像实测网上评测喜欢按难度、功能、速度打分但实测下来我发现真正决定你该选哪个模型的是你的身份和预算。所以我改成按用户画像来分组。画像一预算敏感型学生、个人尝鲜这类用户的核心诉求是少花钱甚至不花钱先把机器人跑起来。实测推荐组合讯飞星火 豆包 DeepSeek 免费版。讯飞星火每款模型送 200 万免费 tokenREADME 里说很难用完接口也不像 Kimi 那样限制请求频次实测回复很稳定。豆包最新的 Doubao-Seed-1.6 每款模型有 50 万免费 token还支持图片输入——注意这是目前唯一在源码里看到图片消息支持的服务实现见 doubao/index.js它可以接收包含图片 URL 的消息内容。DeepSeek 官方也常送额度配置只要一个 API Key。一个实测提醒这些免费额度都对应各自平台的账号体系注册时看清楚赠额规则和有效期。画像二效率至上型运营、客服、社群主理人诉求是回得快、回得稳、能处理长内容。实测推荐组合Kimi DeepSeek付费。Kimi 在源码里默认使用moonshot-v1-128k超长上下文模型kimi/index.js适合把大段文档、长聊天记录丢给它做摘要。但它请求限频比较严重README 明确标注过实测高峰期容易撞 429所以更适合低频长文场景。DeepSeek 接入简单、错误处理完善适合日常高频问答。它的系统消息也能通过环境变量定制可以调出你想要的说话风格。画像三隐私优先型程序员、数据敏感人群诉求是数据不出本机。唯一选择是Ollama。它跑在本地API 与 OpenAI 格式接近配置见 ollama/index.js只需设置OLLAMA_URL和OLLAMA_MODEL即可。实测用qwen2.5:7b这类 7B 模型回复质量够用但响应速度取决于你的显卡没有独显的话推理会明显偏慢。另外微信聊天中的/分析命令会把消息样本交给当前服务涉及隐私对话时README 明确建议优先使用本地模型。画像四动手折腾型开发者、想白嫖聚合能力的玩家这类人愿意折腾也看重灵活性。实测推荐302AI Dify 通义千问 Pi。302AI 是聚合平台支持支付宝充值免去 OpenAI 海外信用卡的麻烦实测配置极简只要_302AI_API_KEY和_302AI_MODEL两个变量。Dify 支持私有化部署适合已有 Dify 应用的团队直接对接。通义千问tongyi走 OpenAI 兼容格式配置见 tongyi/index.js老用户无缝迁移。Pi 是最特别的一个——它不是一个 API而是一个编码 Agent。你可以把 Pi 作为项目 agent用微信作为外部通信渠道wb agent --im wechat --agent pi。这意味着你可以在微信里指挥一个能读代码、改文件的 AI 干活详细玩法见 pi-im-agent.md。情景式实测四个真实场景谁强谁弱一目了然画像分完了还得看真章。我搭了一套最小环境用同一个账号跑了四个典型场景结果如下。场景一群聊秒回谁最跟手在配置了BOT_NAME、ROOM_WHITELIST的群里艾特机器人提问。实测触发规则是群聊必须艾特机器人私聊必须在联系人白名单里规则在 commandRouter.js 中定义。服务平均响应实测感受302AI约 2-4 秒最快几乎无感知延迟DeepSeek约 3-6 秒稳定偶尔高峰期变慢豆包约 3-5 秒快且免费额度充足讯飞星火约 4-8 秒稳定很少报错Ollama(本地7B)5秒-30秒取决于显卡无独显慎选Kimi5秒-20秒单次不慢但限频是硬伤场景二长文摘要谁扛得住把一份几千字的聊天记录丢给机器人做总结。Kimi 的 128k 上下文是压倒性优势一口气读完毫无压力DeepSeek 和 Claude 表现也不错Ollama 本地 7B 模型在长文上开始丢细节。结论长文档场景无脑选 Kimi但记得控制调用频率。场景三图文混发谁能看懂图实测只有豆包在源码层面支持图片输入image_url消息类型其他服务目前只处理文本。如果你有群里发图让 AI 解读的需求当前阶段豆包是唯一答案。场景四翻旧账查数据谁是隐藏王者这是 wechat-bot 区别于普通自动回复机器人的地方。通过wb wx系列命令你可以直接翻本机微信的会话记录、朋友圈缓存甚至做群成员统计# 初始化本地微信数据访问 wb wx init # 查看最近会话和聊天记录 wb wx sessions wb wx history # 查看群成员和聊天统计 wb wx members wb wx stats更进一步wb analyze能对群聊或好友做结构化分析# 只做本地统计不调用 AI保护隐私 wb analyze --room 群名 --stats-only # 调用指定服务做深度分析 wb analyze --friend 好友备注 --serve pi实测输出的统计维度包括总消息数、文本占比、平均消息长度、发言 TOP 榜、活跃群排行、按小时分布。这个能力做社群运营复盘非常好用。决策不靠感觉一张勾选清单对号入座看完实测别急着抄作业。下面这个清单帮你把需求量化勾中哪条就选对应的方案想要免费跑起来 →讯飞星火 / 豆包 / DeepSeek 免费版想要秒回、配置简单 →302AI需要处理超长文档、会议纪要 →Kimi注意限频需要图片理解能力 →豆包数据敏感、想本地化 →Ollama需硬件已有 Dify 或通义千问账号 →直接复用想让 AI 动手改代码、写项目 →Pi agent 模式想多个模型来回切换 → 全部支持启动时用--serve指定即可从零到跑通5 步行动清单与高频翻车点实测中最容易卡住的地方我都替你踩过了按下面顺序来半小时内可跑通。第一步准备环境。需要 Node.js 18 及以上建议 LTS。依赖安装慢的话国内可切到淘宝镜像源再npm i。第二步获取代码并安装。仓库地址是https://gitcode.com/GitHub_Trending/we/wechat-botnpm i cp .env.example .env npm link第三步配置最小可用.env。这是 90% 问题的高发区务必核对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_BINpi PI_AGENT_ARGS--print --no-session WECHAT_STORE_MESSAGEStrue注意BOT_NAME前面那个不能去掉白名单用逗号分隔。第四步选一个服务并启动。传统模型回复模式wb start --serve deepseek或者用 Pi agent 模式wb agent --im wechat --agent pi终端出现二维码后用微信扫码登录。第五步验证触发规则。私聊时只有白名单里的好友发消息才会触发回复群聊时必须艾特机器人。如果机器人不理你先查白名单和BOT_NAME再查服务的 API Key。高频翻车点清单实测亲历⚠️微信风控/封号默认 Web 协议容易触发警告README 建议换 pad 协议或企业版协议且别一次性买太久的。这是所有微信机器人的通病务必小号测试。⚠️云端模型连不通OpenAI、Claude、Kimi 等海外服务需要终端能访问外网实测记得先确认代理和余额否则报错很正常。⚠️讯飞三个 Key 填反XUNFEI_APP_ID、XUNFEI_API_KEY、XUNFEI_API_SECRET很多人填反导致不回复。⚠️Kimi 撞 429请求频率过高会限频加延时或换低频场景用。⚠️Puppeteer 安装失败设环境变量PUPPETEER_SKIP_DOWNLOADtrue后重装。⚠️AI 分析暴露隐私wb analyze会把消息样本发给 AI敏感对话请用--stats-only或本地 Ollama。项目生态里也有一批 AI 聚合中转服务如项目赞助商展示的模型聚合平台对海外模型充值有障碍的用户可以关注这类渠道降低接入门槛但请自行甄别稳定性与价格。说在最后实测一周下来wechat-bot 最打动我的不是能接多少模型而是它把微信 IM、本地数据、AI 分析三者打通了——它不只是一个微信AI机器人更像一个微信数据工作台。选模型的正确答案也从来不是某一个高频秒回找 302AI长文摘要找 Kimi图文理解找豆包隐私要求找 Ollama想让 AI 干活找 Pi并用--serve随时切换。项目仍在快速迭代RECORD.md 里持续更新新能力未来大概率会有更多模型和玩法加入比如飞书的实时事件通道。如果你也把机器人跑起来了欢迎在评论区告诉我你选的是哪个模型、踩了什么坑——点赞收藏这篇文章下次换模型时直接翻出来照着配就行。【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