WeChatFerry三步跑通微信自动回复并接上大模型【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群里每天被问同样的问题客户半夜来催单手动回复既累又容易漏。WeChatFerry 是一个微信机器人框架它 hook 电脑端微信把收发消息、联系人变成可编程接口并支持接入 DeepSeek、ChatGPT、ChatGLM 等大模型。⚙️ 先弄清 hook 原理WeChatFerry 如何与微信通信它不走微信官方接口而是把一个 hook 库注入 Windows 版微信进程再通过本地通信把读取消息、发送消息、查询联系人这些能力暴露出来Python 端通过 PyPI 上的wcferry包调用这些接口。这意味着三件事也是后面一切兼容性问题的根源需要特定版本的 Windows 版微信hook 与微信的接口偏移强绑定脚本通常要管理员权限运行且微信保持登录状态微信升级后 hook 可能失效这是 hook 类方案的固有代价 安装 wcferry 并完成首次连接驱动在 PyPI 上一条命令装好pip install wcferry微信启动后运行脚本from wcferry import Wcf wcf Wcf() wcf.send_text(第一条自动消息, filehelper)filehelper是文件传输助手最稳妥的验证目标。微信上收到这条消息说明 hook 注入、通信链路、消息发送整条链路已经打通。 搭建自动回复的最小闭环机器人的最小可用形态是收消息—处理—发回while True: msg wcf.receive_msg() if msg: wcf.send_text(收到 msg.content, msg.sender)消息对象里带发送者 wxid、内容、群标识你可以按关键字加规则比如只响应群内被 的消息避免在群里反复刷屏触发风控。 接入 DeepSeek、ChatGPT 等大模型把固定规则换成大模型只改处理这一步for msg in wcf.receive_messages(): answer llm_complete(msg.content) wcf.send_text(answer, msg.sender)llm_complete是你自己封装的函数把消息内容可选带上最近几轮对话历史发给 DeepSeek、ChatGPT、ChatGLM、讯飞星火任一模型接口返回回复文本。群聊场景建议先判断是否被 并给提示词加上只回答、不要反问之类的约束控制输出长度。️ 使用前的两个现实问题第一该项目已停止维护仓库 README 只留下一句说明。你拿到的是已开源的完整代码之后的版本适配、问题排查都要自己跟进选型时以发布时期对应的微信版本为准。第二hook 类方案属于自动化灰区注意三点控制发送频率避免高频操作触发风控只在可信环境运行脚本里不硬编码密钥尽量用非主号测试主号承担不起封禁成本技术学习和低频自动化场景够用若要上商业客服先自行评估账号风险。下一步克隆仓库 https://gitcode.com/GitHub_Trending/we/WeChatFerry 先核对当前微信版本与 hook 是否匹配跑通官方示例后再决定是否继续搭建。【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