wechat-bot 微信机器人实战指南：3步跑通多模型AI Agent，扫码即享7×24自动回复-开发者社区

wechat-bot 微信机器人实战指南：3步跑通多模型AI Agent，扫码即享7×24自动回复

【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

微信群消息刷屏到眼花，夜里又总怕错过重要消息？wechat-bot 是一个基于 WeChaty 的微信机器人 / IM AI Agent，把微信扫码登录后的消息交给 DeepSeek、ChatGPT、Claude、Ollama 等大模型处理，3 步就能让多模型 AI 助手替你值守聊天、自动回复。

项目速览

一句话介绍：它是一个"多平台 IM AI Agent"。扫码登录微信后，自动接收、落盘并回复消息；还能读本地微信的聊天记录、群成员、朋友圈缓存，对群聊或好友做统计和深度分析；另外提供飞书通道，支持登录、读消息、搜消息、发消息。全部配置收敛在一个.env文件里，自动回复受白名单约束，不会对着每条消息乱回。

适合哪些场景

客服/支持群常年挂着：你不可能全天在线，把机器人拉进白名单群，被 @ 时模型秒回，咨询不过夜。
想给群聊"盘点"一下：一条wb analyze命令出活跃度统计，再加个模型服务，让 AI 总结群里的热点话题。
数据隐私敏感：接 Ollama 本地模型，消息不出机器；也可以用 Pi agent 挂上你自己的工具链。

从零跑起来：装好依赖配好 .env

先过环境，再装依赖，全程就几条命令：

# 检查 Node.js 版本（需要 v18.0 以上，建议 LTS） node -v # 克隆项目代码 git clone https://gitcode.com/GitHub_Trending/we/wechat-bot cd wechat-bot # 安装依赖 npm i # 复制配置模板 cp .env.example .env

打开.env，填好这几项最关键的：

# 你的微信昵称（保留 @，群里靠它识别 @机器人） BOT_NAME='@你的微信昵称' # 允许私聊触发自动回复的好友（备注/昵称，逗号分隔） ALIAS_WHITELIST='好友A,好友B' # 允许自动回复的群聊名称 ROOM_WHITELIST='技术交流群,客服群' # 收到消息本地落盘，供后续分析 WECHAT_STORE_MESSAGES='true'

小提示：网络不理想时，先切国内 npm 镜像（npm config set registry https://registry.npmmirror.com）再重装依赖，过程会顺畅很多。

能力拆解

十二种模型自动回复，一条命令切换

deepseek、ChatGPT、doubao、Kimi、Xunfei、tongyi、claude、dify、ollama、pi等服务都已内置，--serve一换即可：

服务	特点定位	建议用法
deepseek	低价、响应快	日常问答，入门首选
ChatGPT	综合能力强	复杂问题（需付费 + 代理）
Kimi	长文本表现好	文档分析、总结
Xunfei	200 万免费 token、限频少	中文对话场景
Ollama	本地运行、数据不出机器	隐私敏感对话
Pi	可作为 agent 外壳	挂你自己的工具链

# 换一条命令即可切换自动回复背后的模型 wb start --serve deepseek

本地微信数据读取：聊天、群成员、朋友圈一条命令拿

wb wx通道直通本机微信缓存，不用翻手机：

wb wx init # 初始化本地微信数据访问 wb wx sessions # 查看最近会话 wb wx history # 查看聊天记录 wb wx members # 查看群成员 wb wx sns-feed # 查看朋友圈缓存

群聊/好友深度分析：本地统计或 AI 分析

# 只做本地统计，不调用 AI，免费又快 wb analyze --room "技术交流群" --stats-only # 把最近消息样本交给模型做深度分析 wb analyze --friend "客户备注" --serve deepseek

在微信聊天里直接发/统计群 XX群或/分析好友 XX也能出结果，完整链路说明见 docs/pi-im-agent.md。

飞书通道：登录、读、搜、发都支持

飞书目前是 CLI 控制通道，覆盖登录、读消息、搜索、发送：

wb lark login --no-wait # 生成授权信息 wb lark messages --chat-id oc_xxx # 读取消息 wb lark send --chat-id oc_xxx --text "hello"

动手实操：最小可运行路径

第 1 步：启动并扫码

# 把 wb 注册成本机命令 npm link # 启动机器人（--serve 后面换成你想用的模型名） wb start --serve deepseek

终端出现二维码，手机扫码即登录。之后的消息链路长这样：

微信扫码登录 -> Wechaty 收消息 -> 写入 .data/wechat/messages.jsonl -> 白名单校验 -> 模型生成回复 -> 发回微信

第 2 步：验证消息落盘

让白名单好友发一条消息，再看本地文件：

tail -n 3 .data/wechat/messages.jsonl

看到新增的 JSON 行，说明接收链路没问题。✅

第 3 步：测群聊 @ 触发

在白名单群里 @机器人发一句：

@你的微信昵称 服务器 502 一般是什么原因，怎么快速排查？

机器人会给出模型生成的答复。没反应时，先核对BOT_NAME和ROOM_WHITELIST拼写。⚠️ 群聊里只有 @ 到机器人的消息才会进入回复链路。

第 4 步：试一条分析命令

wb analyze --room "技术交流群" --stats-only

得到本地统计；把--stats-only换成--serve deepseek，则叠加 AI 深度分析。

进阶玩法

前缀过滤：给AUTO_REPLY_PREFIX配上指定前缀，只有命中前缀的消息才触发回复，适合大号场景，避免每次被 @ 都被打扰。
Pi agent 模式：wb agent --im wechat --agent pi把微信当成 Pi 的外部通信渠道，agent 可挂自己的工具链。
隐私偏好：处理私人聊天时建议优先 Ollama 或本地 Pi，/统计只读本地 JSONL，对话不用上云。
想改回复与路由逻辑，看 src/platforms/wechat/commandRouter.js 和 src/wechaty/sendMessage.js。

避坑与部署

本地或 Docker，二选一

本地跑就是前面的wb start --serve <服务名>。想长期挂在服务器上，用 Docker 更干净：

# 构建镜像 docker build . -t wechat-bot # 挂载 .env 启动 docker run -d --rm --name wechat-bot -v $(pwd)/.env:/app/.env wechat-bot

构建时 node 反复下载超时的话，可先把 nodejs 镜像拉到本地，再把 Dockerfile 里的版本改成本地镜像。

高频问题快速排查

症状	快速排查
依赖装不上	切国内镜像，删掉 node_modules 和 lock 文件重装
puppeteer 安装失败	设置环境变量`PUPPETEER_SKIP_DOWNLOAD='true'`
云端模型请求不通	逐项核对 API Key、余额、模型名和终端代理
登录了但不回复	`BOT_NAME`要带 @、群名在`ROOM_WHITELIST`里、群聊消息确实 @ 了它
收到"外挂"警告	默认 web 协议风控严格，建议换更稳的协议、控制登录频率，用小号试