# AutoWechat_LMStudio

**Repository Path**: lilies/AutoWechat_LMStudio

## Basic Information

- **Project Name**: AutoWechat_LMStudio
- **Description**: 使用LMStudio和Python实现微信自动AI回复
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2025-02-09
- **Last Updated**: 2025-02-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AutoWechat_LMStudio
使用LMStudio和Python实现微信自动AI回复
# 微信智能自动回复机器人

## 目录

- [项目简介](#项目简介)
- [功能特点](#功能特点)
- [LM Studio和模型安装](#LM-Studio和模型安装)
- [Python准备](#Python准备)
- [函数说明](#函数说明)
- [使用方法](#使用方法)
## 项目简介
本项目是一个基于微信的智能自动回复机器人，结合了微信消息监听和流式对话 API 的功能。当用户在微信群或私聊中发送包含 `@乌龟向上爬` 的消息时，机器人会自动调用对话 API 生成回复，并将回复内容发送回微信。

## 功能特点
1. **微信消息监听**：实时监听微信消息，支持群聊和私聊。
2. **触发回复**：仅当消息中包含 `@乌龟向上爬` 时触发回复。
3. **流式对话 API**：调用流式对话 API 生成回复，支持实时流式输出。
4. **过滤无效内容**：自动过滤 `<think>` 标签和空行，确保回复内容简洁。
5. **排除自己消息**：自动排除自己发送的消息，避免重复触发。

---

## LM Studio和模型安装
### 1. 官网下载：[LM Studio](https://lmstudio.ai/) 
没什么弯弯绕绕，直接下载对应平台，然后安装即可。安装好后在设置中可以找到语言，设置为中文。

### 2. 下载模型
1. 大多数教程都是去[Hugging Face](https://huggingface.co/)下载，但是要魔法
2. 没有魔法的话，可以去镜像网站：[hf-mirror](https://hf-mirror.com/)
3. 但是直接去找模型对于新手不仅眼花，而且容易白下载不合适的模型，建议在lmstudio里面下，最简单也最直观：
- 点击左侧的放大镜切页，打开下载界面，在上面搜索deepseek或者其他感兴趣的，然后找到右边的详情：（有可能会存在搜索失败的情况，可以试多几次，应该不用魔法）
![downloadModel](Img/downloadModel.png)
- 在详情界面点击图中的绿色小标代表说可以完美运行30t/s以上吧，小窗口可能需要调整下参数，红色的就几乎完全不能跑了，可以看情况选择（可参考本人硬件推理速度对比在下面，一般来说1.5B的参数量在没有集显的CPU上也能很流畅）
![downloadModel](Img/downloadModel2.png)![downloadModel](Img/downloadModel3.png)
- 最后点击下载即可。

## 性能对比表(除了1.5B是Q8，其他都是Q4)
### 参考硬件：ROG笔记本
- **CPU**:  AMD Ryzen 9 7945HX
- **内存**: 64G 
- **显卡**: 4080（12GB 显存）
---

| 模型    | 推理速度 (tokens/秒) | 图片 |
|-------------|----------------------|------|
| 1.5B        | 87                   | ![1.5B](Img/1.5B.png) |
| 8B          | 55                   | ![8B](Img/8B.png)   |
| 14B         | 31                   | ![14B](Img/14B.png)  |
| 32B         | 3.6                  | ![32B](Img/32B.png) |
| 70B         | 0.07                 | ![70B](Img/70B.png) |
---

### 参考硬件：MacBook Air
- **CPU**:  M2
- **内存**: 16G 
---


| 模型大小    | 推理速度 (tokens/秒) | 图片 |
|-------------|----------------------|------|
| 1.5B        | 18.2                   | ![1.5B](Img/mac1.5B.png) |
| 8B          | 5.0                   | ![8B](Img/mac8B.png)   |
---

### 3. 尝试对话和参数调优
如果只是想直接使用模型，左边栏第一个切页，顶部栏选择已经下载好的模型等待加载完毕就行了。如果还想进行微信自动回复，也可以先在这里尝试调整出最适合自自己设备的参数，可以参考B站有个大佬对参数进行了详细说明：[DeepSeek R1 推理模型 性能调优](https://www.bilibili.com/video/BV1qoFGepEhL/?spm_id_from=333.1391.0.0&vd_source=0deefafa7585b7d517a1cf319da418b0)
![downloadModel](Img/run3.png)

### 4. 后台运行和关键参数获取
- 切换到左侧栏第二个切页，开发者切页，并且和上一步一样，选择模型，点击加载
![downloadModel](Img/run1.png)
![downloadModel](Img/run2.png)
---
- 模型显示绿色的Ready后，把Status开关打开，这时候能看到右边有个localhost地址和端口，本地玩的话不用管。还有个模型token，需要复制到AutoChat.py的模型名称中。
![downloadModel](Img/run6.png)
- PS：如果有兴趣，可以在右上角点开这个文档，我也是从这里拿到post请求的head和body格式的。
![downloadModel](Img/run4.png)
## Python准备

### 1. Python 安装
确保已安装 Python 3.11 或更高版本。可以从 [Python 官网](https://www.python.org/downloads/) 下载并安装。

### 2. 安装依赖库
这里只用到一个wxauto库，运行以下命令安装项目所需的 Python 库：
```bash
pip install wxauto requests
```

#### 依赖库说明：
- **`wxauto`**：用于监听和操作微信客户端。
- **`requests`**：用于发送 HTTP 请求，调用对话 API。
- **`json`**：用于解析 API 返回的 JSON 数据。
- **`re`**：用于正则表达式处理，过滤无效内容。

---

## 函数说明

### 1. `remove_think_tags(text)`
- **功能**：去掉 `<think>` 到 `</think>` 之间的内容。
- **参数**：
  - `text`：需要处理的字符串。
- **返回值**：去掉 `<think>` 标签后的字符串。

### 2. `remove_empty_lines(text)`
- **功能**：去掉字符串中的空行。
- **参数**：
  - `text`：需要处理的字符串。
- **返回值**：去掉空行后的字符串。

### 3. `get_api_reply(user_input)`
- **功能**：调用对话 API 获取回复。
- **参数**：
  - `user_input`：用户输入的内容。
- **返回值**：API 返回的回复内容。

### 4. `auto_reply()`
- **功能**：微信自动回复主逻辑。
  - 监听微信消息。
  - 过滤自己发送的消息。
  - 当消息包含 `@乌龟向上爬` 时，调用 `get_api_reply` 生成回复并发送。

---

## 使用方法

### 1. 配置 API 地址（本地的话默认localhost和1234端口即可，或者自己设置）
修改代码中的 `url` 变量，将其设置为你的对话 API 地址：
```python
url = "http://127.0.0.1:1234/v1/chat/completions"
```
### 2. 配置 模型token
修改代码中的请求的body `data` 中的model的值为当前加载好的模型token
```python
    # 定义请求体
    data = {
        "model": "deepseek-r1-distill-qwen-1.5b",
        "messages": messages,
        "temperature": 0.7,
        "max_tokens": -1,
        "stream": True
    }
```
![downloadModel](Img/run5.png)
### 2. 配置你在群中的昵称
修改代码中的 `sender != "乌龟向上爬"`，将 `"乌龟向上爬"` 替换为你的微信昵称，用于判断群里是否有人@你，以及在推理之前先把@你的那部分去掉，以免模型因为名字触发词瞎推理：
```python
if "@你的微信昵称" in msg[1]:

# 去掉 "@乌龟向上爬" 触发词
user_input = content.replace("@你的微信昵称", "").strip()
```

### 3. 运行程序
在终端中运行以下命令启动程序：
```bash
python wechat_bot.py
```
### 4. 使用说明
1. 确保微信客户端已登录，并且 `wxauto` 能够正确连接到微信，并且微信自动被调出到前台。
2. 在微信群或私聊中发送包含 `@你的微信昵称` 的消息，例如：
   ```
   @你的微信昵称 你好
   ```
3. 机器人会自动回复：
   ```
   你好，我是你的AI助手，有什么可以帮您的吗？
   ```

---

## 示例

### 1. 用户输入
```
用户A：@你的微信昵称 你好
```

### 2. 机器人回复
```
你的微信昵称：你好！很高兴见到你，有什么我可以帮忙的吗？。
```

### 3. 程序输出
```
收到来自 [用户A] 的触发消息：@乌龟向上爬 今天天气怎么样？
生成回复：今天天气晴朗，适合外出活动。
已回复 [用户A]：今天天气晴朗，适合外出活动。
```

---

## 许可证
无

---

## 贡献者
- [BenDJoaner](https://github.com/你的GitHub用户名)

---

## 反馈与支持
如有任何问题或建议，请提交 Issue 或联系作者。