WeChatFerry部署教程:Windows/Linux环境配置详解
2026-02-04 04:23:13作者:曹令琨Iris
项目现状说明
注意:根据项目最新信息,WeChatFerry因不可抗力因素已停止维护。本教程基于历史版本整理,仅供学习参考。生产环境使用需谨慎评估风险。
一、环境准备清单
| 环境要求 | Windows 10/11 | Linux (Ubuntu 20.04+) |
|---|---|---|
| 架构支持 | x86_64 | x86_64/ARM64 |
| 依赖项 | .NET Framework 4.8 Visual C++ 2019 运行库 |
Python 3.8+ libc6-dev zlib1g-dev |
| 微信版本 | 3.9.5.81 (推荐) | 微信for Linux 2.6.8 (需手动适配) |
二、Windows环境部署流程
2.1 前置依赖安装
-
安装Visual C++运行库
# 通过 Chocolatey 安装 (管理员权限) choco install vcredist2019 -y或手动下载:微软官方VC++2019 redist
-
确认.NET Framework版本
# 检查版本命令 reg query "HKLM\SOFTWARE\Microsoft\NET Framework Setup\NDP\v4\full" /v version输出应包含
4.8.xxxx字样,低于此版本需升级。
2.2 核心组件部署
flowchart LR
A[下载项目] --> B[解压至C:\WeChatFerry]
B --> C[复制WeChatFerry.dll至微信目录]
C --> D[运行injector.exe注入进程]
D --> E[启动Python服务端]
-
获取项目文件
# 克隆仓库(需Git环境) git clone https://gitcode.com/GitHub_Trending/we/WeChatFerry.git -
注入微信进程
- 关闭微信客户端
- 以管理员身份运行
injector.exe - 在弹窗中选择微信安装路径(默认:
C:\Program Files (x86)\Tencent\WeChat\WeChat.exe)
-
启动API服务
# 进入服务端目录 cd C:\WeChatFerry\server # 安装依赖 pip install -r requirements.txt # 启动HTTP服务 python server.py --host 127.0.0.1 --port 8080
三、Linux环境适配方案
注意:Linux版本需通过Wine运行Windows版微信,稳定性较差
3.1 环境依赖安装
# Ubuntu/Debian系统
sudo apt update && sudo apt install -y wine64 python3-pip winetricks
# 安装Windows依赖
winetricks dotnet48 vcrun2019
3.2 部署流程
sequenceDiagram
participant 用户
participant Wine
participant 微信
participant 服务端
用户->>Wine: 配置WINEPREFIX
Wine->>微信: 安装微信3.9.5.81
用户->>微信: 启动并登录
用户->>服务端: 执行注入脚本
服务端->>微信: 加载Hook模块
Note over 服务端: 启动Python API服务
-
配置Wine环境
# 创建独立环境 export WINEPREFIX=~/.wine-wechat winecfg # 设置Windows版本为Windows 10 -
启动服务端
# 安装Python依赖 pip3 install flask requests pywin32 # 后台运行服务 nohup python3 server.py --host 0.0.0.0 --port 8080 &
四、常见问题解决
| 问题现象 | 可能原因 | 解决方案 |
|---|---|---|
| 注入失败 | 微信版本不兼容 | 降级至3.9.5.81版本 |
| 服务启动报错 | 端口被占用 | 更换端口:--port 8888 |
| Wine中文乱码 | 字体缺失 | winetricks fakechinese |
| API无响应 | 注入未成功 | 检查微信进程是否加载WeChatFerry.dll |
五、安全与合规提示
-
法律风险
本项目涉及微信客户端逆向,可能违反腾讯服务协议,仅用于学习研究。 -
数据安全
生产环境使用时需注意:- 禁用敏感信息获取接口
- 限制API访问IP
- 定期清理日志文件
-
替代方案推荐
| 项目名称 | 开发状态 | 语言 | 特点 | |---------|---------|------|------| | WeChatBot | 活跃维护 | Go | 基于网页版微信 | | 微信机器人SDK | 商业版 | Java | 企业微信认证接口 |
六、遗留问题说明
-
因项目停止维护,以下功能可能失效:
- 消息撤回监听
- 群管理高级接口
- 最新微信版本适配
-
建议关注社区fork版本,部分开发者可能持续维护分支版本。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
114
昇腾LLM分布式训练框架
Python
178
220