【AI大模型】:结合wxauto实现智能微信聊天机器人

【AI大模型】:结合wxauto实现智能微信聊天机器人

文章目录

在这里插入图片描述

🧐一、wxauto简介

wxauto 是一个基于 UIAutomation 的开源 Python 微信自动化库。Python 初学者也可以简单上手自动化微信操作。目前已实现很多日常的微信操作的自动化,如自动发送消息、自动添加好友、自动回复、自动获取聊天记录、图片、文件等功能,后续还会根据反馈更新更多功能。

wxauto的github链接https://github.com/cluic/wxauto【点击跳转】

🎯二、wxauto的主要功能

  • 消息发送:支持发送文字、图片、文件、@群好友、引用消息等功能
  • 聊天记录:可获取好友的聊天记录内容
  • 监听消息:实时获取指定监听好友(群)的新消息
  • 其他定制功能:根据需求定制自动化流程,满足各种特殊需求。

📦三、wxauto的安装与使用

1. wxauto的安装

安装 wxauto 非常简单,和其他第三方库一样在命令行输入以下命令即可:

pip install wxauto
pip install wxauto -i https://pypi.tuna.tsinghua.edu.cn/simple
换源安装

注意:目前wxauto只支持 Windows 10|11|Server2016+ 系统,苹果等电脑的系统并不支持,Python环境要求 Python:3.7+(不支持3.7.6和3.8.1)注意!!!Python版本不支持3.7.6和3.8.1微信版本默认分支为微信3.9.11.17版本,使用前请先检查自己电脑微信是否为该版本,版本不同可能由于UI问题导致某些功能无法正常调用。

注意:如果你的微信版本可以用的话,也不需要过多纠结这个。

2. wxauto的简单使用

注意:在运行代码前一定要确保PC微信客户端已经登陆。
【示例1】:基于wxauto发送消息
使用场景:可以重复发送一样的内容达到消息轰炸

from wxauto import* wx = WeChat() content ='hello world' who ='文件传输助手'for i inrange(15): wx.SendMsg(msg=content, who=who)
在这里插入图片描述

附带@好友的消息

from wxauto import* wx = WeChat() content ='hello world' who ='文件传输助手' name ='文件传输助手' wx.SendMsg(msg=content, who=who, at=name)# 要 @ 的人
在这里插入图片描述

发送图片/视频/文件消息SendFiles
参数说明:

参数名类型默认值说明
filepathstr 或 list/指定文件路径,单个文件str,多个文件list
whostrNone要发送给谁,默认则发送给当前打开的页面
from wxauto import* wx = WeChat() content ='hello world' who ='文件传输助手'file=[r'D:\软件\图片\荒.png',r'D:\C语言学习资料\高质量的C-C++编程.pdf'] wx.SendFiles(filepath=file, who=who)
在这里插入图片描述

聊天窗口消息获取

默认为当前聊天窗口

from wxauto import* wx = WeChat()# 获取当前聊天窗口消息 msgs = wx.GetAllMessage()# 输出消息内容for msg in msgs:if msg.type=='sys':print(f'【系统消息】{msg.content}')elif msg.type=='friend': sender = msg.sender_remark # 获取备注名print(f'{sender.rjust(20)}:{msg.content}')elif msg.type=='self':print(f'{msg.sender.ljust(20)}:{msg.content}')elif msg.type=='time':print(f'\n【时间消息】{msg.time}')elif msg.type=='recall':print(f'【撤回消息】{msg.content}')
在这里插入图片描述


另外LoadMoreMessage方法用于加载更多历史消息,配合GetAllMessage方法使用,实现获取更多历史消息。
注意:LoadMoreMessage方法加载更多历史消息时,需要保证当前聊天窗口有历史消息,否则没有效果,即触发一次“查看更多消息”。

from wxauto import WeChat wx = WeChat()# 加载更多历史消息 wx.LoadMoreMessage()# 获取当前聊天窗口消息 msgs = wx.GetAllMessage()# 消息处理逻辑代码。。。

微信添加好友
AddNewFriend方法用于发起好友申请。
注意:微信有一定的限制,如果频繁添加好友,可能会被限制添加好友的权限,请谨慎使用,切勿滥用!!!

from wxauto import* wx = WeChat() keywords ='s15576806087'# 对方的微信号、手机号、QQ号 addmsg ='你好,我是xxxx'# 添加好友的消息 remark ='备注名字'# 备注名,没有则不用设置 tags =['朋友','同事']# 标签列表# 发起好友申请 wx.AddNewFriend(keywords, addmsg=addmsg, remark=remark, tags=tags)
在这里插入图片描述

获取好友信息

from wxauto import WeChat wx = WeChat() friend_infos = wx.GetAllFriends()# 获取好友信息print(friend_infos)
3. wxauto的消息对象

这个很重要,下面结合大模型时会用到以下的消息对象。
好友消息

在这里插入图片描述


支持属性

属性名类型说明
typestr消息类型,固定为friend
contentstr消息内容
senderstr发送者
sender_remarkstr发送者备注名
infolist原始消息信息,包含了消息的所有信息
controluiautomation.Control该消息的uiautomation控件
idstr消息id
msgs = wx.GetAllMessage()for msg in msgs:if msg.type=='friend':# 消息类型 sender = msg.sender_remark # 获取备注名print(f'{sender}:{msg.content}')
在这里插入图片描述

自己的消息

在这里插入图片描述


支持属性

属性名类型说明
typestr消息类型,固定为self
contentstr消息内容
senderstr发送者
sender_remarkstr发送者备注名
infolist原始消息信息,包含了消息的所有信息
controluiautomation.Control该消息的uiautomation控件
idstr消息id
msgs = wx.GetAllMessage()for msg in msgs:if msg.type=='self':# 消息类型print(f'{msg.sender}:{msg.content}')
在这里插入图片描述

💻四、wxauto结合大模型实现简单的聊天机器人

这里选用的是百度的千帆大模型,首先登陆进去之后点击模型广场,随便选一个免费的就行。

在这里插入图片描述


选择好模型之后,点进去,点击那个开通付费【免费的,不要钱,放心点击】,提交订单就开通成功啦。

在这里插入图片描述
在这里插入图片描述


返回到主页,点击应用接入,记住这里的API KeySecret Key,点击创建应用。

在这里插入图片描述


填写好应用名称和应用描述(随便填一下就好了),点击确定。

在这里插入图片描述


返回主页,点击模型广场,点击你之前选择的模型,点击API文档。

在这里插入图片描述


往下翻找到对应的请求示例的Python代码,复制那段代码。

在这里插入图片描述


复制好代码后,将你对应的API KeySecret Key给添加上去。

在这里插入图片描述


运行一下代码可以看到,result就是大模型根据我们的问题给出的结果,现在我们只需要将content改成微信中好友发送过来的消息作为问题给大模型,然后将大模型给出的结果中的result提取出来作为内容发送给好友,这样,一个简单的微信聊天机器人就完成了。

在这里插入图片描述

🎧五、完整代码

import requests import json from wxauto import WeChat defget_access_token():""" 使用 API Key,Secret Key 获取access_token,替换下列示例中的应用API Key、应用Secret Key """ url ="https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=[应用API Key]&client_secret=[应用Secret Key]" payload = json.dumps("") headers ={'Content-Type':'application/json','Accept':'application/json'} response = requests.request("POST", url, headers=headers, data=payload)return response.json().get("access_token")defmain(wx1, msg1): url ="https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/ernie-speed-128k?access_token="+ get_access_token() payload = json.dumps({"messages":[{"role":"user","content": msg1 }]}) headers ={'Content-Type':'application/json'} response = requests.request("POST", url, headers=headers, data=payload) json_result = json.loads(response.text)print(json_result)# print(response.text) wx.SendMsg(msg=json_result['result']+"--此内容为AI生成", who="你要发送的人")if __name__ =='__main__': wx = WeChat()whileTrue: msgs = wx.GetAllMessage()if msgs:if msgs[-1].type=="friend": main(wx, msgs[-1].content)
在这里插入图片描述

Read more

AstrBot+NapCat 一键部署 5 分钟搞定智能 QQ 机器人!cpolar解决公网访问 :cpolar 内网穿透实验室第 777 个成功挑战

AstrBot+NapCat 一键部署 5 分钟搞定智能 QQ 机器人!cpolar解决公网访问 :cpolar 内网穿透实验室第 777 个成功挑战

这篇教程会带你用最简单的方式:**只用一份 docker-compose,一次命令,5 分钟以内完成 AstrBot + NapCat 部署,把 DeepSeekAI 接入你的 QQ。**AstrBot 本身就是为 AI 而生的现代化机器人框架,插件丰富、支持 DeepSeek/OpenAI 等大模型、带 WebUI、可扩展性强,真正做到"搭好就能用"。照着做,你马上就能拥有属于自己的 QQ AI 机器人。 1 项目介绍 1.1 AstrBot是什么? GitHub 仓库:https://github.com/AstrBotDevs/AstrBot AstrBot 是一个专为 AI 大模型设计的开源聊天机器人框架,

By Ne0inhk
从0到1打造RISC-V智能家居中控:硬件+固件+通信全链路实战

从0到1打造RISC-V智能家居中控:硬件+固件+通信全链路实战

👋 大家好,欢迎来到我的技术博客! 📚 在这里,我会分享学习笔记、实战经验与技术思考,力求用简单的方式讲清楚复杂的问题。 🌱 无论你是刚入门的新手,还是正在进阶的开发者,希望你都能有所收获! 文章目录 * 从0到1打造RISC-V智能家居中控:硬件+固件+通信全链路实战 🏠💡 * 为什么选择RISC-V?🤔 * 系统整体架构概览 🧩 * 第一步:硬件选型与电路搭建 🔌 * 主控芯片选择 * 外设连接 * 第二步:开发环境搭建 🛠️ * 安装步骤(以Ubuntu为例) * 第三步:裸机驱动开发(Bare Metal)⚡ * 示例1:DHT11温湿度读取(Bit-banging) * 示例2:BH1750光照传感器(I2C) * 第四步:引入FreeRTOS实现多任务调度 🔄 * 第五步:Wi-Fi连接与MQTT通信 ☁️📡 * 连接Wi-Fi * MQTT客户端(使用esp-mqtt库) * 第六步:BLE本地控制(无需Wi-Fi)📱

By Ne0inhk
机器人远程监控与OTA升级

机器人远程监控与OTA升级

7.4.1 远程监控的理论框架 远程监控是物联网和工业4.0时代的核心技术,其理论任务是通过网络通信手段,实现对分布式机器人设备的实时状态感知、故障预警和远程干预 。对于机器人系统而言,远程监控不仅是数据可视化的问题,更是一个涉及数据采集、传输、处理、分析和决策的闭环系统工程。 远程监控系统的三层理论架构: 感知层解决“数据从哪里来”的问题。包括机器人本体上的各类传感器(温度、振动、电流、位置)、控制器状态(CPU负载、内存使用、存储寿命)以及运行日志的采集 。感知层的理论基础是传感器技术和信号处理,其核心挑战是在不影响机器人实时控制的前提下,高效、可靠地获取状态数据。 传输层解决“数据怎么传”的问题。根据应用场景的不同,可采用Wi-Fi(室内短距)、4G/5G(广域移动)、工业以太网(固定工位)等不同通信方式 。传输层的理论基础是网络通信协议栈,其核心挑战是保证数据在复杂工业环境下的实时性、可靠性和安全性。 应用层解决“数据怎么用”

By Ne0inhk

neo4j desktop2 安装与使用

1. Neo4j Desktop 2 简介 1.1 Neo4j Desktop 2 的核心功能与优势 Neo4j Desktop 2 是 Neo4j 官方推出的图形化数据库管理工具,专为开发者和数据科学家设计。 其主要优势包括: 一体化开发环境:集成了数据库实例管理、查询编辑、数据可视化和扩展管理 本地开发友好:支持在本地机器上快速创建和测试图数据库实例 多版本管理:可同时管理多个 Neo4j 数据库版本 插件生态系统:内置插件市场,轻松安装常用扩展  项目管理:以项目为单位组织数据库、查询和配置   1.2 适用场景 图数据库开发:为应用程序开发提供本地图数据库环境 本地测试:在部署到生产环境前进行数据模型测试和查询验证 项目管理:管理多个图数据库项目,保持环境隔离 教育与学习:学习 Cypher 查询语言和图数据库概念 2.

By Ne0inhk