wechat-gptbot
wechat-gptbot 是一个基于 ChatGPT 的微信机器人,旨在提供稳定、安全的聊天体验。它通过 Windows Hook 技术实现,避免了传统微信机器人登录时可能遇到的账号限制风险,让用户可以更安心地使用。
这个工具支持基本的私聊和群聊回复,能够记忆多轮对话上下文,并兼容多种大模型,如 GPT-3、GPT-3.5、GPT-4、Claude 等。此外,还支持图像生成(目前仅限于 DALL-E 模型)以及灵活的配置选项,比如提示词设置、代理配置等。其插件系统也是一大亮点,用户可以根据需要扩展功能,例如已有 TikTok 插件可供尝试。
适合有一定技术背景的用户,如开发者或研究人员,用于构建个性化微信聊天机器人。普通用户若希望在微信中实现智能回复或自动化操作,也可以通过简单配置来使用。整体来说,wechat-gptbot 提供了一个安全、易用且可扩展的微信机器人解决方案。
使用场景
某科技公司的客服团队每天需要处理大量客户咨询,包括常见问题解答、订单状态查询和产品使用指导等。他们希望借助 AI 工具提高响应效率,同时避免因使用第三方工具导致微信账号被封禁的风险。
没有 wechat-gptbot 时
- 使用基于 itchat 或 wechaty 的机器人时,频繁扫码登录容易触发微信风控机制,导致账号被限制或封禁。
- 回复客户消息时需手动操作,无法实现自动化回复,效率低下。
- 不支持多轮对话上下文记忆,导致回复内容缺乏连贯性,影响用户体验。
- 缺乏插件扩展能力,无法快速集成新功能,如订单查询接口或图像生成服务。
- 需要自行搭建复杂的后端系统,配置繁琐且维护成本高。
使用 wechat-gptbot 后
- 基于 Windows Hook 实现的稳定登录方式,避免了扫码登录带来的账号风险,保障了微信账号安全。
- 支持自动回复私聊和群聊消息,并能记忆多轮会话上下文,使回复更加自然流畅。
- 可灵活配置模型参数(如温度值、最大 token 数)和角色描述,提升回复准确性和个性化程度。
- 提供插件系统,可轻松集成 TikTok 等外部功能,满足多样化业务需求。
- 安装和配置简单,开箱即用,降低了开发和运维难度。
通过 wechat-gptbot,客服团队实现了高效、安全的微信自动化回复,显著提升了工作效率与客户满意度。
运行环境要求
- Windows
未说明
未说明

快速开始
欢迎使用 wechat-gptbot 👋
一款基于 ChatGPT 的微信机器人,无风险、超稳定!🚀
英文 | 中文文档
🎤 简介
当我使用基于
itchat和wechaty的机器人时,经常遇到扫码登录后账号被封禁的风险。详见 #158。有没有一种安全的微信机器人使用方式呢?答案就在这里~
🌟 功能
- 极其稳定: 基于 Windows 钩子实现,无需担心微信账号被封禁的风险
- 基础对话: 支持私聊与群聊的智能回复,具备多轮会话上下文记忆功能,支持 GPT-3、GPT-3.5、GPT-4、Claude-2、Claude Instant-1、Command Nightly、Palm 等模型,以及 litellm 中的其他模型
- 图像生成: 支持图像生成,目前仅支持 Dall-E 模型
- 灵活配置: 支持提示词设置、代理、命令设置等
- 插件系统: 支持个性化插件扩展,您可以轻松集成所需功能
📝 更新日志
2023.07.13: 引入
插件系统,让 gptbot 更具可能性且易于扩展 #46。这里第一个有趣的插件是:tiktok,快去试试吧,玩得开心!同时请参考 docs 了解使用方法及如何贡献~
🚀 快速入门
环境
支持 Windows 系统(未来可能基于 sandbox 支持 Linux),同时需安装 Python
建议 Python 版本为 3.13 或更高
1. 克隆仓库
git clone https://github.com/iuiaoin/wechat-gptbot && cd wechat-gptbot
2. 安装依赖
pip install -r requirements.txt
配置
根目录下的 config.template.json 包含配置模板,您需要复制该模板以生成最终生效的 config.json
cp config.template.json config.json
然后在 config.json 中填写配置,以下是默认配置的说明,可根据需求自定义:
{
"openai_api_key": "YOUR API SECRET KEY", # 填写您的 OpenAI API 密钥
"model": "gpt-3.5-turbo", # 使用的模型 ID,支持 gpt-3.5-turbo、gpt-4、gpt-4-32k 等
"use_azure_chatgpt": false, # 是否使用 Azure OpenAI API
"azure_deployment_id": "", # Azure 模型部署名称
"role_desc": "You are a helpful assistant.", # 作为系统提示的角色描述
"session_expired_duration": 3600, # 会话记忆保持时长
"max_tokens": 1000, # 会话记忆的最大字符数
"temperature": 0.9, # 取值范围为 0 到 2,数值越高输出越随机,越低则越专注
"proxy": "127.0.0.1:3000", # 代理客户端 IP 和端口
"openai_api_base": "", # OpenAI 服务使用的 API 地址
"create_image_size": "256x256", # Dall-E 图像尺寸,支持 256x256、512x512、1024x1024
"create_image_prefix": ["draw", "paint", "imagine"], # 图像生成的文本前缀
"clear_current_session_command": "#clear session", # 清除当前会话
"clear_all_sessions_command": "#clear all sessions", # 清除所有会话
"chat_group_session_independent": false, # 群聊中用户会话是否独立
"single_chat_prefix": ["bot", "@bot"], # 在单聊中以“bot”或“@bot”开头触发机器人,若希望机器人始终活跃可留空
"group_chat_reply_prefix": "", # 群聊中的回复前缀
"group_chat_reply_suffix": "", # 群聊中的回复后缀
"single_chat_reply_prefix": "", # 单聊中的回复前缀
"single_chat_reply_suffix": "", # 单聊中的回复后缀
"query_key_command": "#query key" # 查询 API 密钥使用情况
"recent_days": 5 # 近几天的使用情况
"plugins": [{ "name": <插件名称>, 其他配置 }]# 添加您喜欢的插件
}
运行
1. 准备工作
我们需要特定版本的微信及其 DLL 才能让 Windows 钩子正常工作。
- 从 release 下载相关资源
- 安装 WeChatSetup-3.2.1.121.exe 并登录
- 运行 wechat-dll-injectorV1.0.3.exe
- 选择 3.2.1.121-LTS.dll 并点击“注入 DLL”,您将看到“成功注入:3.2.1.121-LTS.dll”
2. 运行命令
python app.py
好了!祝您探索愉快~
✨ 慷慨支持者
非常感谢您的支持,这将是我的最大动力!
🤝 贡献
欢迎提交贡献、问题和功能请求!
请随时查看 issues 页面。
🙏 表示支持
如果您喜欢这个项目,请给个 ⭐️ 吧!
📢 公告
WeChatSetup 来自 wechat-windows-versions ,wechat-dll-injector 来自 wechat-bot ,因此您可以放心使用。同时也要感谢这两个仓库的作者们的贡献。
💖 赞助
成为 AFDIAN 的赞助商。您的名字将被特别列在“慷慨支持者”名单中~
版本历史
v1.5.12023/07/20v1.5.02023/07/14v1.2.02023/06/12v1.1.02023/06/10v1.0.02023/06/05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
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。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。