wechat-bot指南：3步搭建支持AI自动回复的微信机器人
wechat-bot指南3步搭建支持AI自动回复的微信机器人【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 框架的多 AI 自动回复微信机器人。微信扫码登录后它把白名单内好友和群的消息交给 DeepSeek、Ollama、Claude、Pi 等服务处理并自动回发同时提供聊天记录本地统计分析和本地微信数据访问。适合需要 7×24 小时群问答、客服响应或个人助手的开发者与运营人员。 项目能力一览微信扫码登录基于 WeChaty 框架扫码后接收微信消息回复沿原通道发回私聊群聊都支持多服务 AI 自动回复--serve提供 12 个选项ChatGPT、Claude、Kimi、豆包、通义、讯飞、DeepSeek、Ollama、Pi、dify、302AI、deepseek-free启动时随意切换回复范围控制好友备注与群名双白名单、触发、前缀匹配三层规则避免群内消息全部触发回复本地数据存储与分析消息落盘为本地 JSONL可做群聊统计、好友互动分析和 AI 深度分析技术社群可用来归档高频问题客服可用来复盘咨询数据本地微信数据访问通过 OpenCLI 的 wx-cli 读取最近会话、群成员、朋友圈缓存wb wx系列命令飞书 IM 通道CLI 方式登录、读消息、搜消息、发消息实时自动回复尚未接入 第一次运行1. 克隆安装git clone https://gitcode.com/GitHub_Trending/we/wechat-bot cd wechat-bot npm i npm link要求 Node.js ≥ 18npm link把wb注册为全局命令不想注册时后文所有wb命令都可换成npm run start --。2. 最小配置cp .env.example .envBOT_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 SERVICE_TYPEdeepseek WECHAT_STORE_MESSAGEStrueBOT_NAME用于群聊 匹配要保留两个白名单变量决定哪些私聊和群能触发 AI 自动回复SERVICE_TYPE是默认回复服务该服务的 API Key如DEEPSEEK_API_KEY也在同一文件填写。所有变量统一由 src/config/env.js 加载。3. 启动并扫码wb start --serve deepseek终端出现二维码用微信扫码即完成登录机器人开始监听白名单内的好友与群消息逐条追加到.data/wechat/messages.jsonl可以用cat直接查看。若要改用 Pi agent 回复执行wb agent --im wechat --agent pi与npm run agent等价。 按场景走查核心功能白名单与触发配置消息链路是微信扫码登录 → WeChaty 收消息 → 本地 JSONL 存储 → AI 服务处理 → 微信发回。触发条件有明确规则私聊发送者的备注或昵称必须在ALIAS_WHITELIST中群聊群名必须在ROOM_WHITELIST中且消息里 了BOT_NAMEAUTO_REPLY_PREFIX文本匹配到指定前缀才触发回复留空则规则不生效适合用主账号但不想每次被 都打扰的场景非文本消息不进入回复链路聊天内还有两个内置命令默认仅对白名单联系人生效/统计 群 XX群1 /分析 好友 好友备注/统计只读本地 JSONL、不调用 AI/分析会把最近消息样本交给当前 serve 服务。触发与路由逻辑在 src/platforms/wechat/commandRouter.js 和 src/wechaty/sendMessage.js。DeepSeek 与 Ollama 服务配置--serve决定回复服务不传时回落到.env里的SERVICE_TYPE。12 个可选服务及所需配置服务定位必填配置deepseek云端 API成本低、上手快DEEPSEEK_API_KEYollama本地模型无需联网数据不出机器OLLAMA_URL、OLLAMA_MODELChatGPT / Claude / Kimi / 豆包 / 通义 / 讯飞 / dify / 302AI / deepseek-free云端 API 类各自独立 Key如 OPENAI_API_KEY、CLAUDE_API_KEYpi本地 agent 模式微信作为对外通信渠道PI_BIN、PI_AGENT_ARGSDeepSeek 是配置成本最低的一条路径SERVICE_TYPEdeepseek DEEPSEEK_API_KEY你的key之后wb start --serve deepseek即可启动。该模块用 openai 兼容客户端实现需要中转地址时加DEEPSEEK_URL代码在 src/deepseek/。Ollama 本地部署适合隐私敏感场景SERVICE_TYPEollama OLLAMA_URLhttp://127.0.0.1:11434/api/chat OLLAMA_MODELqwen2.5:7b要求本机已安装 Ollama 并拉取对应模型其 API 与 OpenAI 接近、无需 Key实现见 src/ollama/。本地聊天数据分析命令wb wx init wb wx sessions wb wx history wb wx stats先wb wx init初始化本地微信数据访问再用sessions/history查最近会话与记录members/stats查群成员与聊天统计朋友圈缓存用wb wx sns-feed和wb wx sns-search。这些命令透传到 OpenCLI 的 wx-cli。深度分析wb analyze --room 群名 --stats-only wb analyze --friend 好友备注 --serve ollama第一条只做本地统计、不调用 AI加--serve则交给指定服务生成深度分析隐私敏感时建议指向本地模型。统计逻辑在 src/analysis/wechatAnalyzer.js可用npm run test:analysis单独验证。社群运营可定期跑群活跃度统计客服可复盘好友互动中的高频问题。飞书登录与消息发送命令wb lark login --no-wait wb lark status wb lark send --chat-id oc_xxx --text 你好login生成 device-flow 授权链接完成授权status查看授权状态messages/search按会话读取和检索消息。当前定位需要说清飞书是 CLI 控制通道实时事件自动回复尚未接入飞书消息不会自动推给 AI 回复实现位于 src/adapters/lark.js。扩展与二次开发新增 AI 服务项目用 provider 机制每个服务一个目录如 src/deepseek/、src/kimi/对外导出一个getXXXReply(prompt)函数。新服务若是 OpenAI 兼容接口直接复用 openai 客户端、改 baseURL 和 Key 即可完成后在 src/index.js 的serveList注册并补上 Key 校验。定制回复行为src/wechaty/sendMessage.js 控制消息怎么发src/platforms/wechat/commandRouter.js 控制触发路由想改「只有 才回复」这类规则就从这里入手。Pi 常驻 agent配置PI_BINpi、PI_AGENT_ARGS--print --no-session以wb agent --im wechat --agent pi启动本机没有全局 pi 时项目会通过npx --yes earendil-works/pi-coding-agent自动调起详见 docs/pi-im-agent.md。外部工具透传src/adapters/ 统一封装 opencli、pi、lark-cli 三个外部依赖wb opencli -- ...可直传底层命令。 部署与运行建议本地运行推荐 LTS 版 Node.js依赖损坏时删除node_modules和 lock 文件后重装调用云端服务前确认终端代理可用OpenAI、Claude 等需要能直连对应服务。Docker 容器docker build -t wechat-bot . docker run -d --name wechat-bot -v $(pwd)/.env:/app/.env wechat-bot仓库同时提供Dockerfile和Dockerfile.alpine.env通过挂载注入容器Key 不需要打进镜像。生产环境默认微信 Web 协议存在风控与封号风险长期运行建议专用账号必要时切换更稳定的协议配置进程监控与自动重启做日志轮转定期备份.env与.data消息数据定期拉取最新代码并更新依赖性能要点隐私敏感内容改用 Ollama 本地模型消息内容不出机器云端模型按成本选型聚合平台与免费渠道可作替代监控 API 用量与余额避免高峰时段超额。安全要点白名单范围保持最小化不放开全部群Key 不硬编码进代码统一走.env定期更新依赖保持安全补丁。快速排障扫码无二维码或登录失败→ 检查 Node.js 是否 ≥ 18、依赖是否装全puppeteer 下载失败可设PUPPETEER_SKIP_DOWNLOADtrue重试、终端网络能否访问微信网页版。群里 后不自动回复→ 依次核对BOT_NAME是否带前缀且与账号昵称一致、群名是否在ROOM_WHITELIST、当前--serve服务的 API Key 是否已配置、消息是否为文本。云端服务报错或不回复→ 检查 API Key、余额、模型名以及终端代理能否访问对应服务。项目的回复链路是「收消息 → 白名单校验 → provider 处理 → 发回」逻辑直白跑通一个服务后换服务或加新服务基本只是改 env 加一个小模块。建议顺序是先用wb analyze --stats-only跑通本地统计再接云端服务做自动回复隐私要求高时切到 Ollama 本地模型有封号风险的场景优先专用账号加最小化白名单。【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