chatgpt-wechat
chatgpt-wechat 是一款开源免费的智能助手工具，旨在让用户在企业微信和微信环境中安全、便捷地使用大语言模型（LLM）服务。它巧妙解决了个人直接在微信使用 AI 助手可能面临的封号风险，通过企业微信作为中转通道，实现了合规且稳定的消息交互。
这款工具非常适合希望将 AI 能力融入日常沟通的普通用户，以及需要搭建自动化客服系统的中小企业开发者。它不仅支持 ChatGPT、Azure OpenAI 及 Google Gemini 等多种主流模型，还具备强大的扩展性：内置上百种角色预设模板，支持连续对话与上下文自动管理；集成语音识别、图片生成（Stable Diffusion/OpenAI）及联网搜索等插件功能；更独有私有化向量知识库（Milvus）支持，可基于专属数据提供精准回答。
此外，chatgpt-wechat 提供了完善的 Web 管理后台和多渠道客服接入方案，支持流式极速响应。无论是想体验个性化 AI 聊天的个人，还是寻求低成本构建智能客服的技术团队，都能通过它轻松部署，享受安全可靠的 AI 服务。
使用场景
某电商初创团队希望在不开发独立 App 的前提下，利用微信生态为数千名用户提供 7x24 小时智能客服与产品咨询，同时确保内部私有产品文档的安全调用。
没有 chatgpt-wechat 时
- 封号风险高：直接通过个人微信号接入第三方 API 极易触发微信风控，导致账号被封禁，业务中断。
- 上下文记忆差：用户需反复重复订单信息或前文需求，机器人无法进行连续多轮对话，体验割裂。
- 知识更新滞后：新产品手册和售后政策只能人工复制粘贴回答，无法实时检索内部私有知识库。
- 功能单一僵化：仅能回复文本，不支持语音交互、图片识别或联网搜索最新物流与竞品信息。
- 部署维护复杂：缺乏统一的管理后台，难以在不同对话场景（如售前/售后）间灵活切换角色设定。
使用 chatgpt-wechat 后
- 安全稳定运行：基于企业微信中转协议，完美规避封号风险，实现微信端安全、稳定的 LLM 服务接入。
- 智能连续对话：自适应上下文机制让机器人拥有“短期记忆”，能理解长对话逻辑，无需用户重复背景。
- 私有知识赋能：集成 Milvus 向量数据库，机器人可精准检索内部产品文档，提供专业且实时的解答。
- 多模态交互升级：支持多国语音输入、图片答题及联网搜索插件，大幅提升用户咨询的便捷度与准确率。
- 场景灵活切换：内置上百种 Prompt 模板，管理员可一键在“销售顾问”与“技术支持”角色间无缝切换。
chatgpt-wechat 将复杂的 LLM 能力无缝嵌入微信生态，以零封号风险实现了低成本、高智能的企业级客服自动化。
运行环境要求
- 未说明 (基于 Docker 部署，理论上支持所有运行 Docker 的系统)
- 非必需
- 若启用 Stable Diffusion 绘图功能则建议配备 NVIDIA GPU
- 仅使用文本对话功能无需 GPU
未说明 (运行基础服务及 Redis/PostgreSQL/Milvus 组件，建议至少 2GB+)
快速开始
chatgpt-wechat
可在微信 安全使用（通过企业微信中转到微信，无封号风险） 的 ChatGPT 个人助手应用,
本项目开源免费，不开知识星球，没有付费环节，除了最后给我自己的公众号【积木成楼】打了广告， 未在 GitHub 以外的地方进行引流操作。请谨记，要求你付费的都是骗子！
升级指引(v1.0.0 目前还处开发期,稳定版本使用 v0.6.6)
- 原始功能基本不受影响，但数据库切换到
pgsql方便 向量化查询 - 支持了 Google 的 Gemini-pro 每个 token 60/m 的调用还是很香
- 支持了 web bot 设置，同时支持将 bot 发布到客服
- web 项目地址 https://github.com/whyiyhw/agent-web 前端苦手，全靠 GPT4 配合写的页面
- 支持了最新的企业微信客服协议
- 企业微信api支持自定义域名
- 项目小助手，有问题可以先问它哦 ➡️➡️➡️
主要能力（点击查看详情）
- 微信可用：基于企业微信中转，可在微信中安全使用
- 客服消息：支持多渠道客服消息接入
- 代理支持：
http/sock5代理 && 反向域名代理支持, 除了openai也兼容了azure-openai - 会话：
- 场景模式：支持动态修改
prompt，预定义了上百种prompt角色模板 - 连续对话：自适应的上下文设计，让 LLM 🧠拥有更长时间的短期记忆，避免手动清理上下文
- 会话切换：多会话支持，可切换聊天场景,不丢失对话内容,可导出会话
- 极速响应：支持基于流式接口的分段消息响应
- 场景模式：支持动态修改
- 消息：
- 语音消息：支持多国语音消息，以及多语言文本输入
- 图片消息：支持图片消息（答题场景）
- 绘画：
- 支持
stable diffusion 1.5作图 - 支持
openai作图
- 支持
- 私有数据：
milvus私有化向量知识库支持 - 插件机制：支持插件，点击查看
- 目前已支持
shell、search、wikipedia - 各位也可按照规则自行开发接入其他能力（summary, 天气 ...）
- 目前已支持
完整安装步骤（点击查看详情）
配置项详解（点击查看详情）
进阶玩法
项目架构设计（点击查看）
版本更新日志 点击查看详情
已实现
- [x] 支持 gpt-4o ,支持 one-api 的自定义的模型名称 2024-05-14 - [x] 单服务-多应用支持 2023-03-05 - [x] 新增代理设置 2023-03-05 - [x] 支持最新的 gpt3.5 与模型可自行切换 - [x] 支持 prompt 自定义配置 - [x] 命令式动态调整对话参数 - [x] 系统设置&预定义模板 2023-03-17 - [x] 支持服务端直接对接企业微信，无需云函数中转 2023-03-18 - [x] 支持多渠道客服消息 2023-04-02 - [x] 支持中英文语音输入 2023-04-07 - [x] 支持分段极速响应 2023-04-08 - [x] 支持向量引擎查询，基于语料的上下文与智能推荐 2023-04-08 - [x] 独立的上下文环境，可任意切换聊天场景 2023-04-09 - [x] 自适应的上下文长度，不用再频繁手动清理上下文环境 2023-04-09 - [x] 基础插件功能 2023-04-15 - [x] 支持 stable diffusion 1.5作图 [服务配置](https://help.aliyun.com/practice_detail/611227) 2023-04-25 - [x] 加入搜索插件 2023-04-27 - [x] 支持 openai key 余额查询 2023-05-15 - [x] 支持 openai 作图 2023-05-27feature 版本，考虑与执行中
- 消息超长时如何处理？
- 自适应上下文，需要加入省流模式
- 作图支持 midjourney api
- web 管理端
- web 客户端&用户体系改版
- 功能演示视频
- 可选
- 阿里云 5000 小时免费额度白嫖计划
- 同声转译 so-vits-svc 支持
- 支持 openapi 对话 token 累计功能， 余额不足时，支持 token 更换（可选）
- 支持私有化知识库插件（可选）
- 支持特定角色对话-如雅思口语练习（可选）
- 支持web管理页面，配置入库方便修改（可选）
- 支持 多 key 轮询，应对 openai 的限流机制（可选）
- 长期记忆插件（规划中）
- 十分期待您的需求，可以提issue...
FQA
配置完成，发送给 openai 的消息有响应，但是应用没有收到回复？
- 请确认 5. 配置企业可信IP ，已配置
- 如果还是没有响应，请通过
docker logs -f chat_web_1进行查看，- 应用消息的 关键字为
应用消息-发送失败 err: - 客服消息的 关键字为
客服消息-发送失败 err:
- 应用消息的 关键字为
- 如果存在
Code 41001， Msg: "access token mising... 等 access_token 异常的,please再次确认 安装流程中的对应参数CorpID ,agentSercret ,agentID是否正确配置
服务器在国内，出现 connect: connection refused
- 方法一 ： 请自行 安装
proxy client然后开启 监听 0.0.0.0:socket 模式 ，不要开启认证，之后在配置文件中，开启配置就OK,详情请见v0.2.2 - 方法二 ： 把服务器移到 香港/海外 , 大陆地区将长期不能访问
修改 chat-api.yaml 配置后如何让其生效
- 你可以通过
docker-compose restart web重启 web 服务 - 或者
docker-compose build && docker-compose up -d重启整个服务
如何修改 redis 密码?
- 首先修改
chat/service/chat/api/etc/chat-api.yaml
RedisCache:
Pass: "xxxxxx"
- 再修改
chat/build/redis/redis.conf
requirepass "xxxxx"
- 最后
docker-compose down && docker-compose up -d重启整个服务
更新后 redis 服务启动失败或者连不上redis？
请考虑删除
chat/build/redis/data/下的文件，可能是因为旧版本的 redis 存在残留文件导致的
- 请先
docker-compose down停止服务 - 然后 删除redis 本地文件
chat/build/redis/data/下的文件 - 最后
docker-compose up -d重启服务
感谢以下朋友对于本项目的大力支持~
版本历史
v0.6.62024/01/05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
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
spec-kit
Spec Kit 是一款专为提升软件开发效率而设计的开源工具包，旨在帮助团队快速落地“规格驱动开发”（Spec-Driven Development）模式。传统开发中，需求文档往往与代码实现脱节，导致沟通成本高且结果不可控；而 Spec Kit 通过将规格说明书转化为可执行的指令，让 AI 直接依据明确的业务场景生成高质量代码，从而减少从零开始的随意编码，确保产出结果的可预测性。 该工具特别适合希望利用 AI 辅助编程的开发者、技术负责人及初创团队。无论是启动全新项目还是在现有工程中引入规范化流程，用户只需通过简单的命令行操作，即可初始化项目并集成主流的 AI 编程助手。其核心技术亮点在于“规格即代码”的理念，支持社区扩展与预设模板，允许用户根据特定技术栈定制开发流程。此外，Spec Kit 强调官方维护的安全性，提供稳定的版本管理，帮助开发者在享受 AI 红利的同时，依然牢牢掌握架构设计的主动权，真正实现从“凭感觉写代码”到“按规格建系统”的转变。
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。
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。