微信智能回复机器人 wechat-bot：接入12种AI服务的自动回复与群聊分析上手指南

微信智能回复机器人 wechat-bot接入12种AI服务的自动回复与群聊分析上手指南【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 框架的微信机器人扫码登录微信后它能把私聊和群聊消息交给 DeepSeek、ChatGPT、Ollama、Claude、Pi 等 AI 服务做智能自动回复同时提供本机聊天记录读取、群聊统计和好友互动分析。它适合两类人想让微信账号 7×24 小时应答咨询的运营者以及想量化了解自己群聊数据、又不想手动翻聊天记录的用户。能力地图这个微信机器人能干什么先只看能力不谈操作能力对应价值典型用法微信扫码自动回复白名单私聊、群内 消息由 AI 代答人不在也能响应wb start --serve deepseek12 种 AI 服务切换ChatGPT / doubao / deepseek / Kimi / Xunfei / 302AI / dify / ollama / tongyi / claude / pi 等改一个--serve参数即切换wb start --serve ollama本机微信数据访问读取最近会话、聊天记录、群成员、朋友圈缓存wb wx sessions、wb wx history群 / 好友分析先做本地统计不调 AI再可选 AI 深度分析微信聊天内也能直接发命令触发wb analyze --room 群名 --stats-only飞书 CLI 通道登录、读消息、搜消息、发消息暂不实时自动回复wb lark messages --chat-id oc_xxxAI 回复部分由统一的 provider 机制驱动各服务的实现分散在 src/openai/、src/deepseek/ 等目录路由逻辑在 src/wechaty/serve.js。底层可接入的模型不止代码内置这 12 种——任何兼容 OpenAI 格式的 API 都能通过.env里的 key、model、URL 接入从0到跑通最小配置路径跑通的前提只有一个Node.js 版本不低于 v18建议直接用 LTS 版。版本不满足时运行会直接报错。接着把代码拉下来并安装依赖npm link这一步是可选的它的作用是把wb注册成本机命令之后所有wb ...写法都可以省略成npm run start -- ...git clone https://gitcode.com/GitHub_Trending/we/wechat-bot cd wechat-bot npm i npm link配置只有一个文件。复制模板后把与谁允许触发回复和用哪个 AI 服务相关的几项填上即可其余保持默认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 WECHAT_STORE_MESSAGEStrue DEEPSEEK_FREE_TOKEN你的deepseek密钥这里有个高频踩坑点BOT_NAME必须带前缀写成可乐而不是可乐群聊里 的判定就靠它匹配。选一个--serve服务启动本文以 DeepSeek 为例只需一把 API key成本最低wb start --serve deepseek终端会打印一个二维码手机微信扫码登录后机器人就开始收消息了。此时可以直接用白名单好友私聊测试或在白名单群里 机器人验证消息会同步落盘看最后几条即可确认链路通了cat .data/wechat/messages.jsonl | tail -3想换成 Pi 作为 agent默认单轮非交互回复适合把它当编程助手用把启动命令换成wb agent --im wechat --agent pi即可完整说明见 docs/pi-im-agent.md。亮点深挖白名单触发 本地消息库为什么它敢无人值守多数微信机器人翻车在两点要么对每条消息都回复把群聊刷爆要么账号被风控。这个项目的解法是一套可审计的触发与存储机制值得拆开看。触发规则默认不回复命中条件才动消息处理入口在 src/wechaty/sendMessage.js判定顺序是私聊发消息人的备注名或微信昵称必须在ALIAS_WHITELIST里群聊群名必须在ROOM_WHITELIST里且消息正文必须包含BOT_NAME即真的 了它可选加一道AUTO_REPLY_PREFIX前缀门槛只有消息以指定前缀开头才触发适合用主号、不想每次被私聊都应答的场景机器人自己发的消息、非文本消息图片、语音等一律不进回复链路避免自回复死循环。这套规则的意义在于一个 500 人的群里只有你 它时才说话白名单外的私聊一条都不会回——回复范围由你显式圈定而不是交给 AI 自由发挥。消息存储每条消息都是本地 JSONL分析不依赖云端开启WECHAT_STORE_MESSAGEStrue后每条收到的消息都会按 JSONL 格式追加写入.data/wechat/messages.jsonl字段包括时间戳、群名、发言人备注/昵称、消息文本等实现见 src/platforms/wechat/messageStore.js。这个本地消息库支撑了一个完整的数据分析功能实现在 src/analysis/wechatAnalyzer.jswb analyze --room 群名 --stats-only纯本地统计消息数、文本消息数、平均长度、高频发言人、按小时分布完全不调 AI适合隐私敏感场景wb analyze --room 群名 --serve pi把统计结果加最近 120 条消息样本一起交给模型按关键统计 / 主要话题 / 互动模式 / 风险提示 / 可执行建议五段结构输出更妙的是它也能在微信里直接触发对白名单内的群发/统计 群 XX群或/分析 好友 张三命令路由逻辑在 src/platforms/wechat/commandRouter.js。也就是说群管理员不用开终端在群里就能拉一次活跃度报表。为什么这套设计好用统计与分析分离是核心日常监控用零成本的本地统计需要洞察时再花 token 调 AI而 AI 分析只吃统计摘要 最近 120 条样本不会把几万条记录整个塞给模型成本和延迟都可控。处理隐私聊天时把--serve指到 Ollama 本地模型数据就不出本机。落地与取舍本地、Docker、生产各适合谁开发机直接跑适合第一次搭环境和持续开发。代价是二维码只出现在终端里关终端就断线且需要本机 Node 环境完整不适合长期挂微信。Docker 部署仓库自带 Dockerfile构建时会装 chromium、ffmpeg 等一整套运行依赖运行只需挂载.envdocker build . -t wechat-bot docker run -d --name wechat-bot -v $(pwd)/.env:/app/.env wechat-bot适合一台常开服务器 长期自动回复的场景进程挂掉可以用容器策略自动拉起。代价是镜像偏大依赖多协议或依赖升级后要重新 build构建时 node 下载超时的话按 README 提示先拉本地 node 镜像再改 Dockerfile 基础镜像。生产环境的真正取舍不在部署而在协议和账号项目默认的免费 web 协议目前风控较严微信官方已多次警告外挂行为。务实的做法是——用专门的小号跑机器人、白名单压到最小、重要业务评估更稳定的协议如 pad 协议或企业版协议README 中有说明购买渠道请自行甄别风险、并定期备份.env和.data/wechat/消息数据。另外飞书目前是 CLI 控制通道不能实时自动回复如果业务依赖飞书实时事件这部分能力还没做。AI 服务怎么选隐私优先选 Ollama本地、不出网预算敏感选 DeepSeek长文档总结选 Kimi要中文对话质量可看 Xunfei免费额度大、不限频要 agent 能力选 Pi。换服务只改--serve参数和对应 key消息链路完全不用动。避坑提醒5个高频问题的直接解法扫码登录后不回复按顺序查BOT_NAME是否带前缀私聊对象的备注名是否在ALIAS_WHITELIST不是群昵称群名是否一字不差地在ROOM_WHITELIST群里是否真的 了机器人。四项全对仍不回复再确认消息是纯文本。启动即报错先查 Node 版本是否 ≥ v18依赖装不全就删掉node_modules和 lock 文件重装puppeteer 下载失败时设置PUPPETEER_SKIP_DOWNLOADtrue再装。云端模型请求不通通常是代理问题OpenAI / Claude / Kimi 等需要终端网络能直连其服务先export https_proxy...再跑同时确认 API key、余额、模型名三项配置正确。收到微信外挂警告这是免费 web 协议的固有风险README 里明确提醒过近期审查严格。解法只有三条换更稳定的协议、换专用账号、减少频繁登录登出。别拿主号试。只想分析、不想自动回复不需要启动机器人常驻wb analyze --room 群名 --stats-only直接读本地 JSONL 出统计零 AI 调用。结语wechat-bot 的价值不在接了多少模型而在把触发范围、消息落盘和统计/分析拆成了三层可控的机制——白名单圈定谁能让它说话JSONL 保证数据在本地统计与 AI 分析按需付费。先把最小配置跑起来在白名单群里 它一次你就知道这套链路合不合你的场景了。【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