AI自动回复微信机器人 wechat-bot：12种大模型随便切，消息自己回-开发者社区

AI自动回复微信机器人 wechat-bot：12种大模型随便切，消息自己回

【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

wechat-bot 是一个基于 Wechaty（开源微信机器人框架）的 AI 自动回复机器人，扫码登录后微信消息自动交给大模型处理。它替你回消息、统计群聊、分析好友。支持 12 种 AI 服务，从免费额度到本地 Ollama 都能接。

它替你干了啥

工作群里天天有人问同样的问题，等你缓过神打字，话题早翻篇了。想知道群里谁最活跃、和某位好友多少天没聊过，只能一条条翻记录，一翻二十分钟。大号晚上要陪客户聊，你只能守着屏幕等消息，回晚了第二天还得补一遍。

wechat-bot 就是干这个的：消息接给 AI 回，聊天数据交给命令统计。

从0到1跑起来：4步装好部署

环境要求只有一条：Node 18+，没有的话先装一个 LTS 版本。

第一步，拿到代码：

git clone https://gitcode.com/GitHub_Trending/we/wechat-bot cd wechat-bot

第二步，装依赖并把wb注册成本机命令：

npm i npm link

第三步，复制配置模板：

cp .env.example .env

在.env里填上BOT_NAME、两个白名单，以及你选用的那个 AI 服务的 key。

第四步，启动并扫码登录：

wb agent --im wechat --agent pi

想直接用 DeepSeek 回复就换成wb start --serve deepseek。扫码登录后，白名单里的私聊和群消息就开始自动回复，收到的消息还会落到本地.data/wechat/messages.jsonl里备查。

它能干哪些活

消息自动回复链路：Wechaty 收到的微信消息先写入本地 JSONL，再交给选定的模型，回复发回微信。想改触发条件或回复流程，动src/wechaty/sendMessage.js。

12种AI服务随切：通过--serve参数切换，每个服务一行说清：

deepseek：免费额度，最省事
doubao：Doubao-Seed-1.6 模型，支持图片输入和深度思考
Xunfei（科大讯飞）：200万免费token，不限请求频次
ChatGPT / Claude / Kimi：付费服务，Kimi 额外支持文件上传
ollama：本地模型，数据不出机器
dify / 302AI：API 聚合平台
pi：本地 agent，可做单轮非交互回复

本地微信数据查询：wb wx sessions、wb wx history、wb wx members、wb wx sns-feed能读本机微信的会话、历史、群成员和朋友圈缓存，不需要配大模型。

群聊与好友分析：wb analyze --room "群名"先做本地统计，加--serve ollama再让模型出深度分析。微信里白名单内的人也可以直接发/统计、/分析命令。

怎么调成你的样式：改 .env 就行

所有开关都在项目根的.env里，最常用的四个：

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2 AUTO_REPLY_PREFIX=

BOT_NAME：机器人自己的微信名，群聊只有被 @ 它才回复，@ 号别去掉
ALIAS_WHITELIST：只对这些好友的私聊触发回复，留空则谁都不触发
ROOM_WHITELIST：只对这些群触发回复，不在名单里的群一律静默
AUTO_REPLY_PREFIX：前缀过滤，消息以该前缀开头才回复，适合不想每次被 @ 都回的场景

改完重启服务生效。更深的业务逻辑（比如 /统计命令的解析）在src/platforms/wechat/commandRouter.js。

实际用起来长啥样

客户群值班：把客户群填进ROOM_WHITELIST，服务选 deepseek 或 Xunfei。客户 @ 机器人立刻收到第一反应，你上班后再人工跟进。和默认状态的区别就是填了群名、配了免费服务的 key。

私人学习搭子：把学习搭子备注加进ALIAS_WHITELIST，服务换成 ollama 并配好OLLAMA_MODEL。问答全走本地模型，笔记和问题不出你机器。

月底群活跃统计：wb analyze --room "群名" --stats-only只读本地 JSONL 出统计，不花一分钱 API 额度；想要 AI 结论再改成--serve ollama。

踩过的坑帮你避掉

依赖装不上→ 切国内 npm 镜像重装；puppeteer 下载失败就设PUPPETEER_SKIP_DOWNLOAD=true环境变量。

消息收到了却不回复→ 九成是白名单没配对：群聊必须 @ 到BOT_NAME，私聊备注名要和ALIAS_WHITELIST里的完全一致。

云端模型请求超时→ 终端设置代理，再核对 API key、余额和模型名。

讯飞配置了不回复→ 讯飞那好几个 key 很容易被填反，逐位对照检查。

封号风险（最后但最要紧）→ 项目默认走免费 web 协议，README 明确写了有外挂警告和封号风险。建议小号实验，或者换付费的 pad 协议。

扫码就能上岗的微信 AI 值班员，装完当天就能用。去仓库翻翻src/wechaty/目录，把你自己的 AI 服务接进去。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

AI自动回复微信机器人 wechat-bot：12种大模型随便切，消息自己回