微信AI助手完整搭建指南用 wechat-bot 快速接入多种大模型自动回复【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 的多平台 IM 机器人项目核心价值是把微信扫码登录后的消息交给 ChatGPT、DeepSeek、Kimi、Ollama、Pi 等大模型处理实现微信自动回复。它同时提供群聊统计、好友分析、联系人管理和朋友圈缓存检索适合想给个人或团队群聊配一个 24 小时在线的微信 AI 助手的人。下面按“先看懂能力 → 再跑起来 → 最后挑模型、做任务、避坑”的顺序带你从零搭好这个项目。一张表看懂微信机器人能做什么先别急着装环境把项目能力过一遍心里有数再动手能力入口命令说明微信扫码接入 自动回复wb agent --im wechat --agent pi/wb start --serve deepseek扫码登录后按白名单规则自动回复私聊和群聊多模型切换--serve后接服务名支持 ChatGPT、DeepSeek、Kimi、Ollama、Pi、Claude、豆包、通义、讯飞等 12 种服务本地聊天记录wb wx sessions、wb wx history通过 OpenCLI 的 wx-cli 读取本机微信数据群聊 / 好友分析wb analyze --room 群名支持纯本地统计也可调用 AI 做深度分析朋友圈缓存wb wx sns-feed、wb wx sns-search查看和全文检索本机朋友圈缓存飞书 IMwb lark login、wb lark send支持登录、读消息、搜消息、发消息消息流转链路可以记成一句话微信扫码登录 → Wechaty 收消息 → 本地 JSONL 落盘 → 大模型生成回复 → 微信发回。想深入了解 Pi 作为 agent 的完整链路可以读 docs/pi-im-agent.md。怎么把微信机器人跑起来环境与配置检查清单这一节不追求一次讲完所有配置按下面的检查项逐项打勾即可每项之间没有强依赖可以随时回来补。环境准备Node.js ≥ v18.0建议 LTS版本太低会直接报错克隆仓库git clone https://gitcode.com/GitHub_Trending/we/wechat-bot进入目录we下执行cd wechat-bot再安装依赖npm i大陆网络建议先换淘宝镜像源可选执行npm link把wb注册成本机命令不想 link 的话后文所有wb ...都可用npm run start -- ...替代最小配置.env执行cp .env.example .env后至少确认下面这几项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2BOT_NAME必须带填启动机器人那个账号的微信昵称群聊里靠它识别 两个白名单决定机器人“只对谁说话”填错是最常见的“不回复”原因更细的业务逻辑在 src/platforms/wechat/commandRouter.js命令路由和 src/wechaty/sendMessage.js发送与触发规则选模型并启动在.env里填入所选大模型的 API Key本地模型如 Ollama、Pi 则不用 Key只需确认服务已在本机运行然后启动wb start --serve deepseek--serve后面换成ChatGPT、ollama、pi、Kimi等服务名即可。等价写法还有wb agent --im wechat --agent pi。启动后终端会打印二维码手机微信扫码即完成接入。配置完成后机器人会按两条规则工作私聊消息的发送者必须在ALIAS_WHITELIST中群聊的群名必须在ROOM_WHITELIST中且消息里要BOT_NAME。非文本消息不会进入回复链路。接下来解决一个更现实的问题这么多模型到底选哪个。微信机器人接哪个大模型最省钱--serve可选的服务共 12 个ChatGPT、claude、deepseek、deepseek-free、doubao、Kimi、Xunfei、tongyi、ollama、dify、302AI、pi。挑的时候看三件事免费额度、是否本地运行、擅长什么模型免费额度是否本地适合场景DeepSeek有免费/低价档否日常问答、中文对话性价比高Ollama完全免费是隐私敏感对话数据不出本机Pi完全免费本地是把项目当 agent 壳跑可带工具能力豆包每模型 50 万 token 免费否支持图片输入与深度思考讯飞200 万 token 免费否免费额度大接口限制宽松Kimi有限免费否长文本处理注意请求频次限制ChatGPT / Claude需付费否综合能力最强需代理与外币付费Dify取决于部署可私有化已有 Dify 应用想接进微信两个实用判断只关心“零成本 不泄露聊天记录”直接 Ollama 或 Pi只关心“额度大、省事”DeepSeek 或讯飞。各服务对应的 Key 变量名都能在 .env.example 里找到注释每个服务目录还附带__test__.js如 src/doubao/test.js配置后可先跑一遍验证 Key 是否可用再启动机器人。模型定了下面用三个真实任务验证整套链路是否真的通了。跟着做三个真实任务任务一给自己建一个“只理我”的私聊助手在.env的ALIAS_WHITELIST里只填自己的好友备注给自己小号发消息测试最方便。wb start --serve deepseek启动并扫码。用白名单内的账号私聊机器人发一句“你好”收到自动回复即链路打通。想给回复加人设改对应服务的SYSTEM_MESSAGE变量比如让它只回答项目相关的问题。想让它“被点到才答”而不是每条都回把AUTO_REPLY_PREFIX设成?只有以?开头的消息才触发回复适合用主微信号的场景。任务二给一个群做活跃度分析先把目标群名加进ROOM_WHITELIST然后两种方式任选命令行分析推荐先做这个wb analyze --room 群名 --stats-only--stats-only只做本地统计不调用 AI、不花一分钱。想看 AI 深度解读去掉该参数并加上--serve deepseek或--serve pi。微信里发命令在白名单群里直接发/统计 群 群名或/分析 群 群名。前者只读本地 JSONL后者会把最近消息样本交给模型分析。分析逻辑在 src/analysis/wechatAnalyzer.js内置命令解析在 src/platforms/wechat/commandRouter.js。处理含隐私的群聊时建议优先用 Ollama / Pi 这类本地方案消息不出本机。任务三检索本机聊天记录和朋友圈wb wx sessions wb wx search 关键词 wb wx sns-feedwb wx sessions列出最近会话wb wx search全文检索聊天内容wb wx sns-feed查看朋友圈缓存wb wx sns-search可做朋友圈全文搜索。这些命令是透传给 OpenCLI 的wx-cli的第一次使用先跑wb wx init初始化本地数据访问。到这里机器人的数据侧能力就完整了剩下的是上线前该盯的几个坑。上线前避坑四个高频问题现象一句话解法安装/运行直接报错多半是 Node 版本低于 v18升级到 LTS 后删掉node_modules和 lock 文件重装扫码成功但机器人不回复按顺序核对BOT_NAME是否带且与账号昵称一致 → 发送者/群名是否在白名单 → 群聊消息是否 了机器人云端模型请求不通先确认 API Key 和余额再确认终端代理可用跑对应服务的__test__.js单独验证接口收到微信外挂警告默认 web 协议风控严格用小号测试、严格收敛白名单、避免频繁扫码登出README 中提到可评估更稳定的协议方案另外两个容易忽略的点讯飞的几个 Key 别填反APP_ID / API_KEY / API_SECRET 有独立变量ENABLE_REMOTE_OPENCLI默认关闭是出于安全考虑别随手打开它允许通过微信远程执行本机命令。写在最后你拿到了什么下一步做什么走完上文你手上有一个 7×24 在线的微信 AI 助手白名单内的私聊和群聊会自动调用你选定的大模型回复群聊和好友可以做本地统计或 AI 深度分析本机聊天记录和朋友圈缓存可随时检索数据默认存在.data/wechat/messages.jsonl不依赖任何云端存储。所有能力都集中在 cli.js 这一个入口下按wb命令组织源码模块化程度高想加新模型只需参照现有服务目录的结构即可。下一步建议先用--stats-only对你最活跃的一个群跑一次纯本地分析拿到一份免费的活跃度报告确认数据链路无误后再把--serve切到正式模型让机器人开始替你值班。【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