新闻详情

新闻详情

首页 / 资讯中心 / 详情

WeChatFerry 教程:3 步搭建一个能接大模型的微信机器人

发布时间:2026/11/6 3:18:08来源:尧图网络
WeChatFerry 教程:3 步搭建一个能接大模型的微信机器人
WeChatFerry 教程3 步搭建一个能接大模型的微信机器人【免费下载链接】WeChatFerry微信机器人可接入DeepSeek、Gemini、ChatGPT、ChatGLM、讯飞星火、Tigerbot等大模型。微信 hook WeChat Robot Hook.项目地址: https://gitcode.com/GitHub_Trending/we/WeChatFerry想让微信自己回消息WeChatFerry 是一款通过 hook往运行中的程序注入代码、拦截它的事件来操控电脑版微信的微信机器人框架。这篇教程带你在三步内发出第一条自动回复并接上 DeepSeek、ChatGPT 等大模型。 WeChatFerry 是干什么的装上就能用的微信机器人框架本质上它是一个微信 hook把 wcfhook.dll 注入电脑版微信进程之后你的脚本就能替它收消息、发消息。官方提供 Python、Java、C# 等多语言 SDKPython 版门槛最低。最常用的三个能力发消息一行send_msg()搞定文本、图片、文件群里 人也可以监听来消息listen_message()注册回调消息一到函数就被调用不用轮询查联系人和群get_contacts()列出好友、群成员与群信息给自动化提供数据基础 为什么不自己写 hook三个差别版本对不上的事它替你做了。自己写 hook 要先找内存偏移再跟每个微信版本对齐升级一次就废。WeChatFerry 直接给 wcfhook.dll 和注入工具 inject.exe你只管装公告指定的微信版本。消息格式已经拆好了。文本、图片、文件各是一堆内部格式框架封装成几个 API直接调。接大模型有现成参照。项目支持 DeepSeek、Gemini、ChatGPT、ChatGLM、讯飞星火、Tigerbot 等模型的接入社区有大量 demo 实现换个 API key 就能跑。 三步跑通从注入到第一条自动回复第一步装好 3.9.x 版微信下齐 hook 组件装电脑版微信版本必须是项目公告指定的 3.9.x 系列——hook 和微信版本不匹配是后面一切坑的第一大来源。然后从项目 Releases 页下载 wcfhook.dll、wcferry.dll 和 inject.exe放到微信安装同目录。git clone https://gitcode.com/GitHub_Trending/we/WeChatFerry克隆仓库是为了拿示例代码和 Python SDK第三步就用。第二步注入微信让它能被脚本控制管理员身份运行 inject.exe注入完成后微信会自动启动。此时微信进程里已经跑着 hook你的脚本和它通了。如果注入后微信起不来九成是版本对不上回去换对应的 DLL。第三步用 Python 发出第一条自动回复在仓库目录装依赖pip install -r requirements.txt然后跑下面这段文件传输助手会收到一条自动回复from wcferry import Wcf wcf Wcf() wcf.send_msg(你好我是自动回复, filehelper) wcf.listen_message() # 常驻进程接收消息filehelper是文件传输助手的固定 wxid微信给每个账号的内部编号。调试阶段先拿它试确认没问题再碰真实联系人。 拿它做三件事客服、群管理、消息备份怎么搭大模型问答客服需求你不在电脑前时机器人替你答。listen_message()收到消息把内容发给 DeepSeek 或 ChatGPT 的 API拿到模型回复后用send_msg()发回给原发送者群里建议只在被 时触发避免刷屏怎么做群管理需求迎新、发公告不用再手动。新成员进群触发回调自动发欢迎语和群规用定时器按固定时间发公告内容模板化怎么做消息备份与提醒需求重要消息不丢待办不忘。把指定联系人或群的消息自动转发到文件传输助手或写入本地文件存档提取记得、截止、日程这类关键词配合调度器次日提醒 进阶玩法多模型怎么接、高频消息怎么处理只展开两个值得花时间的点。多模型路由别把所有消息塞给一个模型。写一层简单规则含代码、报错、实现的转给擅长编程的模型文案、创意类走另一个其余给响应快的轻量模型。规则就是一段 if-else效果立竿见影。高频处理回调在 hook 线程里触发别在里面做慢速网络请求。把消息丢进队列主线程取出来处理AI 请求放子线程避免一条慢回复卡住后面的消息。同时用消息唯一 ID 做去重防止同一条被处理两遍。其余的定时任务、群操作、联系人管理都是现成 API照示例代码改就行。️ 避坑与安全版本、风控、合规版本优先hook 和微信版本是配对的装好后别随手升级微信必须升级就先找对应版本的 hook。控制频率高频发送容易触发微信风控。消息间隔加 1~2 秒延迟限定每日上限先用小号试别碰主号。合规使用用于技术学习和效率工具不发营销群发消息数据只在你自己的脚本里本地处理不外传。维护状态项目 README 已声明停止维护部署后锁定版本别指望后续更新手头这套能跑的就留个备份。❓ 常见问题5 种症状和排查方法症状可能原因怎么办注入后微信起不来微信与 hook 版本不匹配换公告指定的微信版本对应换 DLLPython 报导入错误wcferry 没装好在仓库目录执行 pip install -r requirements.txt发得出、收不回没监听来消息确认 listen_message() 在跑核对对方 wxid微信升级后全挂hook 失效回退微信版本或换配套 hook账号收到封号警告高频发送触发风控加延迟、降频次改用备用号 收尾你的第一步注入跑通、文件传输助手里看到自动回复之后剩下的全是业务逻辑监听哪些消息、接哪个模型、回复什么内容。下一步先给文件传输助手发一条 send_msg通了就配上大模型 API key让它回你第一条真实消息。【免费下载链接】WeChatFerry微信机器人可接入DeepSeek、Gemini、ChatGPT、ChatGLM、讯飞星火、Tigerbot等大模型。微信 hook WeChat Robot Hook.项目地址: https://gitcode.com/GitHub_Trending/we/WeChatFerry创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/6 6:37:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/6 0:32:51

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/6 1:10:54

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/5 15:28:55

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/6 14:29:05

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/6 14:29:07

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉