wechat-bot 实战指南：从零搭建微信 AI 自动回复机器人完整流程-平芜编程栈

wechat-bot 实战指南：从零搭建微信 AI 自动回复机器人完整流程

【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 的微信/IM AI 机器人：扫码登录微信后，收到的消息交给 DeepSeek、ChatGPT、Ollama 等 AI 服务自动回复，还能对群聊和好友做统计分析与不活跃联系人检测。

它到底能帮你干嘛

值班客服：你忙不过来的时候，白名单群里有人 @ 机器人提问，几秒后就有模型生成的答复发回去，7×24 小时有人"接话"。
群聊降噪：群消息太吵？机器人只在被 @ 或命中指定前缀时才回应，其余消息只存档不插嘴。
数据复盘：一条wb analyze命令，把某个群或某个好友的聊天拉出来做本地统计，再交给 AI 写份深度分析。

30 秒看懂这个项目

Wechaty 协议层：负责微信扫码登录、收发消息，是整个机器人的"手"。
多模型回复层：src/ 下按目录拆出 ChatGPT、DeepSeek、Kimi、讯飞、Ollama、Claude、Dify 等十几个 provider，用--serve参数热切换。
消息处理引擎：src/wechaty/sendMessage.js 做过滤、白名单校验和触发判断；src/platforms/wechat/commandRouter.js 处理聊天里的/统计、/分析内置命令。
本地数据通道：wb wx子命令通过 OpenCLI 的 wx-cli 读本机微信的会话、联系人、群成员和朋友圈缓存，不碰云端。
分析模块：src/analysis/wechatAnalyzer.js 支持纯本地统计和 AI 深度分析两种模式。
统一 CLI：cli.js 是入口，npm link之后就能用wb命令。

从零到跑通

环境要求：

项目	要求
Node.js	≥ v18.0，推荐 LTS
网络	稳定；用云端模型时终端要能访问对应服务
账号	建议用非主力号

1️⃣ 克隆仓库到本地：

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

2️⃣ 安装依赖，并可选地把wb注册为本机命令：

npm i npm link

3️⃣ 生成配置文件，至少填好机器人名和两个白名单：

cp .env.example .env # 在 .env 中配置核心参数： # 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' # PI_BIN='pi'

4️⃣ 启动机器人，终端出二维码后扫码登录：

wb agent --im wechat --agent pi # 或者切换传统模型回复模式 wb start --serve ollama

登录成功后，消息链路是：Wechaty 收消息 → 本地 JSONL 存档 → agent 生成回复 → 发回微信。白名单群内被 @ 才会触发回复，私聊则要求对方备注在ALIAS_WHITELIST里。

真正让它好用的配置

客服场景：别对每条消息都回

大号场景下，每次被 @ 都触发回复会很吵。给它加个前缀门槛，只有带指定前缀的消息才进入回复链路：

AUTO_REPLY_PREFIX='机器人帮忙'

群聊消息会先去掉BOT_NAME再 trim 做前缀匹配，私聊直接 trim 后匹配，配置前先确认消息格式。

分析场景：本地统计 + AI 深度复盘

想摸清一个群的活跃情况，不用把聊天记录喂给云端模型，先做本地统计，需要时再调 AI：

wb analyze --room "群名" --stats-only wb analyze --room "群名" --serve deepseek

聊天中也可以直接发/统计群 XX群和/分析好友备注，内置命令只对白名单内的联系人生效，别人发不进来。

玩出花来的技巧

白名单是最便宜的防火墙。ROOM_WHITELIST和ALIAS_WHITELIST保持最小集，只放真正需要的群和人。机器人回复范围越小，风控暴露面越小，误回率也越低。
开启消息存档再玩分析。WECHAT_STORE_MESSAGES='true'会把消息追加写入.data/wechat/messages.jsonl，/统计和--stats-only都只读本地文件，分析历史聊天不用再抓一遍。
敏感群优先本地模型。/分析会把最近消息样本交给模型处理，涉及隐私的群用--serve ollama这类本地方案，数据不出机器。
Pi 冷启动可以忍。本机没有全局pi命令时，把PI_BIN留空，项目会用 npx 自动调起 Pi，只是首次启动慢一点。

遇到这些情况怎么办

扫码后登录失败或收到外挂警告→ 微信对 Web 协议审查严格 → 换更稳定的协议，且别频繁登录登出，重要账号别拿来跑。
群里被 @ 了却不回复→BOT_NAME少了@符号，或群名没写进ROOM_WHITELIST，或非文本消息（图片、语音不走回复链路）→ 对照.env逐项核对。
云端模型请求不通→ API Key、余额、代理三件套必查 → OpenAI/Claude 这类服务尤其要确认终端走了代理。
装依赖时 puppeteer 失败→ 环境不支持下载浏览器 → 设置PUPPETEER_SKIP_DOWNLOAD='true'后再装。
启动直接报版本错误→ Node.js 版本低于 18 → 升级 LTS 版本，删掉 lock 文件和 node_modules 重装一次。