从零跑通微信AI机器人：自动回复、消息存档与群聊分析指南-港品优选

从零跑通微信AI机器人：自动回复、消息存档与群聊分析指南

【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-bot

一个三百人的客户群，一天上千条咨询，重要的部署通知一分钟就被刷进聊天流。你人还在外面跑业务，同事在共享账号上@你问"文档在哪"，没人接。wechat-bot 就是为这种场景准备的：把手机微信扫码接到电脑上，AI 接手自动回复，同时把每条消息落盘存档，事后可按关键词检索、按群名做统计。只要你装过 npm、跑通过npm i，照着这篇走，十几分钟就能让机器人上岗。

跑通之后立刻能验证的 3 件事

该说话才说话：只有白名单群里的@消息、白名单好友的私聊才会触发回复，再叠加前缀过滤，机器人不会逢消息必答。
消息天然有档：每条文本都会追加进.data/wechat/messages.jsonl，按关键词、群名、时间范围检索，像回放一样翻查聊天流。
群聊一条命令出数：谁最活跃、大家聊什么、谁常年潜水，本地统计直接输出；想深入再让模型基于最近消息样本给结论。

跟我搭：4 步从零到扫码登录

第 1 步：确认 Node 版本并拉取代码

项目要求 Node.js >= v18，低版本直接报错，优先用 LTS。确认版本、克隆并装依赖：

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

npm i卡住时，切到国内镜像源（npm config set registry https://registry.npmmirror.com）再装一遍，能解决大部分安装问题。

第 2 步：复制并填写 .env 白名单

cp .env.example .env

重点核对三个变量，.env.example里都给了占位说明：

BOT_NAME='@你的微信昵称' ROOM_WHITELIST='群名1,群名2' ALIAS_WHITELIST='好友备注1,好友备注2'

BOT_NAME的@前缀不能丢——触发判断就是拿消息文本和@昵称做匹配，少一个字符就永远匹配不上；ROOM_WHITELIST里的群名必须和微信真实群名一字不差，带空格、带符号都要照抄。另外WECHAT_STORE_MESSAGES='true'保持默认，它控制是否落盘存档。

第 3 步：给机器人挑一个"大脑"

--serve参数对应 12 种服务：ChatGPT、deepseek、doubao、Kimi、Xunfei、ollama、claude、dify、tongyi、302AI等，在.env里填对应服务的 API Key 即可。比如 Ollama 走本机OLLAMA_URL和OLLAMA_MODEL，一分钱不花；讯飞则要注意XUNFEI_APP_ID、XUNFEI_API_KEY、XUNFEI_API_SECRET三个 key 别填串位。如果不想逐个平台注册计费，项目也支持接第三方 API 聚合平台：

第 4 步：启动并扫码登录

执行npm link后，用下面的命令启动，终端会打印二维码，手机扫码即登录成功：

wb start --serve deepseek

没做npm link也可以，npm run start -- start --serve deepseek效果完全一样。扫完码就去白名单群里@它问句话，看回不回。

一条消息经过的 4 个站点

环节	做了什么	源码位置
收消息	Wechaty 解析出发送人、群名、文本，挂接 message 事件	src/platforms/wechat/bot.js
落盘存档	每条记录追加写进`.data/wechat/messages.jsonl`	src/platforms/wechat/messageStore.js
触发判断	白名单 + 被@（或私聊白名单）+ 前缀过滤后才进回复链路	src/wechaty/sendMessage.js
回复/指令	`/统计`、`/分析`走命令路由，普通文本交给`--serve`的模型	src/platforms/wechat/commandRouter.js

最容易被忽略的是"落盘"这一步排在最前面：哪怕这条消息最终不触发回复，也已经写进 JSONL 了——后面的关键词检索、群统计全靠这一份本地数据，存档和回复是两条解耦的链路。

两种进阶玩法

群聊分析，终端里就做。先跑wb analyze --room "群名" --stats-only，纯本地统计、不花 token；想拿结论就加--serve ollama让模型读最近的消息样本给总结。在群里直接发/统计群群名触发的是同一套逻辑。

挖本机微信缓存数据。先wb wx init初始化，再用wb wx history、wb wx search、wb wx members直接查本机微信的聊天记录、联系人和群成员，写周报时把某群近七天的记录捞出来就够了。

⚡ 四个常见故障的修法

现象：扫码正常登录，但群里@机器人始终没反应。原因：BOT_NAME丢了@，或群名与真实名称有一字之差，匹配失败直接被丢弃。解决：从微信聊天界面顶栏把群名原样复制进ROOM_WHITELIST，再确认@的是机器人账号本身。

现象：npm install 中途失败。原因：Node 版本低于 v18，或 puppeteer 的浏览器依赖下载超时。解决：先把 Node 升到 LTS；仍卡住就设PUPPETEER_SKIP_DOWNLOAD='true'跳过浏览器下载再装。

现象：微信弹出外挂警告。原因：项目默认用免费 web 协议，风控严格，平台审查期更容易触发。解决：只在测试账号上用、白名单尽量小；正式使用先翻 README 的协议切换说明，别急着买长期协议。

现象：日志没报错，但 AI 就是不回话。原因：所选--serve服务的 API Key 没填、余额不足，或讯飞的三个 key 填反了。解决：先单独跑对应服务的测试脚本，例如node src/deepseek/__test__.js，验证通了再启动机器人。

跑通之后先做这两件事

第一件：拿自己最常用的群跑一遍--stats-only，看看消息量和活跃成员长什么样，再决定要不要接模型做深度分析。第二件：如果想用 Pi 代替模型 API 当大脑，完整配置和触发规则写在 docs/pi-im-agent.md 里。码扫完，你的微信里就多了一位不眠值班的同事。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析