sulla
sulla是一款基于JavaScript的WhatsApp自动化工具,通过封装高阶API让开发者能轻松实现消息自动回复和数据交互。它利用puppeteer库操控无头浏览器模拟网页版WhatsApp操作,无需复杂配置即可完成聊天机器人开发。该工具特别适合需要快速搭建WhatsApp自动化场景的开发者,比如客服系统或信息推送应用。sulla的亮点在于通过Session记忆功能避免重复扫码,支持多实例并发运行。不过需要注意的是,当前项目维护较为有限,建议关注其生态中更活跃的衍生项目如venom或wppconnect作为替代方案。
使用场景
一家月销50万的电商公司,客服团队每天需手动处理200+条WhatsApp咨询,主要涉及订单查询、退货政策等重复性问题,导致响应延迟和员工疲劳。
没有 sulla 时
- 人工回复耗时:客服人员平均30秒/条输入回复,每日耗时超10小时,高峰期甚至需加班
- 会话管理混乱:每次重启服务需重新扫描QR码,新员工入职需2小时配置,且易因登录失败中断服务
- 高峰期响应崩溃:促销活动时消息量激增200%,平均响应时间从5分钟延长至30分钟,客户流失率上升15%
- 无对话记录追溯:消息回复后无存档,客户重复提问时需重新解释,客服重复工作量增加40%
- 人工错误频发:约8%的回复包含错误链接或过期政策,引发客户投诉
使用 sulla 后
- 自动化常见问题:对"订单状态""退货流程"等关键词自动发送预设回复,响应时间压缩至1秒内
- 会话持久化免登录:sulla自动保存登录状态,新员工接入仅需10分钟配置,无需反复扫描QR码
- 高并发稳定处理:支持同时管理5个会话,促销期间响应时间稳定在2分钟内,客户满意度提升25%
- 对话自动存档:所有消息实时存入数据库,客服可快速调取历史记录,减少重复解释
- 100%回复精准:预设内容确保政策信息准确无误,错误率归零,投诉量下降30%
sulla将客服团队从机械重复劳动中解放,让自动化处理成为电商高效服务的核心引擎。
运行环境要求
- 未说明
未说明
未说明

快速开始
Sulla
Sulla 是一个 JavaScript 库,提供对 WhatsApp 的高级 API 控制,可以轻松配置以自动化回复或处理通过 WhatsApp 传输的任何数据。
它基于 Puppeteer 构建。
Sulla 当前状态
截至 2.3.5 版本,Sulla 已经具备非常丰富且稳定的功能和架构。
尽管我非常希望继续维护这个项目,但我目前无法投入大量时间。因此,建议您查看 Sulla 的分支版本,这些版本由其他开发者维护,能够获得更好的支持。
推荐的活跃维护的基于 Sulla 的项目:
安装
> npm i sulla --save
快速入门
// 支持 ES6
// import { create, Whatsapp } from 'sulla';
const sulla = require('sulla');
sulla.create().then((client) => start(client));
function start(client) {
client.onMessage((message) => {
if (message.body === 'Hi') {
client.sendText(message.from, '👋 Hello from sulla!');
}
});
}
执行 create() 函数后,Sulla 将创建一个 WhatsApp Web 实例。如果您尚未登录,终端会显示一个二维码。使用手机扫描该二维码即可开始使用!
Sulla 会记住会话,因此无需每次都重新验证。
您可以通过向 create() 函数传递会话名称来同时创建多个会话:
// 初始化销售 WhatsApp 机器人
sulla.create('sales').then((salesClient) => {...});
// 初始化客服 WhatsApp 机器人
sulla.create('support').then((supportClient) => {...});
可选的 create 参数
Sulla 的 create() 方法第三个参数可以包含以下可选配置:
create('sessionName', qrCallback, {
headless: true, // 无头模式
devtools: false, // 默认不打开开发者工具
useChrome: true, // 如果为 false,则使用 Chromium 实例
debug: false, // 是否开启调试模式
logQR: true // 自动在终端中记录二维码
browserArgs: [''] // 要添加到 Chrome 浏览器实例中的参数
refreshQR: 15000, // 每 15 秒刷新一次二维码,0 表示只加载一次,默认为 30 秒
});
类型定义可以在以下文件中找到:CreateConfig.ts
导出二维码
默认情况下,二维码会显示在终端中。如果您需要将二维码传递到其他地方,可以这样做:
const fs = require('fs');
// create() 的第二个参数是二维码回调函数
sulla.create('session-marketing', (base64Qr, asciiQR) => {
// 在终端中记录二维码
console.log(asciiQR);
// 将其写入文件
exportQR(base64Qr, 'marketing-qr.png');
});
// 将二维码写入指定路径
function exportQR(qrCode, path) {
qrCode = qrCode.replace('data:image/png;base64,', '');
const imageBuffer = Buffer.from(qrCode, 'base64');
// 创建 'marketing-qr.png' 文件
fs.writeFileSync(path, imageBuffer);
}
下载文件
Puppeteer 负责处理文件下载。解密过程尽可能快速(比原生方法更快)。支持大文件!
import fs = require('fs');
import mime = require('mime-types');
client.onMessage(async (message) => {
if (message.isMedia) {
const buffer = await client.downloadFile(message);
// 此时您可以对缓冲区执行任何操作
// 最常见的是将其写入文件
const fileName = `some-file-name.${mime.extension(message.mimetype)}`;
fs.writeFile(fileName, buffer, function (err) {
...
});
}
});
基本功能(用法)
并非所有可用功能都列在此处,如需更多信息,请参阅 这里 和 这里 中的所有可用函数。
聊天
在这里,chatId 可以是 <phoneNumber>@c.us 或 <phoneNumber>-<groupId>@c.us
// 发送基础文本
await client.sendText(chatId, '👋 Sulla 发来的问候!');
// 发送图片
await client.sendImage(
chatId,
'path/to/img.jpg',
'image-name.jpg',
'图片说明文字'
);
// 发送带 @ 标记的消息
await client.sendMentioned(chatId, '你好 @5218113130740 和 @5218243160777!', [
'5218113130740',
'5218243160777',
]);
// 回复消息
await client.reply(chatId, '这是一条回复!', message.id.toString());
// 发送文件(Sulla 会自动处理 MIME 类型,只需提供文件路径)
await client.sendFile(chatId, 'path/to/file.pdf', 'cv.pdf', '简历');
// 发送 GIF 动图
await client.sendVideoAsGif(
chatId,
'path/to/video.mp4',
'video.gif',
'GIF 图片文件'
);
// 发送联系人
// contactId: 52155334634@c.us
await client.sendContact(chatId, contactId);
// 转发消息
await client.forwardMessages(chatId, [message.id.toString()], true);
// 发送贴纸
await client.sendImageAsSticker(chatId, 'path/to/image.jpg');
// 发送位置信息
await client.sendLocation(
chatId,
25.6801987,
-100.4060626,
'华盛顿特区某地址',
'副标题'
);
// 标记消息已读 ✔️✔️
await client.sendSeen(chatId);
// 开始输入...
await client.startTyping(chatId);
// 停止输入
await client.stopTyping(chatId);
// 设置聊天状态(0:正在输入,1:录制中,2:暂停)
await client.setChatState(chatId, 0 | 1 | 2);
数据获取
// 获取联系人列表
const contacts = await client.getAllContacts();
// 获取聊天中的所有消息
const allMessages = await client.loadAndGetAllMessagesInChat(chatId);
// 获取联系人状态
const status = await client.getStatus(contactId);
// 获取用户个人资料
const user = await client.getNumberProfile(contactId);
// 获取所有未读消息
const messages = await client.getAllUnreadMessages();
// 获取所有聊天
const chats = await client.getAllChats();
// 获取所有群组
const groups = await client.getAllGroups();
// 获取个人资料图片(作为 URL)
const url = await client.getProfilePicFromServer(chatId);
// 获取聊天/对话详情
const chat = await client.getChat(chatId);
群组功能
// groupId 或 chatId:leaveGroup 52123123-323235@g.us
// 退出群组
await client.leaveGroup(groupId);
// 获取群组成员
await client.getGroupMembers(groupId);
// 获取群组成员 ID
await client.getGroupMembersIds(groupId);
// 生成群组邀请链接
await client.getGroupInviteLink(groupId);
// 创建群组(名称、要添加的参与者)
await client.createGroup('群组名称', ['123123@c.us', '45456456@c.us']);
// 移除成员
await client.removeParticipant(groupId, '123123@c.us');
// 添加成员
await client.addParticipant(groupId, '123123@c.us');
// 提升成员权限(授予管理员权限)
await client.promoteParticipant(groupId, '123123@c.us');
// 降低成员权限(撤销管理员权限)
await client.demoteParticipant(groupId, '123123@c.us');
// 获取群组管理员
await client.getGroupAdmins(groupId);
个人资料功能
// 设置客户端状态
await client.setProfileStatus('度假中!✈️');
// 设置客户端昵称
await client.setProfileName('Sulla 机器人');
设备功能
// 获取设备信息
await client.getHostDevice();
// 获取连接状态
await client.getConnectionState();
// 获取电池电量
await client.getBatteryLevel();
// 检查是否已连接
await client.isConnected();
// 获取 WhatsApp Web 版本
await client.getWAVersion();
事件监听
// 监听消息
client.onMessage(message => {
...
})
// 监听状态变化
client.onStateChange(state => {
...
});
// 监听消息确认
client.onAck(ack => {
...
});
// 监听实时位置
// chatId:'phone@c.us'
client.onLiveLocation(chatId, (liveLocation) => {
...
});
// chatId 的格式为:'5518156745634-1516512045@g.us'
// 事件接口请参见:https://github.com/danielcardeenas/sulla/blob/master/src/api/model/participant-event.ts
client.onParticipantsChanged(chatId, (event) => {
...
});
// 监听客户端被加入群组的事件
client.onAddedToGroup(chatEvent => {
...
});
其他功能
// 删除聊天
await client.deleteChat(chatId);
// 清空聊天记录
await client.clearChat(chatId);
// 删除单条消息(最后一个参数表示仅在本地删除)
await client.deleteMessage(chatId, message.id.toString(), false);
// 获取号码个人资料 / 检查联系人是否为有效的 WhatsApp 号码
const profile = await client.getNumberProfile('0000000@c.us');
杂项
有一些技巧可以帮助更好地使用 Sulla。
保持会话活跃:
// 如果从 WhatsApp Web 登出
// 强制保持当前会话
// 状态变化
client.onStateChange((state) => {
console.log(state);
const conflits = [
sulla.SocketState.CONFLICT,
sulla.SocketState.UNPAIRED,
sulla.SocketState.UNLAUNCHED,
];
if (conflits.includes(state)) {
client.useHere();
}
});
向新联系人发送消息(未添加)
另请参阅 WhatsApp 链接。请注意,这可能会导致 WhatsApp 封禁账号,因此务必保持联系人列表的更新!
await client.sendMessageToId('5212234234@c.us', 'Sulla 发来的问候!👋');
多个会话
如果需要同时运行多个会话,只需在 create() 方法中传入会话名称即可。
async () => {
const marketingClient = await sulla.create('marketing');
const salesClient = await sulla.create('sales');
const supportClient = await sulla.create('support');
};
正确关闭(保存)会话
正确关闭会话以确保下次登录时会话能够被保存(这样就不需要再次扫描二维码)。因此,不要直接按 CTRL+C,
// 捕获 CTRL+C
process.on('SIGINT', function() {
client.close();
});
// 使用 try-catch 关闭
try {
...
} catch (error) {
client.close();
}
调试
开发
构建 Sulla 非常简单,尽管它内部包含三个主要项目:
- Wapi 项目
> npm run build:wapi
- 中间件
> npm run build:build:middleware
> npm run build:jsQR
- Sulla
> npm run build:sulla
要构建整个项目,只需运行:
> npm run build
维护者
我们需要更多的维护者,我一个人无法跟上所有的更新。如果您感兴趣,请提交一个 Pull Request。
贡献
欢迎提交 Pull Request。对于重大更改,请先打开一个议题讨论您想要进行的修改。
版本历史
2.4.02021/02/172.3.102020/04/102.3.52020/04/072.1.02020/04/041.1.32020/01/24v1.1.12019/06/10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。
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
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。
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。