WeClone 微信数字分身完整指南：用你的聊天记录微调大语言模型，打造能聊天的微信机器人

WeClone 微信数字分身完整指南用你的聊天记录微调大语言模型打造能聊天的微信机器人【免费下载链接】WeClone One-stop solution for creating your AI twin from chat history Fine-tune LLMs with your chat logs to capture your unique style, then bind to a chatbot to bring your digital self to life.项目地址: https://gitcode.com/GitHub_Trending/we/WeCloneWeClone 把真实微信聊天记录变成微调数据集训练出一个懂你口吻的大语言模型数字分身再接进微信自动回话。全文分五个阶段环境准备 → 数据加工 → SFT 微调 → 微信上线 → 调优避坑按顺序执行即可从零跑通。️ 阶段一环境准备确认显存门槛搭好训练环境先回答显存问题16GB 显存做 6B 大模型微调够。默认基座是 chatglm3-6bSFT 阶段走 LoRA 路线——LoRA 是一种只训练模型一小部分参数、其余权重全部冻结的微调方法所以显存开销被压到了 16GB 上下普通消费级显卡就能覆盖。显存紧张时的调参方向两个旋钮都写在 settings.json 里优先调小per_device_train_batch_size和gradient_accumulation_steps直接降低单次前向的显存占用还放不下就改走 QLoRA把权重量化到 8bit 或 4bit 再训练6B 模型的需求能压到 10GB 以下。下面这组命令克隆仓库并搭建 conda 环境复制即可执行git clone https://gitcode.com/GitHub_Trending/we/WeClone conda create -n weclone python3.10 conda activate weclone cd WeClone pip install -r requirements.txt 阶段二数据加工把微信聊天记录变成微调数据集数据是效果的地基这一步做的就是聊天记录微调的数据准备。先用 PyWxDump 工具解密微信本地数据库选择聊天备份并以 CSV 格式导出。每个联系人或群聊对应一个 csv 文件夹把它们统一放进仓库的./data/csv目录下例如./data/csv/某好友/xxx.csv ./data/csv/某群聊/xxx.csv数据集预处理脚本一条命令跑完内置了脱敏逻辑python make_dataset/csv_to_json.py脚本会自动剔除手机号、身份证号、邮箱、网址等敏感信息。想额外过滤某些话题往 make_dataset/blocked_words.json 里加词就行包含禁用词的整句会被直接丢弃。同一个人连续回复多句时有两种处理方式看你的需求二选一默认脚本csv_to_json.py把连续多句用逗号合并成一条回答适合大多数场景make_dataset/csv_to_json-单句多轮.py保留成多轮历史对话写入提示词的 history 字段适合想让模型学习上下文衔接能力的场景。 阶段三SFT 微调训练模型并本地验证效果训练前先备好基座权重从 Hugging Face 下载 chatglm3-6b解压放到仓库根目录的./chatglm3-6b文件夹。网络不稳可改从魔搭社区拉取并在训练、推理前执行export USE_MODELSCOPE_HUB1Windows 用set。批次大小、学习率、LoRA 秩lora_rank、训练轮数num_train_epochs这些超参数全部集中在 settings.json 里克隆到本地后只改这一个 JSON代码零改动。单卡启动 SFT 微调python src/train_sft.py训练过程中 loss 降到 3.5 左右是常见水平压得过低反而可能是过拟合别盲目追求低 loss。多卡不是必须单卡就能完成有两块以上显卡再考虑可选方案装好 deepspeed 后执行deepspeed --num_gpus2 src/train_sft.py数字换成你的显卡数量用多卡分摊训练压力。训练完先别急着上线起一个本地页面自测效果python src/web_demo.py浏览器打开后随便聊几句看回复的语气、口头禅是不是你的风格。下图是微调后的微信数字分身机器人实际对话效果 阶段四上线部署让数字分身接入微信机器人上线需要两个进程顺序不能反先起 API 服务再启动机器人分别开两个终端执行python src/api_service.py # 终端 1先启动 API 服务 python src/wechat_bot/main.py # 终端 2再启动微信机器人机器人进程启动后终端会打印登录二维码用要绑定的微信号扫一下即完成登录。之后私聊它或在群里 它它就会用你的口吻回复。多轮对话的上下文由 src/wechat_bot/main.py 负责维护聊天过程中它能记住近期上下文不会一句话就失忆。 阶段五调优与避坑把分身调得更像你数据质量决定效果上限。这是项目方反复强调的一句话最终效果很大程度取决于聊天数据的数量和质量。数据少、话题单一分身只能说差强人意数据丰富、风格鲜明效果才会接近本人。想提升效果最直接的往往不是调参而是把数据喂得更全。封号风险统一在这里说清楚。在微信上跑机器人存在封号风险建议专门准备一个小号来跑并且账号必须绑定银行卡否则无法使用。主力号不要碰。想换人设改系统提示词。默认的系统提示词在 src/template.py 里想让分身以更正式、更冷淡或其他角色说话直接修改这个文件即可。三步行动清单先拿一两位密友的聊天记录把全流程跑通环境 → 数据集 → SFT → 本地自测这一轮不求量、求快验证效果在 web_demo 和微信私聊里各测十几轮语气像就继续不像就回头检查数据构成和settings.json里的训练参数逐步补充更多联系人的聊天记录并重新训练用增量数据把分身的表达习惯喂得更全效果会明显上一个台阶。【免费下载链接】WeClone One-stop solution for creating your AI twin from chat history Fine-tune LLMs with your chat logs to capture your unique style, then bind to a chatbot to bring your digital self to life.项目地址: https://gitcode.com/GitHub_Trending/we/WeClone创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考