一条命令让 AI 接管微信值班：wechat-bot 新手完整上手指南-二趣网

一条命令让 AI 接管微信值班：wechat-bot 新手完整上手指南

【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-bot

五百人的工作群，重要通知三分钟就被刷没。你人在外面跑业务，群里有人 @你问部署文档在哪，等你看到时对方早忘了。用 wechat-bot 把微信扫码接上电脑，白名单里的消息交给大模型自动回复，每条文本同时落盘存档，随时按关键词检索。

认识 wechat-bot：一个跑在本机的微信 AI 机器人

一句话定位：基于 Wechaty 的微信/IM 机器人，扫码上线，让 AI 替你应答消息、分析群聊，适合运维、产品和所有想让 AI 当"大脑"、微信当通道的用户。

能力	一句话说明
扫码上线	终端打印二维码，手机扫码即登录，不需要额外服务器
精准应答	只有白名单群被 @、白名单好友私聊才触发回复，不逢消息必答
消息留痕	每条文本追加写入本地`messages.jsonl`，群名、关键词、时间都能查
群聊分析	一条命令统计消息量、发言排行，可选 AI 深度总结
模型随换	`--serve`一个参数在 deepseek、ollama、claude、Kimi 等十余种服务间切换
本地数据读取	`wb wx`透传 wx-cli，读本机微信会话、联系人、群成员、朋友圈缓存

快速上手：装、配、跑

① 安装：克隆仓库并装好依赖

先确认node -v不低于 v18（低了会直接运行报错），然后拉代码装依赖：

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

成功的标志是node_modules装完没有红色报错。卡住了：多半是 puppeteer 拉浏览器失败，设PUPPETEER_SKIP_DOWNLOAD='true'后重装；npm 慢就先切国内镜像源。

② 配置：只填必填项

复制示例配置，再填四个必须项：

cp .env.example .env

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' DEEPSEEK_API_KEY='你的key'

成功的标志是.env里这几项没有留空。两处最容易填错：BOT_NAME必须保留@前缀，群名必须和微信顶栏一字不差，建议原样复制。用本地 Ollama 的话，改填OLLAMA_URL和OLLAMA_MODEL即可，不用花 API 钱。

③ 运行：启动并扫码验证

npm link wb start --serve deepseek

没执行npm link的话，用npm run start -- start --serve deepseek效果一样。成功的标志是终端打印出二维码，扫码后日志出现has logged in和Automatic robot chat mode has been activated。再做一个自检：在白名单群里 @它说一句，群里出现 AI 回复、同时.data/wechat/messages.jsonl有新增，链路就跑通了。

实战场景：机器人能替你做这几件事

群里值班，只在被 @ 时开口。把群名加进ROOM_WHITELIST，@机器人问一句，答完结果发回群里。输入@bot 部署文档在哪，输出就是一段 AI 整理的回复消息；它不会插话刷群，像多了一个不眠的值班同事。

给群做个体检，终端一条命令出报告。纯本地统计，不花任何 token：

wb analyze --room "群名" --stats-only

输出包括消息总数、文本消息数、平均长度和"高频发言"成员排行。在群里直接发/统计群群名也能触发同一套逻辑。

写周报前，把聊天记录捞出来。存档检索支持按关键词、群名、起止时间过滤，analyze 内部读的就是这份messages.jsonl：

wb analyze --room "群名" --query "需求" --start 2026-10-06

某群近一周谁提了什么需求，捞出来整理进周报，不用翻聊天窗口。想要更深的结论，把--stats-only换成--serve pi，让模型读最近的消息样本做总结。

幕后逻辑：一条消息进来后走了四步

收消息：Wechaty 扫码登录微信，解析出发送人、群名、文本内容
先存档：每条文本追加写入.data/wechat/messages.jsonl，哪怕不触发回复也会落盘
判触发：私聊好友在ALIAS_WHITELIST，或群名在ROOM_WHITELIST且消息 @了BOT_NAME，才进入回复链路；/统计、/分析等命令在这一步被路由
AI 回话：请求--serve指定的模型服务，把回复发回群或私聊

环节	对应源码文件
收消息	src/platforms/wechat/bot.js
存档	src/platforms/wechat/messageStore.js
判触发 + AI 回话	src/wechaty/sendMessage.js、src/wechaty/serve.js

最关键的的一处设计在第 2 步：存档发生在触发判断之前。所以机器人没回复的群也有数据可查，检索和群统计全靠它。

排障：四个最常见的问题

群里 @了机器人始终没反应→ 白名单没对上：BOT_NAME丢了@，或群名有一字之差 → 从微信顶栏复制真实群名原样替换，并确认 @ 的是机器人账号本身。
npm i 中途失败→ puppeteer 浏览器依赖拉不下来，或 node 低于 v18 → 设PUPPETEER_SKIP_DOWNLOAD='true'重装，node 升级到 LTS。
微信弹出外挂警告→ 默认免费 web 协议风控严格 → 只在测试号上用、白名单尽量小；正式使用先读 README 里的协议切换说明，别急着买长期协议。
日志没报错但 AI 就是不回→ API Key 没填、欠费，或把讯飞几个相似的 key 填反了 → 先单独跑node src/deepseek/__test__.js之类的测试脚本，验证通了再启动机器人。

想先熟悉自家群的数据，直接跑一次wb analyze --room "你的群名" --stats-only；想把 Pi 当"大脑"而不是模型 API，照着 docs/pi-im-agent.md 配置即可。

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