微信机器人教程WeChat Bot:关键词自动回复
2026-02-04 05:00:24作者:庞眉杨Will
引言:告别重复劳动,让AI帮你值守微信
你是否还在为微信群消息淹没而烦恼?客户咨询重复问题占用大量时间?社群管理需要24小时在线响应?本文将带你从零构建一个基于WeChaty和AI服务的关键词自动回复机器人,通过简单配置即可实现"关键词触发-智能响应"的自动化流程,让你从机械回复中解放双手。
读完本文你将获得:
- 掌握WeChat Bot核心配置与启动流程
- 实现多场景关键词自动回复逻辑
- 适配DeepSeek/ChatGPT/Kimi等9种AI服务
- 解决白名单管理、消息过滤等实战问题
- 学会Docker容器化部署与长期维护
技术架构概览
flowchart TD
A[微信消息] --> B{是否文本类型}
B -->|否| C[忽略]
B -->|是| D{是否在白名单}
D -->|否| C
D -->|是| E{关键词匹配}
E -->|否| C
E -->|是| F[调用AI服务]
F --> G[生成回复内容]
G --> H[发送消息]
核心组件说明:
| 组件 | 作用 | 技术选型 |
|---|---|---|
| 消息接收 | 监听微信消息事件 | Wechaty |
| 规则引擎 | 关键词匹配与过滤 | JavaScript正则 |
| AI服务 | 生成智能回复 | DeepSeek/ChatGPT/Kimi等 |
| 配置中心 | 环境变量与白名单管理 | dotenv |
| 部署载体 | 容器化运行环境 | Docker |
环境准备与快速启动
1. 开发环境要求
pie
title 环境依赖占比
"Node.js (≥18.0)" : 40
"npm/yarn" : 20
"Git" : 15
"Docker (可选)" : 25
安装步骤:
# 检查Node.js版本
node -v # 需≥18.0.0
# 克隆项目仓库
git clone https://gitcode.com/GitHub_Trending/we/wechat-bot.git
cd wechat-bot
# 安装依赖(国内用户推荐切换镜像)
npm config set registry https://registry.npmmirror.com
npm install
2. 核心配置文件详解
创建.env配置文件(复制.env.example修改):
# ====== AI服务配置 ======
# 推荐使用DeepSeek-Free(免费额度充足)
DEEPSEEK_FREE_URL='https://api.deepseek.com/chat/completions'
DEEPSEEK_FREE_TOKEN='你的API密钥' # 从https://platform.deepseek.com获取
DEEPSEEK_FREE_MODEL='deepseek-chat'
# ====== 机器人身份配置 ======
BOT_NAME='@AI助手' # 必须与微信昵称一致
SERVICE_TYPE='deepseek-free' # 默认AI服务类型
# ====== 关键词回复规则 ======
AUTO_REPLY_PREFIX='!' # 触发前缀(留空则匹配所有消息)
# ====== 访问控制 ======
ALIAS_WHITELIST='张三,李四' # 允许私聊的联系人
ROOM_WHITELIST='技术交流群,产品讨论组' # 允许自动回复的群聊
配置项优先级:环境变量 > .env文件 > 默认值
关键词自动回复核心实现
1. 消息处理流程解析
// src/wechaty/sendMessage.js 核心代码
export async function defaultMessage(msg, bot, ServiceType) {
const contact = msg.talker() // 发消息人
const content = msg.text().trim() // 消息内容
const room = msg.room() // 是否群聊
const roomName = await room?.topic()
const alias = await contact.alias() || contact.name()
// 过滤规则:非文本消息/机器人自己/不在白名单 → 忽略
if (!isText || isBotSelf || !isAllowed(alias, roomName)) return
// 关键词匹配逻辑
if (content.startsWith(AUTO_REPLY_PREFIX)) {
const question = content.replace(AUTO_REPLY_PREFIX, '')
const reply = await getAIServiceReply(question, ServiceType)
await msg.say(reply) // 发送回复
}
}
2. 关键词匹配规则设计
| 规则类型 | 配置示例 | 触发效果 |
|---|---|---|
| 前缀匹配 | AUTO_REPLY_PREFIX='!' | 仅回复以!开头的消息 |
| 全词匹配 | 需自定义代码 | 精确匹配关键词(如"天气") |
| 正则匹配 | 需自定义代码 | 支持复杂模式(如/^\d{4}-\d{2}-\d{2}$/匹配日期) |
高级匹配实现(需修改sendMessage.js):
// 添加关键词数组匹配
const KEYWORDS = ['天气', '翻译', '快递查询']
const isKeywordMatch = KEYWORDS.some(k => content.includes(k))
if (isKeywordMatch) {
// 根据不同关键词调用不同处理函数
switch(true) {
case content.includes('天气'):
reply = await getWeatherReply(content)
break
case content.includes('翻译'):
reply = await getTranslationReply(content)
break
}
}
3. 多AI服务切换机制
classDiagram
class AIService {
+getReply(question)
}
class DeepSeekService {
+getReply(question)
}
class ChatGPTService {
+getReply(question)
}
class KimiService {
+getReply(question)
}
AIService <|-- DeepSeekService
AIService <|-- ChatGPTService
AIService <|-- KimiService
动态选择AI服务:
// src/wechaty/serve.js
export function getServe(serviceType) {
switch (serviceType) {
case 'ChatGPT': return getGptReply
case 'Kimi': return getKimiReply
case 'Xunfei': return getXunfeiReply
default: return getDeepSeekFreeReply // 默认服务
}
}
实战案例:企业级应用配置
1. 客服场景:常见问题自动回复
配置示例:
# .env配置
AUTO_REPLY_PREFIX='客服-'
ALIAS_WHITELIST='客户A,客户B,VIP客户群'
# 自定义关键词回复(需修改sendMessage.js)
const FAQ = {
'客服-退款政策': '退款将在3个工作日内原路返回...',
'客服-发货时间': '每日16:00前下单当日发货...',
'客服-保修范围': '产品享受1年免费保修...'
}
效果演示:
- 用户发送:
客服-退款政策 - 机器人回复:
退款将在3个工作日内原路返回,具体到账时间取决于银行处理速度...
2. 社群管理:关键词触发群规则
// 群聊关键词管理示例
if (room && content.includes('群规')) {
await room.say('📢 群规:\n1. 禁止广告\n2. 文明交流\n3. 定期清理潜水账号')
// 配合定时任务实现提醒功能
}
部署与维护
1. 本地测试
# 测试AI服务连通性
npm run test-deepseek # 根据选择的服务修改命令
# 启动机器人
npm run dev
# 或指定服务类型启动
npm run start -- --serve deepseek-free
扫码登录:启动后终端会显示二维码,用微信扫码即可登录机器人账号。
2. Docker容器化部署
# 构建镜像
docker build -t wechat-bot .
# 运行容器(持久化配置)
docker run -d --name wechat-bot \
-v $(pwd)/.env:/app/.env \
--restart=always \
wechat-bot
容器状态管理:
| 命令 | 作用 |
|---|---|
| docker logs -f wechat-bot | 查看实时日志 |
| docker restart wechat-bot | 重启服务 |
| docker exec -it wechat-bot bash | 进入容器 |
常见问题与解决方案
1. 关键词不触发回复?
stateDiagram
[*] --> 检查前缀配置
检查前缀配置 -->|正确| 检查白名单
检查前缀配置 -->|错误| 修改AUTO_REPLY_PREFIX
检查白名单 -->|在名单内| 检查AI服务
检查白名单 -->|不在名单内| 添加到ALIAS_WHITELIST
检查AI服务 -->|正常| 检查网络
检查AI服务 -->|异常| 重新配置API_KEY
检查网络 -->|通畅| [*]
检查网络 -->|不通| 配置代理
2. 微信登录失败
-
错误提示:
ScanTimeout- 解决方案:确保微信客户端已登录,网络通畅,尝试重启机器人。
-
错误提示:
PuppetServiceTokenExpired- 解决方案:更新Wechaty依赖,或切换puppet(修改index.js中的puppet配置)。
结语与进阶方向
本文介绍的关键词自动回复功能只是WeChat Bot能力的冰山一角。基于此框架,你还可以扩展:
- 多轮对话:结合上下文记忆实现连续对话
- 定时任务:如每日天气提醒、新闻推送
- 消息转发:跨群消息同步、重要信息@提醒
- OCR识别:图片关键词提取与回复
项目持续更新中,欢迎提交PR贡献代码,或在Issues中反馈问题。
收藏本文,下次需要搭建微信机器人时,即可快速上手!如有疑问,欢迎在评论区留言讨论。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
525
3.72 K
Ascend Extension for PyTorch
Python
329
391
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++
877
578
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
335
162
暂无简介
Dart
764
189
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.33 K
746
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
67
20
React Native鸿蒙化仓库
JavaScript
302
350