1. 项目概述一个能帮你“读”微信群的AI助手最近在折腾一个挺有意思的小玩意儿我把它叫做“微信聊天AI摘要机器人”。简单来说这玩意儿能帮你“盯”着微信群当群里的讨论达到一定规模或者出现你关心的关键词时它就会自动把这一大段聊天记录“喂”给AI比如ChatGPT、文心一言这类大语言模型然后生成一份精炼的摘要、一份待办事项列表甚至是一份讨论纪要再通过微信发回给你。这解决了什么痛点呢相信很多朋友都深有体会我们每天泡在无数个微信群里工作群、项目群、兴趣群、家长群……信息爆炸爬楼痛苦。重要的讨论可能被淹没在几百条“收到”、“哈哈哈”和表情包里。手动翻看不仅耗时还容易遗漏关键信息。这个项目的核心价值就是利用AI帮你做信息的“二次加工”和“提纯”把冗长的、碎片化的群聊变成结构化的、可快速消费的知识或待办清单。它特别适合这几类人项目经理需要跟踪多个项目群的每日进展社区运营者想快速了解社群热点和用户反馈知识社群成员希望高效获取群内精华讨论甚至是普通用户只想在家长群里快速知道老师今天布置了啥作业而不用爬完几百条“谢谢老师”。这个项目的技术栈非常“接地气”核心就是Python 微信机器人框架 大模型API。它不试图做一个全能的、侵入式的机器人而是定位为一个轻量、专注、可私有化部署的自动化工具。接下来我会带你从设计思路到代码实现完整拆解这个项目并分享我在搭建过程中踩过的坑和总结的经验。2. 项目整体设计与核心思路拆解2.1 核心需求与功能边界定义在动手写代码之前明确“做什么”和“不做什么”至关重要。这个项目的核心需求非常聚焦监听指定微信群机器人需要能实时或定时获取目标微信群的新消息。消息聚合与触发判断不能每条消息都处理需要设计规则比如“当10分钟内累积消息超过50条”或“当消息中出现#会议纪要、#总结等关键词时”才触发处理流程。调用大模型进行摘要将聚合后的原始聊天记录连同清晰的指令Prompt发送给选定的AI模型接口。结果格式化与回传将AI返回的摘要、待办列表等格式化为易读的文本并通过微信发送到指定位置可以是原群、另一个通知群或私聊发送给指定用户。同时我们也需要划定清晰的边界不涉及消息存储本项目专注于实时处理原则上不长期存储聊天记录处理完即丢弃这涉及隐私和安全考量。如果需要历史分析那是另一个更复杂的项目。不破解微信协议我们使用成熟的、基于微信Web协议或桌面客户端协议的机器人框架避免触碰官方红线。非全自动回复它不是一个聊天机器人不参与群聊讨论它的核心工作是“观察-处理-报告”是一个单向的信息处理管道。2.2 技术选型与架构设计基于以上需求我选择了以下技术栈并解释了为什么这么选微信机器人框架ItChat / wxpy备选选择理由ItChat是一个基于微信Web协议的Python库开发简单社区活跃适合快速原型验证。虽然Web协议有被限制登录的风险但对于个人或小范围使用的工具来说其易用性是最大的优势。wxpy基于ItChat进行了封装提供了更友好的接口。注意由于微信官方对Web协议的打击这些方案稳定性存疑更适合学习和轻度使用。对于追求稳定性的生产环境可能需要考虑基于Hook桌面客户端如3.9.2.23版本微信的方案但复杂度更高。大模型APIOpenAI API / 国内大模型API如文心、通义、智谱选择理由摘要和总结是当前大语言模型的强项。OpenAI的GPT系列效果公认较好但存在网络访问和成本问题。国内各大厂的API正在快速追赶且访问稳定、符合监管要求。本项目设计上应抽象出AI Provider层方便随时切换不同的模型供应商。核心架构整体是一个事件驱动的流水线架构。监听层微信机器人框架负责登录和监听消息事件。过滤与聚合层根据规则时间窗口、消息数量、关键词过滤无关消息如图片、系统通知并将相关文本消息聚合到一个“会话块”中。触发判断层判断当前“会话块”是否满足处理条件如数量阈值、关键词命中。AI处理层满足条件后构建Prompt调用选定的AI API并处理可能的错误如网络超时、额度不足。输出与反馈层格式化AI返回的结果通过机器人发送到指定目的地。这个架构清晰地将不同职责模块化便于后续维护和扩展例如增加新的触发规则或支持新的AI模型。2.3 关键设计决策如何定义“一次有效的讨论”这是项目的灵魂所在。什么样的聊天记录值得被总结我设计了以下几种可配置的触发策略通常可以组合使用基于时间窗口的消息累积这是最基础的策略。例如定义一个“会话窗口”为15分钟。在这15分钟内所有连续的文本消息会被收集起来。当窗口内的消息条数达到预设阈值比如30条则触发摘要。优点能捕捉到自然发生的集中讨论。缺点可能会把多个不相关的话题混在一起。基于关键词的精准触发用户可以预设一些触发词如#总结、#纪要、机器人 总结一下。当消息中出现这些词时机器人会收集触发词之前一段时间内如前20条或前10分钟的消息进行总结。优点用户有完全的控制权总结的目标明确。缺点需要用户主动“召唤”。基于发言人的权重可以给群内特定成员如项目经理、老师的发言赋予更高权重。当他们的发言达到一定比例或条数时触发总结确保核心人物的意见不被遗漏。定时任务例如每天下午6点自动总结当天该群的所有讨论这需要消息存储支持。在实际实现中我推荐优先使用“关键词触发”作为主模式因为它意图明确用户体验好。可以将“时间累积”作为辅助或备用模式用于捕捉那些忘了打关键词但确实很热烈的讨论。3. 核心模块解析与实操要点3.1 微信消息监听与预处理模块这是项目的地基必须稳定可靠。# 示例代码结构 (基于 ItChat) import itchat from itchat.content import TEXT, PICTURE, NOTE # 初始化并实现热登录避免每次扫码 itchat.auto_login(hotReloadTrue, enableCmdQR2) # enableCmdQR2 用于终端显示二维码 # 消息存储池用于聚合消息。结构{‘room_id‘: [{‘time‘: t, ‘sender‘: s, ‘content‘: c}, ...]} message_pool {} itchat.msg_register([TEXT], isGroupChatTrue) def handle_group_msg(msg): 处理群文本消息 # 1. 获取关键信息 room_id msg[‘FromUserName‘] # 群ID sender msg[‘ActualNickName‘] # 发送者群昵称 content msg[‘Text‘] timestamp msg[‘CreateTime‘] # 2. 过滤无效消息比如过短的消息、纯表情符号、特定前缀的指令消息如‘/‘开头 if len(content.strip()) 2 or content.startswith(‘/‘): return # 3. 将消息放入对应群的消息池 if room_id not in message_pool: message_pool[room_id] [] message_pool[room_id].append({ ‘time‘: timestamp, ‘sender‘: sender, ‘content‘: content }) # 4. 调用触发判断逻辑见下一节 check_and_trigger_summary(room_id, content)实操要点与避坑指南登录稳定性hotReloadTrue可以将登录状态保存为文件短期内无需重复扫码。但这个状态会过期通常几天到一两周不等。对于需要7x24小时运行的服务你需要实现一个守护进程定期检查登录状态并在失效时自动重新扫码这需要配合一个带图形界面的服务器或使用邮件/Telegram Bot发送二维码给你扫描。消息去重与清理message_pool不能无限增长。必须设置一个清理机制例如只保留最近1小时的消息或者当某个群的池子超过500条时清理掉最早的一半。否则内存会泄漏。异常处理网络波动、微信客户端掉线等情况都会导致消息接收失败。务必用try...except包裹核心逻辑并记录日志便于排查。隐私安全代码中会接触到聊天记录。务必在项目说明中明确告知用户数据的处理方式本地、临时、不存储。如果部署在云服务器安全性尤为重要。3.2 触发判断与消息聚合引擎这是项目的大脑决定了何时以及如何“打包”聊天记录。import time from collections import deque import re # 配置项 TRIGGER_KEYWORDS [‘#总结‘, ‘#纪要‘, ‘摘要机器人‘] TIME_WINDOW 900 # 15分钟单位秒 MSG_THRESHOLD 30 # 消息条数阈值 def check_and_trigger_summary(room_id, new_content): 检查是否触发摘要并执行相应操作 pool message_pool.get(room_id, []) if not pool: return # 策略1关键词触发 for keyword in TRIGGER_KEYWORDS: if keyword in new_content: # 当检测到关键词收集该关键词消息之前的N条消息例如前50条 target_messages pool[-50:] if len(pool) 50 else pool[:] if target_messages: # 启动摘要任务并清空该群当前消息池避免重复处理 asyncio.create_task(generate_and_send_summary(room_id, target_messages)) message_pool[room_id] [] # 清空已处理的消息 return # 策略2时间窗口数量阈值触发 current_time time.time() # 过滤出时间窗口内的消息 recent_messages [m for m in pool if current_time - m[‘time‘] TIME_WINDOW] if len(recent_messages) MSG_THRESHOLD: # 触发摘要 asyncio.create_task(generate_and_send_summary(room_id, recent_messages)) # 关键触发后从总池中移除这些已被处理的消息但保留窗口外的更早消息 # 实现略复杂需要根据消息的时间戳进行筛选移除此处简化 message_pool[room_id] [m for m in pool if current_time - m[‘time‘] TIME_WINDOW]注意事项异步处理生成摘要调用AI API是一个网络IO密集型操作可能会耗时几秒到十几秒。绝对不要在同步的消息处理回调函数中直接进行这会阻塞后续消息接收导致机器人“卡死”。必须使用异步任务如asyncio.create_task或线程池。消息池的线程安全如果你使用了多线程或异步对message_pool这个共享数据的读写需要加锁threading.Lock或asyncio.Lock防止数据错乱。触发策略的优先级如上例所示先检查关键词触发再检查阈值触发。你也可以设计更复杂的策略组合比如“有关键词立即触发无关键词则每半小时检查一次阈值”。清空策略触发总结后如何处理消息池是关键。上例中关键词触发后清空了整个池子而阈值触发只清空了满足时间窗口的那部分。你需要根据场景决定目标是避免同一段聊天记录被重复总结多次。3.3 AI摘要生成模块Prompt工程与API调用这是项目的核心价值所在Prompt指令的质量直接决定摘要的效果。import openai # 或 from zhipuai import ZhipuAI 等 # 配置你的AI API client openai.OpenAI(api_key‘your-api-key‘, base_url‘https://api.openai.com/v1‘) # 示例为OpenAI async def generate_summary(messages): 调用AI生成摘要 # 1. 将原始消息列表格式化为给AI看的文本 formatted_text format_messages_for_ai(messages) # 2. 构建系统指令和用户Prompt system_prompt “““你是一个专业的会议纪要助手和聊天摘要专家。你的任务是根据提供的微信群聊天记录生成一份清晰、准确、结构化的摘要。请遵循以下规则 1. 提取核心讨论主题和结论。 2. 识别并列出明确的行动项待办事项包括负责人如果能从昵称推断和截止时间如果有提及。 3. 记录已达成共识的观点和存在分歧的议题。 4. 语言简洁、客观使用中文输出。 5. 如果聊天内容琐碎或无实质信息请直接回复‘本次聊天内容较为琐碎未形成需要总结的核心议题。’ ”““ user_prompt f“““请对以下微信群聊天记录进行摘要 {formatted_text} ”““ # 3. 调用API try: response await client.chat.completions.create( model“gpt-3.5-turbo“, # 或 “gpt-4“, “claude-3-haiku“等 messages[ {“role“: “system“, “content“: system_prompt}, {“role“: “user“, “content“: user_prompt} ], temperature0.2, # 温度调低让输出更稳定、更专注于总结 max_tokens1000 # 控制输出长度 ) summary response.choices[0].message.content return summary.strip() except Exception as e: # 处理网络错误、额度不足、内容过滤等异常 logging.error(f“AI API调用失败: {e}“) return f“摘要生成失败: {str(e)}“ def format_messages_for_ai(messages): 将消息对象列表格式化为纯文本便于AI理解 lines [] for msg in messages: # 简单格式化 [时间] 发送者 内容 # 时间可以转换为人可读格式但AI对时间戳不敏感简单处理即可 time_str time.strftime(‘%H:%M‘, time.localtime(msg[‘time‘])) lines.append(f“[{time_str}] {msg[‘sender‘]}: {msg[‘content‘]}“) return “\n“.join(lines)Prompt工程心得角色设定System Prompt明确告诉AI它要扮演的角色和任务目标这能显著提升输出质量。结构化输出要求在指令中明确要求“列出行动项”、“记录分歧”AI会更倾向于生成结构化的内容。你甚至可以要求它用Markdown格式输出方便阅读。提供负面示例如规则5告诉AI在什么情况下应该“拒绝总结”可以避免对无意义的闲聊生成空洞的摘要。控制输出风格temperature参数控制创造性总结类任务建议设置在0.1-0.3之间保证输出的稳定性和一致性。成本与模型选择GPT-3.5-turbo性价比高基本满足摘要需求。GPT-4效果更好但贵。国内模型如文心一言、通义千问、智谱GLM的API也是不错的选择需要根据实际效果和预算权衡。3.4 结果回传与格式化模块生成摘要后需要美观地呈现给用户。async def generate_and_send_summary(room_id, messages_to_summarize): 生成摘要并发送回微信群 summary_text await generate_summary(messages_to_summarize) # 美化输出格式 final_output f“““ 群聊摘要生成报告 —————————————— *处理时段*: {time.strftime(‘%Y-%m-%d %H:%M‘, time.localtime(messages_to_summarize[0][‘time‘]))} 至 {time.strftime(‘%H:%M‘, time.localtime(time.time()))} *处理消息条数*: {len(messages_to_summarize)} —————————————— {summary_text} —————————————— (本摘要由AI自动生成仅供参考) ”““ # 通过itchat发送回原群或指定的通知群/联系人 # 注意itchat的发送函数是同步的在异步环境中需要使用run_in_executor await asyncio.get_event_loop().run_in_executor( None, itchat.send, final_output, room_id ) logging.info(f“已向群 {room_id} 发送摘要。“)格式化技巧添加元信息如处理的时间范围、消息条数让用户清楚摘要的覆盖范围。使用分隔符如---或让内容结构更清晰。免责声明注明“AI生成仅供参考”管理用户预期。发送目标不一定发回原群。可以考虑创建一个专门的“摘要通知群”让机器人把所有群的摘要都发到那里避免打扰原群的正常讨论。也可以私聊发送给特定管理员。4. 部署与运维实操指南4.1 本地开发环境搭建Python环境建议使用Python 3.8。使用venv或conda创建虚拟环境。python -m venv wechat-summary-env source wechat-summary-env/bin/activate # Linux/Mac # wechat-summary-env\Scripts\activate # Windows安装依赖创建requirements.txt文件。itchat-uos1.5.0.dev0 # 使用UOS分支可能更稳定 openai1.0.0 # 或 zhipuai, qianfan等 asyncio schedule # 用于定时任务 python-dotenv # 管理环境变量执行pip install -r requirements.txt。配置管理使用.env文件管理敏感信息切勿将API密钥等硬编码在代码中。# .env 文件 OPENAI_API_KEYsk-... WECHAT_SUMMARY_ROOM_IDxxx # 可选指定默认监听哪个群 TRIGGER_THRESHOLD30在代码中使用os.getenv(‘OPENAI_API_KEY‘)读取。4.2 服务器部署与后台运行在本地测试成功后需要部署到一台长期在线的服务器如云服务器。进程管理使用systemd或supervisor来管理你的Python脚本实现开机自启、崩溃重启、日志记录。systemd服务文件示例(/etc/systemd/system/wechat-summary.service)[Unit] DescriptionWeChat AI Summary Bot Afternetwork.target [Service] Typesimple Userubuntu WorkingDirectory/path/to/your/project Environment“PATH/path/to/your/venv/bin“ ExecStart/path/to/your/venv/bin/python /path/to/your/project/main.py Restarton-failure RestartSec10 StandardOutputsyslog StandardErrorsyslog SyslogIdentifierwechat-summary [Install] WantedBymulti-user.target然后执行sudo systemctl daemon-reload sudo systemctl enable wechat-summary.service sudo systemctl start wechat-summary.service # 查看状态和日志 sudo systemctl status wechat-summary.service journalctl -u wechat-summary.service -f登录挑战服务器通常无图形界面。首次登录需要扫码有以下几种方案方案A推荐先在本地有GUI的电脑上登录然后将登录状态文件itchat.pkl上传到服务器。这能解决首次登录问题但状态过期后仍需处理。方案B使用itchat的enableCmdQR2参数会在终端生成二维码的字符画。你可以复制这段字符画到本地能显示的工具上查看并扫码。也可以使用第三方库将二维码生成图片并通过邮件或Telegram Bot发送给你。方案C使用基于Hook的框架它们有时提供更稳定的登录保持机制但部署更复杂。日志记录使用Python的logging模块将日志输出到文件并配置日志轮转便于问题排查。import logging logging.basicConfig( levellogging.INFO, format‘%(asctime)s - %(name)s - %(levelname)s - %(message)s‘, handlers[ logging.FileHandler(‘summary_bot.log‘), logging.StreamHandler() ] )4.3 配置化与扩展性设计一个好的项目应该易于配置和扩展。使用配置文件将触发阈值、关键词、AI模型类型、目标群ID等配置项放入一个config.yaml或config.json文件。# config.yaml wechat: hot_reload: true trigger: keywords: - “#总结“ - “摘要助手“ time_window_seconds: 900 message_threshold: 30 ai: provider: “openai“ # 或 “zhipu“, “qianfan“ model: “gpt-3.5-turbo“ temperature: 0.2 output: send_to_original_group: false notification_room_id: “xxxxchatroom“ # 摘要统一发送到这个通知群支持多群组在配置文件中维护一个需要监听的群ID列表并在初始化时动态注册监听。抽象AI接口定义一个统一的AISummarizer抽象类或接口然后为OpenAISummarizer、ZhipuAISummarizer等实现具体类。这样切换AI供应商只需改一行配置。增加消息源未来可以扩展支持其他平台如钉钉、飞书、Telegram。核心的摘要引擎可以复用只需替换“消息监听”和“结果发送”这两个适配层。5. 常见问题、排查技巧与优化方向5.1 常见问题与解决方案速查表问题现象可能原因排查步骤与解决方案机器人收不到消息1. 微信未登录成功2. 登录状态失效3. 代码监听逻辑错误1. 检查日志确认登录流程无报错itchat.auto_login()成功。2. 删除本地itchat.pkl文件重新扫码登录。3. 检查itchat.msg_register装饰器是否正确应用且isGroupChatTrue。收到消息但未触发摘要1. 触发条件未满足2. 消息被过滤规则拦截3. 异步任务未正确启动1. 检查message_pool是否正常累积消息打印日志查看数量和内容。2. 检查过滤规则如长度、前缀是否误删了有效消息。3. 确认check_and_trigger_summary函数被调用且asyncio.create_task执行。检查是否有未处理的异常导致任务静默失败。AI摘要生成失败或返回空1. API密钥错误或额度不足2. 网络超时或代理问题3. Prompt设计问题AI不理解4. 内容被AI安全策略拒绝1. 检查API密钥环境变量在OpenAI后台查看额度。2. 增加请求超时时间检查服务器网络连通性。国内调用OpenAI需配置可靠代理。3. 简化Prompt或先用一段固定文本测试API是否正常工作。4. 尝试调整请求内容避免可能触发审核的敏感词。摘要内容质量差1. 喂给AI的聊天记录格式混乱2. Prompt指令不够清晰3. AI模型能力有限或温度参数过高1. 优化format_messages_for_ai函数确保时间、发言人、内容清晰分隔。2. 细化系统指令明确要求结构化输出如“请分点列出”。3. 尝试更换更强大的模型如GPT-4或降低temperature值。运行一段时间后内存占用高消息池message_pool未清理实现定期清理任务例如每10分钟清理所有群中超过1小时的消息。或使用deque并设置最大长度。无法在无GUI服务器扫码首次登录需要图形界面采用4.2节提到的方案A或B。推荐方案A上传登录状态文件结合方案B备用扫码方案。5.2 性能与稳定性优化方向消息池优化使用redis或sqlite替代内存字典存储消息池。这样即使程序重启历史消息也不会丢失在设定的时间窗口内并且更适合分布式部署。异步化改造将整个消息处理流程接收、过滤、触发、AI调用、发送全部异步化使用asyncio队列进行解耦提高并发处理能力防止某个环节阻塞整体。失败重试与降级AI API调用可能失败应加入重试机制如最多3次指数退避。如果所有重试失败可以降级为发送一条“摘要生成失败请稍后手动处理”的通知。摘要缓存对于内容相似的频繁讨论可以计算消息内容的哈希值短时间内相同的讨论不重复生成摘要节省API调用次数。健康检查与监控增加一个心跳机制定期向一个监控渠道如另一个微信小号发送“存活”状态。可以结合crontab或schedule库定时运行一个健康检查任务。5.3 隐私、安全与合规考量这是一个必须严肃对待的部分。数据最小化代码应设计为只处理文本消息并立即在内存中处理。明确不存储图片、语音、视频等媒体文件也不长期保存聊天记录。处理完成后聚合的文本数据也应尽快从内存中释放。用户知情与同意机器人加入的群组应确保群成员知晓机器人的存在和用途。最好在群公告中说明。API密钥安全永远不要将API密钥提交到Git等版本控制系统。使用环境变量或密钥管理服务。模型选择如果聊天内容涉及敏感信息优先考虑部署在本地或私有云的大模型开源方案如ChatGLM3、Qwen等虽然效果可能略逊于顶级商用API但数据完全可控。遵守平台规则了解并遵守微信等平台关于自动化工具的使用条款避免滥用导致账号被封禁。 基于Python与大模型的微信群聊AI摘要机器人实战指南
1. 项目概述一个能帮你“读”微信群的AI助手最近在折腾一个挺有意思的小玩意儿我把它叫做“微信聊天AI摘要机器人”。简单来说这玩意儿能帮你“盯”着微信群当群里的讨论达到一定规模或者出现你关心的关键词时它就会自动把这一大段聊天记录“喂”给AI比如ChatGPT、文心一言这类大语言模型然后生成一份精炼的摘要、一份待办事项列表甚至是一份讨论纪要再通过微信发回给你。这解决了什么痛点呢相信很多朋友都深有体会我们每天泡在无数个微信群里工作群、项目群、兴趣群、家长群……信息爆炸爬楼痛苦。重要的讨论可能被淹没在几百条“收到”、“哈哈哈”和表情包里。手动翻看不仅耗时还容易遗漏关键信息。这个项目的核心价值就是利用AI帮你做信息的“二次加工”和“提纯”把冗长的、碎片化的群聊变成结构化的、可快速消费的知识或待办清单。它特别适合这几类人项目经理需要跟踪多个项目群的每日进展社区运营者想快速了解社群热点和用户反馈知识社群成员希望高效获取群内精华讨论甚至是普通用户只想在家长群里快速知道老师今天布置了啥作业而不用爬完几百条“谢谢老师”。这个项目的技术栈非常“接地气”核心就是Python 微信机器人框架 大模型API。它不试图做一个全能的、侵入式的机器人而是定位为一个轻量、专注、可私有化部署的自动化工具。接下来我会带你从设计思路到代码实现完整拆解这个项目并分享我在搭建过程中踩过的坑和总结的经验。2. 项目整体设计与核心思路拆解2.1 核心需求与功能边界定义在动手写代码之前明确“做什么”和“不做什么”至关重要。这个项目的核心需求非常聚焦监听指定微信群机器人需要能实时或定时获取目标微信群的新消息。消息聚合与触发判断不能每条消息都处理需要设计规则比如“当10分钟内累积消息超过50条”或“当消息中出现#会议纪要、#总结等关键词时”才触发处理流程。调用大模型进行摘要将聚合后的原始聊天记录连同清晰的指令Prompt发送给选定的AI模型接口。结果格式化与回传将AI返回的摘要、待办列表等格式化为易读的文本并通过微信发送到指定位置可以是原群、另一个通知群或私聊发送给指定用户。同时我们也需要划定清晰的边界不涉及消息存储本项目专注于实时处理原则上不长期存储聊天记录处理完即丢弃这涉及隐私和安全考量。如果需要历史分析那是另一个更复杂的项目。不破解微信协议我们使用成熟的、基于微信Web协议或桌面客户端协议的机器人框架避免触碰官方红线。非全自动回复它不是一个聊天机器人不参与群聊讨论它的核心工作是“观察-处理-报告”是一个单向的信息处理管道。2.2 技术选型与架构设计基于以上需求我选择了以下技术栈并解释了为什么这么选微信机器人框架ItChat / wxpy备选选择理由ItChat是一个基于微信Web协议的Python库开发简单社区活跃适合快速原型验证。虽然Web协议有被限制登录的风险但对于个人或小范围使用的工具来说其易用性是最大的优势。wxpy基于ItChat进行了封装提供了更友好的接口。注意由于微信官方对Web协议的打击这些方案稳定性存疑更适合学习和轻度使用。对于追求稳定性的生产环境可能需要考虑基于Hook桌面客户端如3.9.2.23版本微信的方案但复杂度更高。大模型APIOpenAI API / 国内大模型API如文心、通义、智谱选择理由摘要和总结是当前大语言模型的强项。OpenAI的GPT系列效果公认较好但存在网络访问和成本问题。国内各大厂的API正在快速追赶且访问稳定、符合监管要求。本项目设计上应抽象出AI Provider层方便随时切换不同的模型供应商。核心架构整体是一个事件驱动的流水线架构。监听层微信机器人框架负责登录和监听消息事件。过滤与聚合层根据规则时间窗口、消息数量、关键词过滤无关消息如图片、系统通知并将相关文本消息聚合到一个“会话块”中。触发判断层判断当前“会话块”是否满足处理条件如数量阈值、关键词命中。AI处理层满足条件后构建Prompt调用选定的AI API并处理可能的错误如网络超时、额度不足。输出与反馈层格式化AI返回的结果通过机器人发送到指定目的地。这个架构清晰地将不同职责模块化便于后续维护和扩展例如增加新的触发规则或支持新的AI模型。2.3 关键设计决策如何定义“一次有效的讨论”这是项目的灵魂所在。什么样的聊天记录值得被总结我设计了以下几种可配置的触发策略通常可以组合使用基于时间窗口的消息累积这是最基础的策略。例如定义一个“会话窗口”为15分钟。在这15分钟内所有连续的文本消息会被收集起来。当窗口内的消息条数达到预设阈值比如30条则触发摘要。优点能捕捉到自然发生的集中讨论。缺点可能会把多个不相关的话题混在一起。基于关键词的精准触发用户可以预设一些触发词如#总结、#纪要、机器人 总结一下。当消息中出现这些词时机器人会收集触发词之前一段时间内如前20条或前10分钟的消息进行总结。优点用户有完全的控制权总结的目标明确。缺点需要用户主动“召唤”。基于发言人的权重可以给群内特定成员如项目经理、老师的发言赋予更高权重。当他们的发言达到一定比例或条数时触发总结确保核心人物的意见不被遗漏。定时任务例如每天下午6点自动总结当天该群的所有讨论这需要消息存储支持。在实际实现中我推荐优先使用“关键词触发”作为主模式因为它意图明确用户体验好。可以将“时间累积”作为辅助或备用模式用于捕捉那些忘了打关键词但确实很热烈的讨论。3. 核心模块解析与实操要点3.1 微信消息监听与预处理模块这是项目的地基必须稳定可靠。# 示例代码结构 (基于 ItChat) import itchat from itchat.content import TEXT, PICTURE, NOTE # 初始化并实现热登录避免每次扫码 itchat.auto_login(hotReloadTrue, enableCmdQR2) # enableCmdQR2 用于终端显示二维码 # 消息存储池用于聚合消息。结构{‘room_id‘: [{‘time‘: t, ‘sender‘: s, ‘content‘: c}, ...]} message_pool {} itchat.msg_register([TEXT], isGroupChatTrue) def handle_group_msg(msg): 处理群文本消息 # 1. 获取关键信息 room_id msg[‘FromUserName‘] # 群ID sender msg[‘ActualNickName‘] # 发送者群昵称 content msg[‘Text‘] timestamp msg[‘CreateTime‘] # 2. 过滤无效消息比如过短的消息、纯表情符号、特定前缀的指令消息如‘/‘开头 if len(content.strip()) 2 or content.startswith(‘/‘): return # 3. 将消息放入对应群的消息池 if room_id not in message_pool: message_pool[room_id] [] message_pool[room_id].append({ ‘time‘: timestamp, ‘sender‘: sender, ‘content‘: content }) # 4. 调用触发判断逻辑见下一节 check_and_trigger_summary(room_id, content)实操要点与避坑指南登录稳定性hotReloadTrue可以将登录状态保存为文件短期内无需重复扫码。但这个状态会过期通常几天到一两周不等。对于需要7x24小时运行的服务你需要实现一个守护进程定期检查登录状态并在失效时自动重新扫码这需要配合一个带图形界面的服务器或使用邮件/Telegram Bot发送二维码给你扫描。消息去重与清理message_pool不能无限增长。必须设置一个清理机制例如只保留最近1小时的消息或者当某个群的池子超过500条时清理掉最早的一半。否则内存会泄漏。异常处理网络波动、微信客户端掉线等情况都会导致消息接收失败。务必用try...except包裹核心逻辑并记录日志便于排查。隐私安全代码中会接触到聊天记录。务必在项目说明中明确告知用户数据的处理方式本地、临时、不存储。如果部署在云服务器安全性尤为重要。3.2 触发判断与消息聚合引擎这是项目的大脑决定了何时以及如何“打包”聊天记录。import time from collections import deque import re # 配置项 TRIGGER_KEYWORDS [‘#总结‘, ‘#纪要‘, ‘摘要机器人‘] TIME_WINDOW 900 # 15分钟单位秒 MSG_THRESHOLD 30 # 消息条数阈值 def check_and_trigger_summary(room_id, new_content): 检查是否触发摘要并执行相应操作 pool message_pool.get(room_id, []) if not pool: return # 策略1关键词触发 for keyword in TRIGGER_KEYWORDS: if keyword in new_content: # 当检测到关键词收集该关键词消息之前的N条消息例如前50条 target_messages pool[-50:] if len(pool) 50 else pool[:] if target_messages: # 启动摘要任务并清空该群当前消息池避免重复处理 asyncio.create_task(generate_and_send_summary(room_id, target_messages)) message_pool[room_id] [] # 清空已处理的消息 return # 策略2时间窗口数量阈值触发 current_time time.time() # 过滤出时间窗口内的消息 recent_messages [m for m in pool if current_time - m[‘time‘] TIME_WINDOW] if len(recent_messages) MSG_THRESHOLD: # 触发摘要 asyncio.create_task(generate_and_send_summary(room_id, recent_messages)) # 关键触发后从总池中移除这些已被处理的消息但保留窗口外的更早消息 # 实现略复杂需要根据消息的时间戳进行筛选移除此处简化 message_pool[room_id] [m for m in pool if current_time - m[‘time‘] TIME_WINDOW]注意事项异步处理生成摘要调用AI API是一个网络IO密集型操作可能会耗时几秒到十几秒。绝对不要在同步的消息处理回调函数中直接进行这会阻塞后续消息接收导致机器人“卡死”。必须使用异步任务如asyncio.create_task或线程池。消息池的线程安全如果你使用了多线程或异步对message_pool这个共享数据的读写需要加锁threading.Lock或asyncio.Lock防止数据错乱。触发策略的优先级如上例所示先检查关键词触发再检查阈值触发。你也可以设计更复杂的策略组合比如“有关键词立即触发无关键词则每半小时检查一次阈值”。清空策略触发总结后如何处理消息池是关键。上例中关键词触发后清空了整个池子而阈值触发只清空了满足时间窗口的那部分。你需要根据场景决定目标是避免同一段聊天记录被重复总结多次。3.3 AI摘要生成模块Prompt工程与API调用这是项目的核心价值所在Prompt指令的质量直接决定摘要的效果。import openai # 或 from zhipuai import ZhipuAI 等 # 配置你的AI API client openai.OpenAI(api_key‘your-api-key‘, base_url‘https://api.openai.com/v1‘) # 示例为OpenAI async def generate_summary(messages): 调用AI生成摘要 # 1. 将原始消息列表格式化为给AI看的文本 formatted_text format_messages_for_ai(messages) # 2. 构建系统指令和用户Prompt system_prompt “““你是一个专业的会议纪要助手和聊天摘要专家。你的任务是根据提供的微信群聊天记录生成一份清晰、准确、结构化的摘要。请遵循以下规则 1. 提取核心讨论主题和结论。 2. 识别并列出明确的行动项待办事项包括负责人如果能从昵称推断和截止时间如果有提及。 3. 记录已达成共识的观点和存在分歧的议题。 4. 语言简洁、客观使用中文输出。 5. 如果聊天内容琐碎或无实质信息请直接回复‘本次聊天内容较为琐碎未形成需要总结的核心议题。’ ”““ user_prompt f“““请对以下微信群聊天记录进行摘要 {formatted_text} ”““ # 3. 调用API try: response await client.chat.completions.create( model“gpt-3.5-turbo“, # 或 “gpt-4“, “claude-3-haiku“等 messages[ {“role“: “system“, “content“: system_prompt}, {“role“: “user“, “content“: user_prompt} ], temperature0.2, # 温度调低让输出更稳定、更专注于总结 max_tokens1000 # 控制输出长度 ) summary response.choices[0].message.content return summary.strip() except Exception as e: # 处理网络错误、额度不足、内容过滤等异常 logging.error(f“AI API调用失败: {e}“) return f“摘要生成失败: {str(e)}“ def format_messages_for_ai(messages): 将消息对象列表格式化为纯文本便于AI理解 lines [] for msg in messages: # 简单格式化 [时间] 发送者 内容 # 时间可以转换为人可读格式但AI对时间戳不敏感简单处理即可 time_str time.strftime(‘%H:%M‘, time.localtime(msg[‘time‘])) lines.append(f“[{time_str}] {msg[‘sender‘]}: {msg[‘content‘]}“) return “\n“.join(lines)Prompt工程心得角色设定System Prompt明确告诉AI它要扮演的角色和任务目标这能显著提升输出质量。结构化输出要求在指令中明确要求“列出行动项”、“记录分歧”AI会更倾向于生成结构化的内容。你甚至可以要求它用Markdown格式输出方便阅读。提供负面示例如规则5告诉AI在什么情况下应该“拒绝总结”可以避免对无意义的闲聊生成空洞的摘要。控制输出风格temperature参数控制创造性总结类任务建议设置在0.1-0.3之间保证输出的稳定性和一致性。成本与模型选择GPT-3.5-turbo性价比高基本满足摘要需求。GPT-4效果更好但贵。国内模型如文心一言、通义千问、智谱GLM的API也是不错的选择需要根据实际效果和预算权衡。3.4 结果回传与格式化模块生成摘要后需要美观地呈现给用户。async def generate_and_send_summary(room_id, messages_to_summarize): 生成摘要并发送回微信群 summary_text await generate_summary(messages_to_summarize) # 美化输出格式 final_output f“““ 群聊摘要生成报告 —————————————— *处理时段*: {time.strftime(‘%Y-%m-%d %H:%M‘, time.localtime(messages_to_summarize[0][‘time‘]))} 至 {time.strftime(‘%H:%M‘, time.localtime(time.time()))} *处理消息条数*: {len(messages_to_summarize)} —————————————— {summary_text} —————————————— (本摘要由AI自动生成仅供参考) ”““ # 通过itchat发送回原群或指定的通知群/联系人 # 注意itchat的发送函数是同步的在异步环境中需要使用run_in_executor await asyncio.get_event_loop().run_in_executor( None, itchat.send, final_output, room_id ) logging.info(f“已向群 {room_id} 发送摘要。“)格式化技巧添加元信息如处理的时间范围、消息条数让用户清楚摘要的覆盖范围。使用分隔符如---或让内容结构更清晰。免责声明注明“AI生成仅供参考”管理用户预期。发送目标不一定发回原群。可以考虑创建一个专门的“摘要通知群”让机器人把所有群的摘要都发到那里避免打扰原群的正常讨论。也可以私聊发送给特定管理员。4. 部署与运维实操指南4.1 本地开发环境搭建Python环境建议使用Python 3.8。使用venv或conda创建虚拟环境。python -m venv wechat-summary-env source wechat-summary-env/bin/activate # Linux/Mac # wechat-summary-env\Scripts\activate # Windows安装依赖创建requirements.txt文件。itchat-uos1.5.0.dev0 # 使用UOS分支可能更稳定 openai1.0.0 # 或 zhipuai, qianfan等 asyncio schedule # 用于定时任务 python-dotenv # 管理环境变量执行pip install -r requirements.txt。配置管理使用.env文件管理敏感信息切勿将API密钥等硬编码在代码中。# .env 文件 OPENAI_API_KEYsk-... WECHAT_SUMMARY_ROOM_IDxxx # 可选指定默认监听哪个群 TRIGGER_THRESHOLD30在代码中使用os.getenv(‘OPENAI_API_KEY‘)读取。4.2 服务器部署与后台运行在本地测试成功后需要部署到一台长期在线的服务器如云服务器。进程管理使用systemd或supervisor来管理你的Python脚本实现开机自启、崩溃重启、日志记录。systemd服务文件示例(/etc/systemd/system/wechat-summary.service)[Unit] DescriptionWeChat AI Summary Bot Afternetwork.target [Service] Typesimple Userubuntu WorkingDirectory/path/to/your/project Environment“PATH/path/to/your/venv/bin“ ExecStart/path/to/your/venv/bin/python /path/to/your/project/main.py Restarton-failure RestartSec10 StandardOutputsyslog StandardErrorsyslog SyslogIdentifierwechat-summary [Install] WantedBymulti-user.target然后执行sudo systemctl daemon-reload sudo systemctl enable wechat-summary.service sudo systemctl start wechat-summary.service # 查看状态和日志 sudo systemctl status wechat-summary.service journalctl -u wechat-summary.service -f登录挑战服务器通常无图形界面。首次登录需要扫码有以下几种方案方案A推荐先在本地有GUI的电脑上登录然后将登录状态文件itchat.pkl上传到服务器。这能解决首次登录问题但状态过期后仍需处理。方案B使用itchat的enableCmdQR2参数会在终端生成二维码的字符画。你可以复制这段字符画到本地能显示的工具上查看并扫码。也可以使用第三方库将二维码生成图片并通过邮件或Telegram Bot发送给你。方案C使用基于Hook的框架它们有时提供更稳定的登录保持机制但部署更复杂。日志记录使用Python的logging模块将日志输出到文件并配置日志轮转便于问题排查。import logging logging.basicConfig( levellogging.INFO, format‘%(asctime)s - %(name)s - %(levelname)s - %(message)s‘, handlers[ logging.FileHandler(‘summary_bot.log‘), logging.StreamHandler() ] )4.3 配置化与扩展性设计一个好的项目应该易于配置和扩展。使用配置文件将触发阈值、关键词、AI模型类型、目标群ID等配置项放入一个config.yaml或config.json文件。# config.yaml wechat: hot_reload: true trigger: keywords: - “#总结“ - “摘要助手“ time_window_seconds: 900 message_threshold: 30 ai: provider: “openai“ # 或 “zhipu“, “qianfan“ model: “gpt-3.5-turbo“ temperature: 0.2 output: send_to_original_group: false notification_room_id: “xxxxchatroom“ # 摘要统一发送到这个通知群支持多群组在配置文件中维护一个需要监听的群ID列表并在初始化时动态注册监听。抽象AI接口定义一个统一的AISummarizer抽象类或接口然后为OpenAISummarizer、ZhipuAISummarizer等实现具体类。这样切换AI供应商只需改一行配置。增加消息源未来可以扩展支持其他平台如钉钉、飞书、Telegram。核心的摘要引擎可以复用只需替换“消息监听”和“结果发送”这两个适配层。5. 常见问题、排查技巧与优化方向5.1 常见问题与解决方案速查表问题现象可能原因排查步骤与解决方案机器人收不到消息1. 微信未登录成功2. 登录状态失效3. 代码监听逻辑错误1. 检查日志确认登录流程无报错itchat.auto_login()成功。2. 删除本地itchat.pkl文件重新扫码登录。3. 检查itchat.msg_register装饰器是否正确应用且isGroupChatTrue。收到消息但未触发摘要1. 触发条件未满足2. 消息被过滤规则拦截3. 异步任务未正确启动1. 检查message_pool是否正常累积消息打印日志查看数量和内容。2. 检查过滤规则如长度、前缀是否误删了有效消息。3. 确认check_and_trigger_summary函数被调用且asyncio.create_task执行。检查是否有未处理的异常导致任务静默失败。AI摘要生成失败或返回空1. API密钥错误或额度不足2. 网络超时或代理问题3. Prompt设计问题AI不理解4. 内容被AI安全策略拒绝1. 检查API密钥环境变量在OpenAI后台查看额度。2. 增加请求超时时间检查服务器网络连通性。国内调用OpenAI需配置可靠代理。3. 简化Prompt或先用一段固定文本测试API是否正常工作。4. 尝试调整请求内容避免可能触发审核的敏感词。摘要内容质量差1. 喂给AI的聊天记录格式混乱2. Prompt指令不够清晰3. AI模型能力有限或温度参数过高1. 优化format_messages_for_ai函数确保时间、发言人、内容清晰分隔。2. 细化系统指令明确要求结构化输出如“请分点列出”。3. 尝试更换更强大的模型如GPT-4或降低temperature值。运行一段时间后内存占用高消息池message_pool未清理实现定期清理任务例如每10分钟清理所有群中超过1小时的消息。或使用deque并设置最大长度。无法在无GUI服务器扫码首次登录需要图形界面采用4.2节提到的方案A或B。推荐方案A上传登录状态文件结合方案B备用扫码方案。5.2 性能与稳定性优化方向消息池优化使用redis或sqlite替代内存字典存储消息池。这样即使程序重启历史消息也不会丢失在设定的时间窗口内并且更适合分布式部署。异步化改造将整个消息处理流程接收、过滤、触发、AI调用、发送全部异步化使用asyncio队列进行解耦提高并发处理能力防止某个环节阻塞整体。失败重试与降级AI API调用可能失败应加入重试机制如最多3次指数退避。如果所有重试失败可以降级为发送一条“摘要生成失败请稍后手动处理”的通知。摘要缓存对于内容相似的频繁讨论可以计算消息内容的哈希值短时间内相同的讨论不重复生成摘要节省API调用次数。健康检查与监控增加一个心跳机制定期向一个监控渠道如另一个微信小号发送“存活”状态。可以结合crontab或schedule库定时运行一个健康检查任务。5.3 隐私、安全与合规考量这是一个必须严肃对待的部分。数据最小化代码应设计为只处理文本消息并立即在内存中处理。明确不存储图片、语音、视频等媒体文件也不长期保存聊天记录。处理完成后聚合的文本数据也应尽快从内存中释放。用户知情与同意机器人加入的群组应确保群成员知晓机器人的存在和用途。最好在群公告中说明。API密钥安全永远不要将API密钥提交到Git等版本控制系统。使用环境变量或密钥管理服务。模型选择如果聊天内容涉及敏感信息优先考虑部署在本地或私有云的大模型开源方案如ChatGLM3、Qwen等虽然效果可能略逊于顶级商用API但数据完全可控。遵守平台规则了解并遵守微信等平台关于自动化工具的使用条款避免滥用导致账号被封禁。