# wechat-intelligent-robot

**Repository Path**: deng-2022/wechat-intelligent-robot

## Basic Information

- **Project Name**: wechat-intelligent-robot
- **Description**: 微信智能机器人
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2024-01-07
- **Last Updated**: 2025-06-13

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 微信智能 AI 机器人

> 2024 年 4 月 22 日

今年年初试了下这个**微信智能 AI 机器人**开发，并记录了最终效果，只是相关文档并未完善。今天想起来了，抓紧时间完善下。

**相关阅读：**

[Wechaty + 讯飞星火 GPT 打造微信机器人\_讯飞 gpt-CSDN 博客](https://blog.csdn.net/ziyunLLL/article/details/134908113)

这里建议关注**微信公众号**：**子云之风**，我就是看了他去年十二月份发表的一篇文章，才尝试了微信智能机器人的开发和使用。

> 2025 年 1 月 10 日

今天刚好在测试讯飞星火应用生成热点文章的稳定性，就顺便回顾下前两年玩过的微信智能 AI 机器人，推送下最新代码。

[wechat-intelligent-robot: 微信智能机器人 (gitee.com)](https://gitee.com/deng-2022/wechat-intelligent-robot)

这个仓库本来就有的，更新下项目文档即可。

年后考虑持学习下微信公众号内置的智能 AI 机器人，要不然没有免费的 token 这智能机器人也回复不了，有免费的当然不用花钱的。

### Token 获取

> 2024 年 4 月 22 日

**源码获取**：[GitHub - wechaty/puppet-padlocal: Puppet PadLocal is a Pad Protocol for WeChat](https://github.com/wechaty/puppet-padlocal)

基本上所有的问题都能在这个项目的 README.md 文档中找到答案，这里就简单介绍下怎么获取 Token 来运行该项目：

![image-20240422162442048](http://blog.memory-life.icu/image-20240422162442048.png)

![image-20240422162031416](http://blog.memory-life.icu/image-20240422162031416.png)

可以看到 👆 我已经使用过一个 Token 了，就是年初尝试做这个**微信智能机器人**时申请的，已经过期了。不过可以考虑续费：

![image-20240422162624595](http://blog.memory-life.icu/image-20240422162624595.png)

妈的一个月两百块钱，你怎么不去抢。怎么永久获得这个 Token 呢，这我还得想想其他办法。之前看到鱼皮在牛客网上发的教程，使用的是**微信智能对话平台**提供的机器人，而不是**讯飞星火语言大模型**。那个方法好像是免费的，有时间再去看看。

那我就多用几个手机号拿一些 Token 玩玩了。

### 信息配置

> 2024 年 4 月 22 日

首先当然是配置拿到的 Token 了，要不连项目都起不来，如果你已经获取到合法 Token 的话：

在 `main.ts` 下，修改如下配置：

```tsx
const puppet = new PuppetPadlocal({
  token: "puppet_padlocal_cee4dff75e8d451d82137dab33bf4641",
});
```

以上就是一键配置 Token 了，如果没有正确配置，启动项目肯定会失败，报错如下：

![image-20240422163302912](http://blog.memory-life.icu/image-20240422163302912.png)

在`spark.ts`下，修改如下配置：

```tsx
// 封装鉴权方法
function authenticate() {
  return new Promise((resolve, reject) => {
    var apiKey = "2523e8f0d30b56fe0ce00f7d2b8e3099";
    var apiSecret = "NDk3Njk2OGIwYTFlZDZiNWVlMWM1ZjVh";
    var url = "wss://spark-api.xf-yun.com/v1.1/chat";
    var host = "spark-api.xf-yun.com";
    var date = new Date().toUTCString();
    var algorithm = "hmac-sha256";
    var headers = "host date request-line";
    var signatureOrigin = `host: ${host}\ndate: ${date}\nGET /v1.1/chat HTTP/1.1`;
    var signatureSha = CryptoJS.HmacSHA256(signatureOrigin, apiSecret);
    var signature = CryptoJS.enc.Base64.stringify(signatureSha);
    var authorizationOrigin = `api_key="${apiKey}", algorithm="${algorithm}", headers="${headers}", signature="${signature}"`;
    var authorization = btoa(authorizationOrigin);
    url = `${url}?authorization=${authorization}&date=${date}&host=${host}`;
    resolve(url);
  });
}
```

只需要修改其中的 apiKey 和 apiSecret 这两项参数，这就是通过接口认证连接对应讯飞星火模型。这两项参数内容需要在**讯飞开放平台获取（[控制台-讯飞开放平台 (xfyun.cn)](https://console.xfyun.cn/services/bm2)）**：

![image-20240422163052501](http://blog.memory-life.icu/image-20240422163052501.png)

至此，必要的开发前信息配置就已经完成了，运行以下命令即可启动项目：

```bash
npm run demo
```

### 开发过程

> 2024 年 1 月 7 日

简单展示一下一早上的成果，可算跑通 demo 代码了：**（2024/01/07 早）**

![image-20240107085819793](http://blog.memory-life.icu/image-20240107085819793.png)

再次调试成功，能够辨认群聊消息并回复固定文字，且屏蔽 AI 自己的消息：

```tsx
    // 群聊消息
    if (message.room()) {
      // 不处理自己的消息
      if (message.self()) {
        return;
      }

      // 如果 content 以 "@初心" 开头，那么这里的代码将被执行
      if (content.startsWith("@初心")) {
          const reply = `你好，${sender}！这是来自群聊${roomName}的消息：${content}`;

          // 回复消息
          await message.say(reply);
        }

        // 如果 content 不以 "@初心" 开头，那么这里的代码将被执行
      } else {
        // ...
      }
    }
```

AI 智能有两个很关键的函数：**（2024/01/09 晚）**

判断消息类型(附件、音频、视频、表情、图片、URL 或小程序)

```ts
export async function getMessagePayload(message: Message) {
  switch (message.type()) {
    case PUPPET.types.Message.Text:
      log.silly(LOGPRE, `get message text: ${message.text()}`);
      break;

    case PUPPET.types.Message.Attachment:
    case PUPPET.types.Message.Audio: {
      const attachFile = await message.toFileBox();

      const dataBuffer = await attachFile.toBuffer();

      log.info(LOGPRE, `get message audio or attach: ${dataBuffer.length}`);

      break;
    }

    case PUPPET.types.Message.Video: {
      const videoFile = await message.toFileBox();

      const videoData = await videoFile.toBuffer();

      log.info(LOGPRE, `get message video: ${videoData.length}`);

      break;
    }

    .................................
  }
}
```

执行消息发送

```ts
export async function dingDongBot(message: Message) {
  if (message.to()?.self() && message.type() == PUPPET.types.Message.Text) {
    await sendMsg(message.text(), (data: string) => {
      message.talker().say(data);
    });
  }
}
```

### 基本完善

![image-20240109204229935](http://blog.memory-life.icu/image-20240109204229935.png)

单线对话：

```
export async function dingDongBot(message: Message) {
  if (message.to()?.self() && message.type() == PUPPET.types.Message.Text) {
    await sendMsg(message.text(), (data: string) => {
      message.talker().say(data);
    });
  }
}
```

在上面这段代码中，`message.to()?.self()` 这行代码的作用是`判断是否为用户单线发起聊天`；`message.talker().say(data)` 这行代码的作用是`返回响应消息给该单线聊天用户	`

实现群聊助手功能

```tsx
// 群聊消息
if (message.room()) {
  // 不处理自己的消息
  if (message.self()) {
    return;
  }

  const mesTime = new Date();
  if (mesTime >= startTime) {
    // 如果 content 以 "@初心" 开头，那么这里的代码将被执行
    if (content.startsWith("@初心")) {
      // const reply = `你好，${sender}！这是来自群聊${roomName}的消息：${content}`;
      // await message.say(reply);

      await getMessagePayload(message);

      if (message.type() == PUPPET.types.Message.Text) {
        await sendMsg(message.text(), (data: string) => {
          message.say(data);
        });
      }

      // 如果 content 不以 "@初心" 开头，那么这里的代码将被执行
    } else {
      // ...
    }
  }
}
```

以上就是实现群聊 AI 助手的主要逻辑代码了**（2024/01/09 晚）**

再附上几张实验成果图留念一下：

![image-20240109204128728](http://blog.memory-life.icu/image-20240109204128728.png)

![image-20240109204353998](http://blog.memory-life.icu/image-20240109204353998.png)

![image-20240109204427101](http://blog.memory-life.icu/image-20240109204427101.png)

时隔半年，终于再次完善了微信智能 AI 机器人，使用了讯飞星火 AI 大模型。目前还不太完善，还需要对该 AI 的功能做进一步调试。**（2024/01/09 晚）**

之后继续尝试优化，这个服务的健壮性还有待提高，只要问题稍有违规就会停止掉整个服务。解决了这个问题，就可以尝试部署在云服务器上了。

保留原文档启动步骤在这里吧:

# Quick Start with Demo

### 0. Apply Token

You need PadLocal token to run this demo. [How to Apply Token](https://github.com/padlocal/wechaty-puppet-padlocal/wiki/How-to-Apply-Token)

### 1. Prepare Node Environment

[Install Node](https://nodejs.org/), 16 LTS version is recommended.

```
$ node --version // >= v16.0.0
```

### 2. Clone the [wechaty-puppet-padlocal-demo](https://github.com/padlocal/wechaty-puppet-padlocal-demo) project.

```
$ git clone git@github.com:padlocal/wechaty-puppet-padlocal-demo.git
```

Then install Node dependencies.

```
$ cd wechaty-puppet-padlocal-demo
$ npm install
```

### 3. Set you PadLocal Token in [`main.ts`](https://github.com/padlocal/wechaty-puppet-padlocal-demo/blob/master/main.ts)

https://github.com/padlocal/wechaty-puppet-padlocal-demo/blob/42d2ab8dcfeff2b2be1f6b8b2e09d0f5fc0fdc11/main.ts#L10-L12

_[Optional]_ Uncomment following code to turn on debug log
https://github.com/padlocal/wechaty-puppet-padlocal-demo/blob/42d2ab8dcfeff2b2be1f6b8b2e09d0f5fc0fdc11/main.ts#L5-L8

### 4. Run the demo

```
$ npm run demo
```

![carbon](https://user-images.githubusercontent.com/64943823/117439626-a6cde080-af65-11eb-85a5-815aa422b5c5.png)