微信机器人教程WeChat Bot:群聊关键词监控
2026-02-04 05:15:14作者:仰钰奇
引言:告别996式群聊管理
你是否还在为数百个微信群的消息过多而焦头烂额?错过重要通知、遗漏客户咨询、无法及时处理违规信息?本教程将带你构建一个基于WeChaty的智能群聊关键词监控系统,只需30分钟配置,即可实现7×24小时自动值守,让机器人成为你的群管理得力助手。
读完本文你将掌握:
- 群聊关键词实时监控与精准匹配
- 多维度提醒机制(@提醒/私聊通知/日志记录)
- 关键词白名单/黑名单分级管理
- 无侵入式代码改造与灵活扩展
技术架构概览
flowchart LR
A[微信消息] --> B{群聊白名单验证}
B -->|通过| C[关键词匹配引擎]
B -->|拒绝| D[忽略消息]
C --> E{关键词类型}
E -->|普通关键词| F[标准回复]
E -->|特定词| G[警告+记录]
E -->|紧急关键词| H[@管理员+处理]
F & G & H --> I[消息反馈/日志]
核心依赖组件
| 组件 | 版本 | 作用 | 国内CDN |
|---|---|---|---|
| Wechaty | ^1.20.2 | 微信协议封装 | https://cdn.npmmirror.com/packages/wechaty |
| wechaty-puppet-wechat4u | ^1.14.14 | 微信网页版协议 | https://cdn.npmmirror.com/packages/wechaty-puppet-wechat4u |
| dotenv | ^16.4.5 | 环境变量管理 | https://cdn.npmmirror.com/packages/dotenv |
| qrcode-terminal | ^0.12.0 | 扫码登录 | https://cdn.npmmirror.com/packages/qrcode-terminal |
前置准备
开发环境检查
# 检查Node.js版本 (需≥v18.0)
node -v
# 克隆项目仓库
git clone https://gitcode.com/GitHub_Trending/we/wechat-bot
cd wechat-bot
# 安装依赖 (国内用户推荐)
npm config set registry https://registry.npmmirror.com
npm install
环境变量配置
# 复制环境变量模板
cp .env.example .env
# 编辑关键配置 (使用vim或其他编辑器)
vim .env
# .env关键配置项
BOT_NAME=@监控机器人 # 机器人在群内的@名称
ROOM_WHITELIST=技术交流群,产品讨论组 # 监控群聊白名单
KEYWORDS=紧急bug,问题,重要信息 # 监控关键词列表(英文逗号分隔)
ALERT_ADMIN=管理员微信昵称 # 关键词匹配时@的管理员
LOG_LEVEL=info # 日志级别: debug/info/warn/error
核心实现:关键词监控系统
1. 消息处理流程改造
修改src/wechaty/sendMessage.js文件,在现有消息处理逻辑中插入关键词监控模块:
// 在defaultMessage函数中添加关键词监控逻辑
async function defaultMessage(msg, bot, ServiceType = 'GPT') {
// ... 原有代码 ...
// 新增关键词监控逻辑
if (isRoom && room) {
const keywords = process.env.KEYWORDS?.split(',') || [];
const hasKeyword = keywords.some(keyword =>
content.toLowerCase().includes(keyword.toLowerCase())
);
if (hasKeyword) {
// 记录关键词日志
console.log(`[关键词监控] 群聊:${roomName}, 用户:${alias}, 内容:${content}`);
// @管理员提醒
const adminContact = await bot.Contact.find({ name: process.env.ALERT_ADMIN });
await room.say(`${adminContact} ⚠️ 检测到关键词匹配: ${keywords.filter(k => content.includes(k)).join(', ')}`);
// 发送详细日志到管理员私聊
if (adminContact) {
await adminContact.say(`[群聊监控报告]\n群名称: ${roomName}\n发送者: ${alias}\n内容: ${content}\n时间: ${new Date().toLocaleString()}`);
}
}
}
// ... 原有回复逻辑 ...
}
2. 关键词匹配引擎优化
创建src/wechaty/keywordMonitor.js专用模块:
import { log } from 'wechaty';
/**
* 关键词监控核心模块
* @param {Object} options - 监控配置
* @param {Message} options.msg - 微信消息对象
* @param {Wechaty} options.bot - 机器人实例
* @param {string[]} options.keywords - 监控关键词列表
* @param {string} options.adminName - 管理员微信昵称
*/
export async function monitorKeywords({ msg, bot, keywords, adminName }) {
const content = msg.text();
const room = msg.room();
const roomName = await room?.topic();
const contact = msg.talker();
const alias = (await contact.alias()) || (await contact.name());
// 关键词匹配 (支持模糊匹配)
const matchedKeywords = keywords.filter(keyword =>
content.toLowerCase().includes(keyword.toLowerCase().trim())
);
if (matchedKeywords.length > 0 && room) {
// 构建提醒消息
const alertMsg = [
`⚠️ 检测到关键词: ${matchedKeywords.join(', ')}`,
`📢 发送者: ${alias}`,
`📝 内容片段: ${content.substring(0, 50)}...`,
`🕒 时间: ${new Date().toLocaleString()}`
].join('\n');
// 群内@管理员
const adminContact = await bot.Contact.find({ name: adminName });
if (adminContact) {
await room.say(`${adminContact} ${alertMsg}`);
}
// 详细日志记录
log.info(`[KEYWORD_MONITOR] ${roomName} - ${alias}: ${matchedKeywords.join(', ')}`);
}
}
3. 集成到消息事件
在src/index.js中注册关键词监控事件:
// 导入关键词监控模块
import { monitorKeywords } from './wechaty/keywordMonitor.js';
// 修改onMessage事件处理
async function onMessage(msg) {
// 原有消息处理
await defaultMessage(msg, bot, serviceType);
// 新增关键词监控
await monitorKeywords({
msg,
bot,
keywords: process.env.KEYWORDS?.split(',') || [],
adminName: process.env.ALERT_ADMIN
});
}
4. 配置文件关联
确保.env配置被正确加载,修改src/index.js顶部:
// 确保环境变量正确加载
dotenv.config();
console.log('关键词监控已启用,监控列表:', process.env.KEYWORDS);
功能测试与验证
测试命令
# 启动机器人
npm run dev
# 或指定服务类型启动
npm run start -- --serve deepseek
测试流程
- 扫码登录:终端显示二维码后,使用微信扫码登录机器人账号
- 加入测试群:将机器人拉入
ROOM_WHITELIST中配置的测试群 - 关键词测试:发送包含监控关键词的消息,验证提醒效果
测试消息示例:
"大家注意,发现一个紧急bug需要处理"
"这个系统存在重要问题"
预期效果
[终端日志]
[关键词监控] 群聊:技术交流群, 用户:测试账号, 内容:大家注意,发现一个紧急bug需要处理
[微信群消息]
@管理员 ⚠️ 检测到关键词: 紧急bug
📢 发送者: 测试账号
📝 内容片段: 大家注意,发现一个紧急bug需要处理...
🕒 时间: 2025-09-07 16:40:58
高级扩展:智能化监控
1. 关键词分级提醒
修改关键词配置格式,支持分级提醒:
# .env中修改关键词配置
KEYWORDS=紧急bug:critical,问题:high,重要信息:medium
更新keywordMonitor.js支持分级处理:
// 解析分级关键词
const keywordLevels = process.env.KEYWORDS?.split(',')
.map(item => {
const [word, level = 'medium'] = item.split(':');
return { word, level };
}) || [];
// 分级提醒逻辑
const matchedKeywords = keywordLevels.filter(({ word }) =>
content.toLowerCase().includes(word.toLowerCase())
);
if (matchedKeywords.length > 0) {
const criticalKeywords = matchedKeywords.filter(k => k.level === 'critical');
if (criticalKeywords.length > 0) {
// 紧急关键词处理逻辑(如电话通知)
}
// ... 其他级别处理 ...
}
2. 日志持久化
添加日志文件输出功能,安装日志依赖:
npm install winston
创建src/utils/logger.js:
import winston from 'winston';
import fs from 'fs';
import path from 'path';
// 确保日志目录存在
const logDir = path.join(process.cwd(), 'logs');
if (!fs.existsSync(logDir)) fs.mkdirSync(logDir);
// 创建日志器
export const logger = winston.createLogger({
level: process.env.LOG_LEVEL || 'info',
format: winston.format.combine(
winston.format.timestamp(),
winston.format.json()
),
transports: [
new winston.transports.File({
filename: path.join(logDir, 'keyword-alert.log'),
level: 'warn'
}),
new winston.transports.Console({
format: winston.format.simple()
})
]
});
在关键词监控中使用日志器:
import { logger } from '../utils/logger.js';
// 替换console.log为
logger.warn(`[KEYWORD_ALERT] ${roomName} - ${alias}`, {
keywords: matchedKeywords,
content: content.substring(0, 100),
timestamp: new Date().toISOString()
});
部署与运维
Docker容器化部署
# Dockerfile优化
FROM node:18-alpine
WORKDIR /app
COPY package*.json ./
RUN npm config set registry https://registry.npmmirror.com && npm install --production
COPY . .
# 日志持久化
VOLUME ["/app/logs"]
CMD ["npm", "run", "start", "--", "--serve", "deepseek"]
构建运行命令:
# 构建镜像
docker build -t wechat-keyword-bot .
# 运行容器
docker run -d \
--name wechat-bot \
-v $(pwd)/.env:/app/.env \
-v $(pwd)/logs:/app/logs \
wechat-keyword-bot
常见问题排查
| 问题 | 解决方案 |
|---|---|
| 机器人不响应 | 1. 检查.env配置是否正确 2. 确认Node版本≥18 3. 查看日志文件排查错误 |
| 关键词不触发 | 1. 检查ROOM_WHITELIST配置 2. 确认关键词无多余空格 3. 检查消息是否被其他逻辑拦截 |
| 登录二维码不显示 | 1. 确保终端支持UTF-8 2. 尝试使用npm run start命令 |
| 频繁掉线 | 1. 检查网络稳定性 2. 减少机器人同时加入的群聊数量 |
总结与扩展方向
本教程实现了基础的群聊关键词监控功能,核心亮点:
- 低侵入架构:不影响原有自动回复功能,模块化设计便于维护
- 灵活配置:通过环境变量轻松管理监控关键词和提醒对象
- 完整日志:支持分级日志和持久化存储,便于审计追溯
扩展建议
- 关键词正则匹配:支持更复杂的模式匹配
- 动态配置更新:添加HTTP接口实现关键词热更新
- 多维度提醒:集成企业微信/钉钉提醒渠道
- 内容过滤:结合AI服务实现语义分析
mindmap
root(关键词监控系统)
核心功能
关键词匹配
分级提醒
日志记录
技术架构
Wechaty协议
模块化设计
环境变量配置
扩展方向
AI语义分析
多渠道提醒
动态规则管理
附录:完整配置示例
# .env完整配置参考
BOT_NAME=@监控助手
ROOM_WHITELIST=技术部,产品讨论组,测试群
ALIAS_WHITELIST=管理员,测试账号
KEYWORDS=紧急bug,问题,重要信息,数据问题,故障
ALERT_ADMIN=技术主管
LOG_LEVEL=info
SERVICE_TYPE=deepseek
DEEPSEEK_API_KEY=your_api_key_here
学习资源推荐
- Wechaty官方文档:https://wechaty.js.org/docs/
- Node.js流处理:https://nodejs.org/api/stream.html
- Docker最佳实践:https://docs.docker.com/develop/develop-images/dockerfile_best-practices/
- 日志管理规范:https://12factor.net/logs
如果本教程对你有帮助,请点赞收藏关注三连!下期预告:《微信机器人进阶:基于AI的智能内容审核》
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
560
3.81 K
Ascend Extension for PyTorch
Python
373
436
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++
891
650
昇腾LLM分布式训练框架
Python
115
146
暂无简介
Dart
794
196
🎉 (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
1.36 K
772
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
117
148
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
348
196
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.12 K
267