getting-started

GitHub
844 359 简单 1 次阅读 2周前Apache-2.0语言模型其他视频
AI 解读 由 AI 自动生成,仅供参考

getting-started 是专为 Wechaty 框架打造的开箱即用入门模板,旨在帮助开发者零门槛启动聊天机器人项目。Wechaty 本身是一款强大的对话式 RPA(机器人流程自动化)SDK,支持微信、企业微信、WhatsApp 等多种即时通讯平台,但初学者往往受困于复杂的环境配置。getting-started 完美解决了这一痛点,它预置了标准的项目结构,确保在 Linux、Mac 或 Windows 系统上无需额外调整即可直接运行。

该项目特别适合刚接触 Wechaty 的开发者使用。无论是希望在本地机器快速搭建,还是倾向于使用 Gitpod、Google Cloud Shell 等云端 IDE 进行免环境部署的初学者,都能通过它迅速上手。其核心功能直观清晰:当机器人收到"ding"消息时,会自动回复"dong",帮助用户立即验证消息收发流程是否正常。

技术层面,getting-started 基于 TypeScript 和 ES Modules 构建,兼容 Node.js v16 及以上版本,并支持 Web、Pad、Windows、Mac 等多种底层协议(Puppet)。作为进入 Wechaty 生态的第一站,它让开发者能跳过繁琐的配置环节,将精力专注于业务逻辑与人工智能功能的开发,是开启智能对话机器人创作之旅的理想起点。

使用场景

某初创团队希望快速构建一个跨平台(微信、企业微信、WhatsApp)的客服自动回复机器人,以处理用户常见的“在吗”类问候。

没有 getting-started 时

  • 环境配置繁琐:开发者需手动安装 Node.js、配置 TypeScript 及 ES Modules 环境,常因版本不兼容(如 v0.x 与 v1.x 混淆)导致项目无法启动。
  • 多端适配困难:若要同时支持微信和 WhatsApp,需分别查找并调试不同的 Puppet 插件,缺乏统一的接入标准。
  • 起步代码缺失:没有现成的“收到消息即回复”的最小可行示例,开发者需从零编写消息监听与发送逻辑,耗时耗力。
  • 部署门槛高:本地开发受限于操作系统(如 Windows 下缺少某些依赖),且缺乏云端一键运行方案,团队协作效率低。

使用 getting-started 后

  • 开箱即用:直接克隆项目即可在 Linux、Mac 或 Windows 上运行,内置正确的 Node.js v16+ 与 TypeScript 配置,彻底消除环境报错。
  • 统一多端接口:项目原生支持 Web、Pad、Windows 等多种 Puppet,只需切换配置参数即可无缝对接微信、企业微信及 WhatsApp。
  • 核心逻辑现成:内置经典的"Ding-Dong"示例代码,收到"ding"自动回复"dong",开发者可在此基础上直接扩展业务逻辑。
  • 云端极速开发:支持通过 Gitpod 或 Google Cloud Shell 一键启动云端开发环境,无需本地安装任何依赖,浏览器内即可完成调试与部署。

getting-started 将原本需要数天的环境搭建与基础架构工作缩短至几分钟,让开发者能立即专注于对话逻辑与业务创新。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes该项目基于 Node.js 而非 Python。2017 年后注册的微信账号无法使用 Web 协议登录,需改用 Pad 等其他协议并配置对应的 Token。支持通过环境变量 WECHATY_PUPPET 切换不同的协议实现(Puppet)。Windows 用户可能需要安装 windows-build-tools。
python未说明
Node.js >= 16
TypeScript
wechaty
wechaty-puppet-wechat
wechaty-puppet-service
wechaty-puppet-whatsapp
wechaty-puppet-padlocal
windows-build-tools (仅 Windows)
getting-started hero image

快速开始

Wechaty 入门 由 Wechaty 提供支持

Node.js CI Node.js v16 TypeScript ES Modules

关于 Wechaty

Wechaty 是一个面向聊天机器人开发者的对话式 RPA(机器人流程自动化)SDK(软件开发工具包)。它设计精良,API 简单易用。支持所有操作系统,包括 Linux、OSX、Win32 和 Docker,以及众多即时通讯平台,如微信、企业微信、WhatsApp、飞书、Gitter 等。

作为开发者,您可以使用 Wechaty 轻松构建自己的机器人,高效管理消息的收发、创建群聊并发送邀请、添加好友,并在用户与您的机器人之间巧妙地融入人工智能功能。

关于 Wechaty 入门项目

如果您是 Wechaty 的完全新手,那么这个项目将是您的最佳起点。您可以在几分钟内通过云端 IDE 运行它,也可以按照以下章节的说明在本地机器上进行设置。

如果您遇到困难或有任何疑问,欢迎在我们的 Discord 社区 https://discord.gg/7q8NBZbQzt 寻求帮助。

注意:当前 Wechaty 的活跃版本是 v1.x,它与大多数 v0.x 模块不兼容。

Wechaty 入门项目的特性

  1. 在 Linux、Mac 或 Windows 上开箱即用。
  2. 支持所有客户端,如 Web、Pad、Windows 和 Mac。
  3. 当收到 ding 消息时,会回复一条 dong 消息。

Wechaty 入门视频教程

以上是一个简短的演示,展示了如何使用微信、WhatsApp 和企业微信部署 ding-dong 机器人。

在云端 IDE 上运行 Wechaty 入门项目

开始使用 Wechaty 最快的方式是使用云端 IDE 来运行 Wechaty 入门项目。您可以选择 Gitpod 或 Google Cloud Shell。

如果您是完全的新手,我们推荐使用 Gitpod。

使用 Gitpod ❤️ Wechaty

Gitpod 是一个在线开源平台,用于提供自动化的、开箱即用的开发环境。您可以点击下方按钮,在 Gitpod 上访问 Wechaty 入门 ding-dong BOT 项目的完整配置。如果您之前从未使用过 Gitpod,您需要使用 GitHub 账号登录。

GitPod 开箱即用

您可以通过我们的博客了解更多关于 Gitpod ❤️ Wechaty 的信息:无需离开浏览器即可入门:Wechaty ❤️ Gitpod,@huan,2021 年 2 月 6 日

使用 Google Cloud Shell

Google Cloud Shell 是一个可通过浏览器随时随地访问的在线开发和运维环境。您可以通过点击下方按钮在 Google Cloud Shell 上运行该项目。

在 Cloud Shell 中打开

open-in-cloud-shell 生成

打开 Google Cloud Shell 编辑器后,右侧面板中应该会有一个打开的教程,您可以按照该教程进一步了解 Wechaty。

有关在 Google Cloud Shell 上运行该项目的更多信息,请参阅我们的博客:Wechaty 的 Google Cloud Shell 教程,@huan,2021 年 2 月 20 日

在本地机器上运行 Wechaty 入门项目

前提条件

要在您的本地机器上运行该项目,您需要:

  1. 已在您的机器上安装 Node.js v16 或更高版本。您可以在终端运行 node -v 命令来检查是否已安装 Node.js。如果已安装,您应该能在终端看到类似 v16.13.0 的版本号。您的版本可能与 v16.13.0 不同。如果未安装或版本低于 16,您需要按照以下链接安装最新版本:

    其他平台的 Node.js 可以在 https://nodejs.org/en/download/package-manager/ 找到。

  2. 如果您想使用 Web 以外的 RPA 协议,需要拥有 Wechaty Puppet Service TOKEN

步骤 1:克隆此仓库

您需要将此仓库克隆到本地机器上,然后通过以下命令切换到 wechaty-getting-started 目录。

git clone https://github.com/wechaty/getting-started.git
cd getting-started

步骤 2:安装依赖项

您需要通过以下命令安装依赖项。

npm install

步骤 3:运行机器人

在 Linux 中可以使用 export 设置环境变量,在 Windows 中则使用 set。如果在运行此命令时遇到错误,请查看第 4 步中的故障排除提示。

Linux
export WECHATY_LOG=verbose
export WECHATY_PUPPET=wechaty-puppet-wechat
npm start
# 上述命令等同于以下命令:
# npx ts-node examples/ding-dong-bot.ts
Windows
set WECHATY_LOG=verbose
set WECHATY_PUPPET=wechaty-puppet-wechat
npm start
# 上述命令等同于以下命令:
# npx ts-node examples/ding-dong-bot.ts

现在您已经准备好了!

步骤 4:故障排除

如果您在按照上述步骤操作时遇到问题,请尝试以下方法。您也可以在我们的 gitter 聊天室 中提问。

  1. 如果您使用的是 Windows,可能还需要 windows-build-tool

    npm install windows-build-tools
    

使用不同的木偶

在我们的入门示例中,当未设置 WECHATY_PUPPET 时,ding-dong BOT 会使用 wechaty-puppet-wechat4u,这主要是为了方便新手使用。

默认情况下,Wechaty 会使用 Puppet Service 来登录你的机器人。你也可以使用其他 Puppet Provider,比如 WhatsApp Web 协议(wechaty-puppet-whatsapp)。

如果你想使用 Wechaty Puppet Provider 的其他协议,就需要通过设置环境变量 WECHATY_PUPPET 来指定一个木偶服务提供商名称(与它的 NPM 名称相同)。

感谢社区的大力贡献,目前有许多 Wechaty 木偶可供 Wechaty 使用。它们帮助我们支持 Web、Pad、Mac 和 Windows 等多种协议。

Wechaty 木偶

协议 NPM
Puppet Service wechaty-puppet-service
Whatsapp Web wechaty-puppet-whatsapp
微信 Web wechaty-puppet-wechat
微信 Pad wechaty-puppet-padlocal

访问我们的官网了解更多关于 Wechaty Puppet 服务提供商 的信息。

例如,如果你想使用 padlocal 木偶,你应该在运行 npm start 之前设置 WECHATY_PUPPET=wechaty-puppet-padlocal。同时,你还需要为 wechaty-puppet-padlocal 准备一个 TOKEN,并将其设置到环境变量 WECHATY_PUPPET_PADLOCAL_TOKEN 中。你可以从 这里 申请 PadLocal TOKEN。下面的代码片段展示了上述内容在 Linux/macOS 和 Windows 上的具体操作。

在 Linux / macOS 上

export WECHATY_PUPPET=wechaty-puppet-padlocal
export WECHATY_PUPPET_PADLOCAL_TOKEN='puppet_padlocal_your-token-here'
npm start

在 Windows 上

set WECHATY_PUPPET=wechaty-puppet-padlocal
set WECHATY_PUPPET_PADLOCAL_TOKEN='puppet_padlocal_your-token-here'
npm start

更多关于在 Windows 上安装 Wechaty 的信息,请参阅这篇 博客文章

进阶教程

1. Wechaty 教程

以上是一个 10 分钟的视频教程。它使用的是 Wechaty 0.14 或更早版本,因此已经有些过时了。如果你是 Wechaty 的新手,这是一个不错的入门方式。

2. 更多示例

注意:在尝试更多示例之前,请确保你已经试用了本仓库中的 Wechaty 入门项目。

API 参考

  1. 官方 API 文档: https://wechaty.js.org/docs/api

更多资源

1. Docker Wechaty 入门

Docker

https://github.com/wechaty/docker-wechaty-getting-started

2. Heroku Wechaty 入门

Heroku

https://github.com/wechaty/heroku-wechaty-getting-started

3. Wechaty 主页

https://wechaty.github.io

常见问题解答

1. 我无法用我的微信账号登录

2017 年之后注册的微信账号将无法通过 Web API 登录。更多信息请参见 https://github.com/Chatie/wechaty/issues/872

解决方案:你可以使用 Wechaty 支持的其他协议,比如 pad。更多信息请参见 https://github.com/Chatie/wechaty/issues/1296

2. Wechaty 中的“木偶”是什么?

在 Wechaty 中,“木偶”(Puppet)是一个用于实现协议插件的抽象类。这些插件是帮助 Wechaty 控制微信的关键组件,这也是我们称之为“木偶”的原因。

插件通常命名为“PuppetXXX”,例如 PuppetWeChat 使用 Google Puppeteer 通过 Chrome 浏览器控制 微信 Web API,而 PuppetPadchat 则使用 WebSocket 协议连接到协议服务器来控制 iPad 版微信程序。更多详细信息可以参考 维基中的木偶章节

有关 Wechaty 木偶的更多信息,请参阅我们的文档 Wechaty 木偶

Wechaty 多语言入门

Python 版本的 Wechaty Go 版本的 Wechaty Java 版本的 Wechaty Scala 版本的 Wechaty PHP 版本的 Wechaty .NET(C#) 版本的 Wechaty

历史

main v1.18(2022年3月14日)

添加 CQRS Wechaty 示例。

v1.11(2021年10月30日)

分支:v1.11:发布 Wechaty v1.11。

  1. v0.13:启用 ESM(ES 模块)支持(chatie/tsconfig#16)。

v0.8(2021年2月20日)

在 Cloud Shell 中打开

使用 Google Cloud Shell 快速搭建!

v0.6(2021年2月11日)

GitPod Ready-to-Code

使用 Gitpod 快速搭建!

v0.0.1(2017年1月12日)

初始版本

贡献者

contributor contributor contributor contributor contributor contributor contributor contributor

维护者

@wechaty/contributors

版权与许可

  • 代码及文档 © 2018至今 Huan 和 Wechaty 贡献者
  • 代码采用 Apache-2.0 许可证发布
  • 文档采用知识共享许可协议发布

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

156.8k|★★☆☆☆|今天
开发框架Agent语言模型

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

90.1k|★★★☆☆|1周前
语言模型图像Agent

Deep-Live-Cam

Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。

88.9k|★★★☆☆|1周前
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|★★☆☆☆|1周前
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。

85.1k|★★☆☆☆|5天前
图像数据工具视频

funNLP

funNLP 是一个专为中文自然语言处理(NLP)打造的超级资源库,被誉为"NLP 民工的乐园”。它并非单一的软件工具,而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。 面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点,funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具,还独特地收录了丰富的垂直领域资源,如法律、医疗、金融行业的专用词库与数据集,甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性,从基础的字典词典到前沿的 BERT、GPT-2 模型代码,再到高质量的标注数据和竞赛方案,应有尽有。 无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师,还是从事人工智能研究的学者,都能在这里找到急需的“武器弹药”。对于开发者而言,它能大幅减少寻找数据和复现模型的时间;对于研究者,它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神,极大地降低了中文自然语言处理的开发与研究成本,是中文 AI 社区不可或缺的宝藏仓库。

79.9k|★☆☆☆☆|1周前
语言模型数据工具其他