1. 项目背景与整体思路今年接了个挺有意思的活儿——给微信加一个 AI 自动回复的能力。需求方说得很直白想在自己不方便回消息的时候让一个机器人先顶上能处理咨询、能简单聊天、能按关键词回复最好还能稍微聪明一点。当时市面上现成的方案我也看了不少要么是基于微信网页版的框架账号风险高不说稳定性一言难尽要么是纯关键词回复的套路脚本遇到稍微绕一点的问题就露馅。挑来挑去最后定下来用 Claude Code 作为大脑把微信消息接进来让 Claude 真刀真枪地跑自动回复。这个选择不是拍脑袋。Claude Code 本身是一个命令行环境里跑的 AI 编程代理擅长理解指令、执行命令、读写文件最关键的在于它有很好的扩展性——我可以通过脚本把外部消息喂给它让它调用终端命令、跑工具、生成回复文本。相比直接调 APIClaude Code 能基于项目上下文做判断不是一句你好就开始胡说八道而是真的能带着上下文做事。这条技术路线听起来很酷但真正落地的时候坑全藏在细节里消息怎么稳定地拿过来、Claude Code 怎么装怎么配、模型能不能用上国产第三方接口、白名单四元组又是什么鬼。这篇文章我会把这套方案从零到一拆开把链路、白名单、安装部署、排错经验全部记录下来给正在折腾同样需求的朋友一个完整的参考。先说清楚适用人群如果你只是想给自己的账号做个玩具级自动回复这篇文章能帮你绕过大部分坑如果你的目标是企业级、高并发的客服系统那 Claude Code 的形态可能不太合适你更应该去看后端服务直接接 API 的方案。我的场景属于中间地带——个人账号、中小流量、每天几十条消息要的是聪明和稳定兼顾部署简单。2. 消息链路到底是怎么走的2.1 整体链路的五段拆解很多人在微信自动回复这件事上翻车第一时间就去写代码结果写完了发现消息根本拿不到。实际上整条链路的打通比回复本身难十倍。我把整个系统的数据流拆解成了五段消息来源微信客户端→ 消息采集层拿原始消息→ 消息转发层格式化和路由→ AI 处理层Claude Code 跑脑子→ 回复发送层把结果发回去每一层单独看都不复杂麻烦的是层与层之间的对接。第 2 段采集层是最大的分水岭你能拿到的数据形态决定了后面所有层的实现方式。第 3 段是我的核心代码所在要做消息规范化、会话管理、并发控制。第 4 段用 Claude Code 是非阻塞的至少要保证处理完一条消息之前不会被下一条消息打乱。第 5 段容易被人忽略很多人调通了 Claude 的回复结果发现发不回去——微信的发送通道没有你想象的那么开放。实际跑起来之后你会发现链路里任何一环的延迟都在几十毫秒到几秒之间整体体验取决于最慢的一环。有一次我在转发层犯了傻每条消息做了五分钟的阻塞等待结果对方连续发三条消息最后只出来一条回复体验极差。后来把并发改成了同一会话串行、不同会话并行这个问题才算根治。