whatsapp-chatgpt
whatsapp-chatgpt 是一款将 OpenAI 的强大能力引入日常通讯的开源项目，它巧妙地把 ChatGPT 的智能对话、DALL-E 2 的图像生成以及语音识别功能整合到了 WhatsApp 中。通过它，用户无需切换应用，直接在熟悉的聊天界面就能与 AI 助手互动：不仅可以文字闲聊、获取信息或创作图片，还能发送语音消息，机器人会自动将其转录为文字并给出智能回复，极大提升了沟通效率。
该项目主要解决了用户希望在移动端即时通讯软件中无缝接入先进 AI 服务的需求，打破了传统网页端或独立 APP 的使用壁垒。其技术亮点在于利用 Puppeteer 运行真实的 WhatsApp Web 实例来规避封锁风险，并集成了专门的语音处理 API 实现流畅的语音交互。
不过需要注意的是，由于该项目目前处于寻找维护者的状态，且依赖非官方接口运行，存在一定的账号安全风险，同时会产生 OpenAI 的 API 调用费用。因此，它最适合具备一定技术基础的开发者或极客用户进行部署实验和二次开发，用于探索 AI 在即时通讯场景的应用潜力；普通用户若尝试使用，需仔细阅读文档并自行承担相关风险与成本。
使用场景
一位经常在外奔波的跨境电商卖家，需要随时处理海外客户的咨询并快速生成产品营销素材。
没有 whatsapp-chatgpt 时
- 面对客户发来的长段语音消息，必须手动收听并逐字记录，耗时且容易遗漏关键信息。
- 遇到复杂的英文售后问题，需切换设备打开网页版 ChatGPT 复制粘贴，打断沟通节奏，响应延迟严重。
- 想要临时为新品生成宣传图片时，无法在手机上直接操作 DALL-E，只能等到回到电脑前再处理，错失营销良机。
- 多任务并行时，频繁在不同应用间切换导致注意力分散，极易出现回复错误或格式混乱。
使用 whatsapp-chatgpt 后
- 直接转发客户语音给机器人，它自动转录文字并理解意图，瞬间输出精准的回答建议，效率提升数倍。
- 在 WhatsApp 对话框内直接输入指令，即可调用 GPT 撰写得体的英文回复或总结长篇大论，沟通流畅无阻。
- 只需发送"/image 描述词”，机器人立刻调用 DALL-E 生成产品概念图并回传，随时随地完成创意可视化。
- 所有 AI 能力集成在常用的聊天界面中，无需切换应用，让卖家能专注于业务决策而非工具操作。
whatsapp-chatgpt 将强大的 AI 助手无缝嵌入日常通讯流，让移动办公变得像聊天一样简单高效。
运行环境要求
- 未说明
不需要 GPU
未说明
快速开始
GPT + DALL-E + WhatsApp = AI 助手 🚀
该项目目前无人维护，诚邀维护者加入！
这款 WhatsApp 机器人利用 OpenAI 的 GPT 和 DALL-E 2 来响应用户输入。
你可以通过语音消息与机器人交流，它会将语音转录为文本并作出回复。:robot:
需求
- Node.js（18 或更高版本）
- 最新版本的 npm
- 一个 OpenAI API 密钥
- 一个 WhatsApp 账号
文档
在文档中，你可以找到关于如何安装、配置和使用此机器人的更多信息。
➡️ https://askrella.github.io/whatsapp-chatgpt
免责声明
该机器人执行的操作并非免费。每次请求都会由 OpenAI 收费。
此机器人使用 Puppeteer 运行真实的 WhatsApp Web 实例，以避免被封禁。
注意：尽管这种方法确实有效，但我们无法保证你不会被封禁。WhatsApp 不允许在其平台上使用机器人或非官方客户端，因此这并不完全安全。
贡献者
使用的库
常见问题
相似工具推荐
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
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备
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。
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。
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。
PaddleOCR
PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。 面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。