ChatGPT-wechat-bot

GitHub
4.7k 968 中等 1 次阅读 1周前MIT语言模型Agent
AI 解读 由 AI 自动生成,仅供参考

ChatGPT-wechat-bot 是一款开源项目,旨在将 ChatGPT 的强大对话能力无缝集成到微信中。它让用户无需离开微信界面,即可在私聊或群聊中与 AI 进行智能互动,轻松获取信息、创作内容或解决疑问。

该工具主要解决了用户无法直接在常用的社交软件微信中便捷使用 ChatGPT 的痛点。通过简单的配置,用户不仅能享受流畅的多轮上下文对话,还能通过特定关键词(如"reset")重置对话记忆,或在群聊中通过"@机器人”及自定义唤醒词触发回复,有效避免信息干扰。此外,它还支持配置反向代理,优化网络访问体验。

这款工具非常适合具有一定技术基础的开发者、编程爱好者以及希望探索 AI 应用场景的极客用户。虽然普通用户也能从中受益,但部署过程需要安装 Node.js 环境、获取 OpenAI API Key 并运行命令行指令,因此更适合愿意动手搭建个人自动化服务的群体。

其技术亮点在于基于 puppeteer 实现微信网页版的自动化控制,并提供了灵活的配置文件,允许用户自定义群聊与私聊的回复模式及唤醒机制。同时,项目文档详尽,甚至提供了 Docker 部署反向代理的方案,方便用户自建服务或与朋友共享,是一个功能实用且扩展性强的微信 AI 助手解决方案。

使用场景

某互联网公司的后端开发团队在日常工作中,需要频繁通过微信群同步技术难题、查询文档细节以及协调跨部门需求。

没有 ChatGPT-wechat-bot 时

  • 响应延迟严重:开发人员遇到报错需手动切换至浏览器打开 ChatGPT 网页版查询,打断编码心流,平均每次中断耗时 3-5 分钟。
  • 群聊协作低效:在技术讨论群中,成员提问后需等待有人空闲去查资料再复制粘贴回复,导致关键问题常被消息刷屏淹没。
  • 上下文记忆缺失:多轮对话时,开发者需反复复制之前的代码片段或错误日志重新发送给网页版 AI,操作繁琐且容易出错。
  • 夜间支持真空:非工作时间遇到紧急线上故障,无法即时获得智能辅助,只能电话摇人,增加了运维压力。

使用 ChatGPT-wechat-bot 后

  • 零切换即时响应:开发者直接在微信输入"@机器人 这段 Redis 缓存穿透代码怎么优化”,几秒内即可在聊天窗口获得完整解决方案,无需离开当前界面。
  • 群组智能互动:团队成员在群里@机器人并带上关键词(如"hello")即可唤醒 AI 参与讨论,机器人自动引用原问题回复,保持对话脉络清晰。
  • 原生上下文理解:依托工具的上下文支持功能,连续追问“那如果是 MySQL 呢?”或发送"reset"重置话题,机器人均能精准识别意图,无需重复背景信息。
  • 7x24 小时待命:配置好反向代理和 API Key 后,机器人全天候自动值守,深夜突发故障时也能第一时间提供排查思路,大幅缩短 MTTR(平均修复时间)。

ChatGPT-wechat-bot 将强大的 AI 能力无缝嵌入高频使用的微信生态,把原本割裂的“查询 - 复制 - 粘贴”流程转化为自然的对话交互,显著提升了技术团队的沟通效率与问题解决速度。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

不需要 GPU

内存

未说明

依赖
notes该项目基于 Node.js 开发,非 Python 项目。在 Linux 环境下运行需安装 Chromium 浏览器及相关系统依赖库(如 libasound2, libgtk-3-0 等)以支持 puppeteer 启动浏览器。需要配置 OpenAI API Key 及可选的反向代理地址。首次运行需通过微信扫码登录微信账号。
python不适用
Node.js >= 16.8
puppeteer
wechaty
ChatGPT-wechat-bot hero image

快速开始

ChatGPT-微信机器人🤖

版本 许可证: ISC

几步即可获得一个基于 ChatGPT 的微信机器人 🤖。 English | 中文文档

支持

  • 支持上下文语境的对话。
  • 支持重置上下文语境,通过关键词(reset)重置对话上下文语境。
  • 支持在群聊@你的机器人 🤖,@机器人即可收到回复。
  • 支持通过关键词唤醒你的机器人,如当在群组中发送“@机器人 hello xxxx”时才会收到回复。
  • 其他

合作

默认配置

{
  // 填入你的OPENAI_API_KEY
  OPENAI_API_KEY: "",
  // 反向代理地址,简单说就是你的在国外服务器地址,如何获取看README
  reverseProxyUrl: "",
  // 在群组中设置唤醒微信机器人的关键词
  groupKey: "",
  // 在私聊中设置唤醒微信机器人的关键词
  privateKey: "",
  // 重置上下文的关键词,如可设置为reset
  resetKey: "reset",
  // 是否在群聊中带上提问的问题
  groupReplyMode: true,
  // 是否在私聊中带上提问的问题
  privateReplyMode: false,
}

开始设置机器人 🤖

  1. 首先,需要按照以下步骤获你的 ChatGPT 的 OPENAI_API_KEY.

获取你的 OPENAI_API_KEY:

image.png image.png

  1. 把 OPENAI_API_KEY 填入目录src/config.ts下的 OPENAI_API_KEY

  2. 把 reverseProxyUrl 填入目录src/config.ts下的 reverseProxyUrl 中,如何设置可看下面介绍。

当然也可以选择白嫖山月老师的代理地址:https://ai.devtool.tech/proxy/v1/chat/completions,可以关注他的项目

  1. 然后在终端运行以下命令。如有需要,请在src/config.ts中配置其它配置变量。
  // 安装依赖
  npm i
  npm run dev

  // 也可以使用pnpm
  npm i -g pnpm
  pnpm i
  pnpm run dev
  1. 执行完之后,可以看到终端控制台输出一下信息,扫码登录即可. image.png

  2. 登录成功,用另外一个微信往你扫码登录的微信发消息,你将会收到来自 ChatGPT 的回复。 image.pngimage.png

设置反向代理地址

ChatGPT API 代理https://hub.docker.com/r/mirrors2/chatgpt-api-proxy

chatgpt api 代理,已验证 OpenCat,AssisChat,AMA(问天),chathub

可配置好 OPENAI_API_KEY 分享代理地址给他人用.

快速开始

docker run -d -p 80:80 --name chatgpt-api-proxy mirrors2/chatgpt-api-proxy

# 可选 -e OPENAI_API_KEY={nide_api_key}

docker 跑起来之后你的代理地址就生效了:

官方的:https://api.openai.com/v1/chat/completions

你的: 你的域名/v1/chat/completions 或者 你的服务器ip和端口/v1/chat/completions

QA

  1. 微信无法取消登录问题 可以直接删除WechatEveryDay.memory-card文件,重新跑程序

  2. 支持的 node 版本: Node.js >= 16.8

  3. 因为 ChatGPT 的长度限制,如果回复消息不完整,可以对它说"请继续" 或者 "请继续写完"。

image
  1. Error: Failed to launch the browser process puppeteer refer to https://github.com/puppeteer/puppeteer/blob/main/docs/troubleshooting.md#chrome-headless-doesnt-launch-on-unix
# ubuntu
sudo apt-get install chromium-browser
sudo apt-get install  ca-certificates fonts-liberation libasound2 libatk-bridge2.0-0 libatk1.0-0 libc6 libcairo2 libcups2 libdbus-1-3 libexpat1 libfontconfig1 libgbm1 libgcc1 libglib2.0-0 libgtk-3-0 libnspr4 libnss3 libpango-1.0-0 libpangocairo-1.0-0 libstdc++6 libx11-6 libx11-xcb1 libxcb1 libxcomposite1 libxcursor1 libxdamage1 libxext6 libxfixes3 libxi6 libxrandr2 libxrender1 libxss1 libxtst6 lsb-release wget xdg-utils

👏🏻 欢迎一起共建

欢迎贡献你的代码以及想法 🍵。

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|昨天
Agent图像开发框架