基于Wechaty与OpenAI API构建智能微信机器人的完整实践指南

1. 项目概述：打造你的专属AI微信助手

最近在折腾一个挺有意思的开源项目，叫wechat-chatgpt。简单来说，它能把你的个人微信或者企业微信，变成一个能说会道、甚至能画画的AI机器人。想象一下，在你的微信群里，有一个成员可以随时回答技术问题、帮你翻译文档、甚至根据你的描述生成一张创意图片，这感觉是不是挺酷的？这个项目就是基于 OpenAI 的 ChatGPT 和 Midjourney 的 API 来实现这些功能的。

我自己部署了一个用了一段时间，发现它确实能解决一些实际痛点。比如在技术社区群里，总有人反复问一些基础问题，或者需要快速翻译一段代码注释。有个机器人24小时待命，能大大减轻群管理的负担。当然，更吸引我的是它的可定制性，你可以通过简单的配置，让它扮演面试官、医生、翻译等不同角色，而不仅仅是“另一个ChatGPT网页版”。

这个项目适合谁呢？如果你是对AI应用感兴趣的开发者、想为社群或团队提供一个智能助手的运营者，或者单纯想体验一下把最新AI能力集成到日常通讯工具里的极客，那么这个项目都值得一试。它不需要你从头去研究微信协议或AI模型的底层调用，作者已经把核心的对接和调度逻辑都封装好了，你只需要准备好必要的“钥匙”（API Key）和一些服务器资源，就能快速搭建起来。

接下来，我会结合自己的部署和调试经验，把这个项目的核心设计、详细配置、实操步骤以及我踩过的那些“坑”，毫无保留地分享给你。目标是让你看完之后，能独立、稳定地运行起一个属于你自己的微信AI机器人。

2. 核心设计思路与架构解析

2.1 为什么选择 Wechaty + 官方 API 的方案？

这个项目的技术栈核心是Wechaty和OpenAI/Midjourney 官方 API。选择这个组合，背后有很实际的考量。

首先看Wechaty。它是一个开源的微信机器人框架，最大的优势是提供了对微信、企业微信、钉钉等多个平台协议的抽象封装。这意味着开发者不需要去逆向工程研究微信的私有协议（这本身就有风险且不稳定），而是通过一个相对标准化的接口来操作微信。Wechaty 支持多种“傀儡”（Puppet）实现，比如基于 Web 协议的wechaty-puppet-wechat和基于官方服务接口的wechaty-puppet-service。前者适合个人微信，后者更适合企业微信，因为企业微信有官方开放的机器人接口，更稳定合规。项目选择 Wechaty，相当于站在了巨人的肩膀上，省去了最复杂、最易变的协议处理部分，可以把精力集中在业务逻辑上。

然后是AI 能力层。项目直接调用 OpenAI 的 Chat Completions API 和 Midjourney 的 Discord Bot API。为什么不使用一些封装好的SDK或者反向代理的二次封装接口？原因在于可控性和稳定性。直接使用官方 API，你能第一时间享受到模型更新（比如从 GPT-3.5 升级到 GPT-4），参数控制也最精细。对于 Midjourney，虽然是通过模拟 Discord 用户操作的方式（调用了midjourney-api这个库），但本质上也是与官方服务交互，能保证功能的最新性。这种设计让项目的核心 AI 能力与最上游的服务保持一致，避免了中间层可能带来的功能延迟或损耗。

注意：这里需要特别强调一点，由于项目直接连接 OpenAI 和 Midjourney 的海外服务，因此部署项目的服务器必须能够正常访问这些服务。这是后续所有步骤的前提，如果服务器网络受限，整个项目将无法工作。通常你需要一台位于海外的云服务器（VPS）。

2.2 关键特性背后的设计逻辑

项目列表里那一大串功能特性，并不是简单的堆砌，每一条都对应着实际运营中会遇到的问题。

• 负载均衡与错误重试：OpenAI 的 API Key 有速率限制（RPM）。当你的机器人用户量上来，一个 Key 很容易被打爆，导致所有请求失败。项目支持配置多个 API Key 并以负载均衡的方式使用，这就像给高速公路增加了多个车道，显著提升了并发处理能力和整体稳定性。配合“错误重试”机制，当某个请求因网络抖动或瞬时限流失败时，系统会自动重试，对于用户来说，感知到的就是机器人更“可靠”了。
• 场景模式与 Prompt 工程：这是让机器人“专业化”的关键。通过PROMPT环境变量，你可以给 ChatGPT 一个系统级的角色设定。比如，设置为“你是一位资深的前端技术专家，用简洁易懂的语言回答问题”，那么机器人在所有对话中都会带着这个“人设”来回复，而不是通用的聊天语气。这极大地扩展了机器人的应用场景。
• 精细化的聊天控制：不是所有群和所有人都需要机器人响应。enableGroup和enablePrivate配置项允许你使用布尔值或正则表达式来精确控制机器人的激活范围。例如，你可以让机器人只在名为“技术讨论组”的群里工作，或者只响应特定好友的私聊。这避免了机器人 spam 所有聊天场景，减少对无关用户的打扰，也便于管理。
• 次数限制与商业化雏形：DEFAULT_FREE_CREDIT和“红包解锁”功能是一个非常实用的设计。AI API 的调用是实实在在的成本，尤其是 Midjourney 生成图片，费用较高。通过限制每日免费次数，可以防止被滥用导致巨额账单。而“红包解锁”则提供了一种轻量级的变现或成本分摊思路，虽然项目目前可能只是简单模拟，但这个设计方向对于想长期运营机器人的人来说很有启发。
• 状态持久化与上下文：项目使用 Redis 来存储对话状态和用户额度信息。这保证了两个重要特性：1)连续对话：ChatGPT 本身是无状态的，通过 Redis 保存并每次携带上最近的对话历史，才能实现多轮有记忆的聊天。2)跨会话计数：用户的每日使用次数限制需要持久化存储，不能因为机器人重启就清零，Redis 很好地满足了这一需求。

2.3 数据流与组件交互

理解数据流有助于排查问题。一次完整的用户交互大致流程如下：

1. 消息接收：用户在你的微信上发送一条消息。Wechaty 框架捕获到这条消息事件。
2. 规则过滤：项目核心逻辑 (src/index.ts等) 会检查这条消息：是否来自被enableGroup或enablePrivate允许的聊天对象？消息是否以配置的privatePrefix或groupPrefix开头？如果不符合规则，消息被忽略。
3. 意图识别：对于通过过滤的消息，判断其意图。是普通的文本聊天（走 ChatGPT），还是以“画”开头的绘图指令（走 Midjourney）？
4. AI 处理：
   • ChatGPT 路径：从配置的多个 API Key 中按策略选取一个，结合 Redis 中取出的本对话历史上下文，以及系统PROMPT，组装成请求发送给 OpenAI API。收到回复后，将本次问答存入 Redis 上下文。
   • Midjourney 路径：将用户指令（如“画一只坐在咖啡馆里看书的小猫”）通过 ChatGPT 翻译成英文提示词（Prompt），然后使用midjourney-api库，模拟用户向配置好的 Discord 频道发送指令。随后轮询该频道，直到获取到 Midjourney Bot 生成完成的图片。
5. 回复与发送：将 AI 返回的文本或图片 URL，通过 Wechaty 的接口，原路发送回用户所在的微信聊天窗口。
6. 计数与日志：本次调用成功后，在 Redis 中将该用户的剩余次数减1（或5），并记录日志。

整个过程中，配置文件 (config.ts)、环境变量 (.env) 和 Redis 是三个核心的配置与状态存储中心。

3. 前期准备与环境配置详解

3.1 服务器与网络准备

这是最基础，也最容易出问题的一步。

服务器选择：作者明确建议使用Ubuntu 22.04系统，并且是非 ARM 架构（即 x86_64）。这是因为项目依赖的 Wechaty 的某些底层组件（如 Chromium）在 ARM 架构上可能存在兼容性问题。所以，请确保你的云服务器是 x86_64 的 Ubuntu 22.04。1核2GB内存是起步配置，如果预计用户量较大或频繁使用 Midjourney（涉及图片下载上传），建议使用更高配置。

网络配置：这是重中之重。你的服务器必须能稳定访问以下两个服务：

1. OpenAI API (api.openai.com)：这是 ChatGPT 服务的源头。
2. Discord (discord.com)：这是 Midjourney Bot 所在平台。

如何测试？在服务器上运行：

curl -s https://api.openai.com/v1/models -H "Authorization: Bearer sk-test" # 替换 sk-test 为任意字符串

如果返回{"error":{"message":"Incorrect API key provided...之类的认证错误，说明网络是通的（因为收到了OpenAI的响应）。如果连接超时或完全无法解析，说明网络不通。

对于 Discord，可以测试其网关或 CDN：

curl -I https://discord.com

应返回 HTTP 200 或 301 等状态码。

实操心得：我最初尝试在某个云服务商的香港节点部署，发现访问 OpenAI 时好时坏。后来换到美国西海岸（硅谷）的节点，延迟虽然高一点（~150ms），但稳定性极好。如果你的服务器在国内，理论上需要配置网络代理，但项目文档明确提示了相关风险，且配置复杂、稳定性差，强烈不建议这样做。最省心的方案就是直接使用海外服务器。

3.2 核心账号与 Token 获取

你需要准备三个关键的“钥匙”：

1. OpenAI API Key：

   • 访问 OpenAI Platform 。
   • 登录后，点击 “Create new secret key”。妥善保存这个以sk-开头的字符串。注意，创建时页面显示一次，关闭后就无法再次查看完整 Key，只能重新生成。
   • 费用提醒：这个 Key 关联你的 OpenAI 账户，调用 API 会产生费用。请务必在账户设置中设置用量限制（Usage Limits），以防意外超支。

2. Midjourney 相关 Token (MJ_SALAI_TOKEN, MJ_SERVER_ID, MJ_CHANNEL_ID)：

   • 这个获取过程稍复杂，因为 Midjourney 本身没有开放官方 API，项目是通过模拟 Discord 用户操作实现的。
   • 前提：你需要有一个付费的 Midjourney 订阅账号，并已加入 Midjourney 的官方 Discord 服务器。
   • 创建自己的 Discord 服务器：在 Discord 上创建一个新的服务器（Server），用于隔离机器人的活动。
   • 邀请 Midjourney Bot：在你的 Discord 服务器中，点击“邀请成员”，搜索并邀请Midjourney Bot。
   • 获取 Token 和 ID：
     • MJ_SALAI_TOKEN：这是你的 Discord 用户 Token。警告：此 Token 等同于你的密码，绝对不要泄露！在 Discord 网页版，按 F12 打开开发者工具，进入“网络”(Network) 标签页。在 Discord 中任意操作一下（如发送一个消息），在网络请求中找到science或messages这类请求，查看其请求头（Headers），找到authorization字段的值，即为你的用户 Token。
     • MJ_SERVER_ID：在你的 Discord 服务器中，右键点击服务器名称 -> “复制服务器 ID”。
     • MJ_CHANNEL_ID：在你希望机器人发送绘图指令的文本频道中，右键点击频道名称 -> “复制频道 ID”。

3. （可选）对象存储 OSS 配置：

   • Midjourney 生成的图片是 Discord 的临时链接，可能会过期。项目支持将图片上传到阿里云 OSS 等对象存储，提供永久链接。
   • 你需要提前在阿里云开通 OSS，创建一个 Bucket，并获取AccessKey ID、AccessKey Secret、Bucket名称和Region（地域）。

3.3 本地开发环境准备（以 Ubuntu 22.04 为例）

即使你计划用 Docker 部署，在本地先跑通也是理解项目的好方法。

# 1. 安装 Node.js 18+ 和 pnpm # 使用 NodeSource 仓库安装稳定版 Node.js curl -fsSL https://deb.nodesource.com/setup_18.x | sudo -E bash - sudo apt-get install -y nodejs # 安装 pnpm (比 npm 更快更节省磁盘) sudo npm install -g pnpm # 验证安装 node --version # 应 >= v18.0.0 pnpm --version # 2. 安装 Redis sudo apt update sudo apt install redis-server -y # 启动 Redis 并设置开机自启 sudo systemctl start redis-server sudo systemctl enable redis-server # 测试 Redis redis-cli ping # 应返回 PONG # 3. 安装 Chromium 依赖（Wechaty 的 Web 协议依赖浏览器环境） sudo apt install -y ca-certificates fonts-liberation libasound2 libatk-bridge2.0-0 libatk1.0-0 libc6 libcairo2 libcups2 libdbus-1-3 libexpat1 libfontconfig1 libgbm1 libgcc1 libglib2.0-0 libgtk-3-0 libnspr4 libnss3 libpango-1.0-0 libpangocairo-1.0-0 libstdc++6 libx11-6 libx11-xcb1 libxcb1 libxcomposite1 libxcursor1 libxdamage1 libxext6 libxfixes3 libxi6 libxrandr2 libxrender1 libxss1 libxtst6 lsb-release wget xdg-utils # 4. 克隆项目代码 git clone https://github.com/shfshanyue/wechat-chatgpt.git cd wechat-chatgpt # 5. 安装项目依赖 pnpm install # 6. 生成 Prisma 客户端（项目使用 Prisma ORM 操作 Redis，虽然主要用 Redis，但结构定义需要生成） npx prisma generate

完成以上步骤，基础环境就准备好了。接下来就是最关键的配置环节。

4. 配置文件与环境变量深度解析

项目的配置主要通过config.ts和.env文件完成。理解每一个配置项的作用，是定制化你机器人的关键。

4.1 核心配置文件config.ts

这个文件决定了机器人的行为规则。我们逐项分析：

export default { // 自动同意好友请求的口令。如果好友申请消息匹配这个正则，则自动通过。 // 例如 /ChatGPT/ 表示申请信息里包含 “ChatGPT” 就自动通过。 acceptText: /ChatGPT/, // OpenAI API 的基础地址。如果你的服务器在海外，直连即可，保持默认。 // 如果在特殊网络环境，可能需要配置为代理地址。但如前述，不推荐。 baseURL: process.env.BASE_URL || 'https://api.openai.com/v1', // API Key，从环境变量读取，支持多个，用逗号分隔。项目会自动做负载均衡。 apiKey: process.env.OPEN_API_KEY.split(','), // 使用的 GPT 模型，默认是 gpt-3.5-turbo，成本较低。可以改为 gpt-4 等，但注意费用和速率限制。 model: process.env.GPT_MODEL || 'gpt-3.5-turbo', // 系统 Prompt，定义机器人的角色和基础行为指令。这是塑造机器人个性的核心。 prompt: process.env.PROMPT || '', // 群聊开关。可以是布尔值 true/false，也可以是正则表达式。 // true: 在所有群聊中，只要有人@机器人或使用群聊前缀，它就响应。 // /^(技术交流群|面试直通车)$/: 只在群名完全匹配“技术交流群”或“面试直通车”的群里工作。 enableGroup: /^(技术交流群|面试直通车|学习)$/, // enableGroup: true, // 私聊开关。规则同上。 // true: 所有好友私聊都会响应。 // /(山月)/: 只对昵称或备注中包含“山月”的好友响应私聊。 enablePrivate: /(山月)/, // enablePrivate: true, // 群聊触发前缀。在群里，消息需要以这个前缀开头，机器人才会处理。 // 例如设为 `@AI`，那么在群里需要发送“@AI 今天天气如何？”才会触发。 // 留空或设为 `/^$/`，则默认在群里被@时触发（推荐）。 groupPrefix: '', // 私聊触发前缀。在私聊中，消息需要以这个前缀开头。 // 例如设为 `bot`，那么私聊时需要发送“bot 讲个笑话”。 // 留空则表示所有私聊消息都会触发（可能造成干扰）。 privatePrefix: '山月', // Sentry 错误监控的 DSN，用于生产环境收集错误日志。非必需。 sentryDsn: process.env.SENTRY_DSN || '' }

配置技巧：

• enableGroup和enablePrivate使用正则表达式可以做到非常精细的控制。例如enableGroup: /^AI测试群|项目组$/只在这两个群里生效。
• privatePrefix非常有用。如果你不想让机器人响应私聊里的每一句话（比如别人可能只是跟你打招呼），设置一个前缀（如“/ai”或“小助手”）可以避免机器人过度介入私人对话。
• prompt是灵魂。一个精心设计的 Prompt 能让机器人表现天差地别。例如，如果你想让它充当代码助手，可以设置：

  PROMPT="你是一个专业的全栈程序员助手，精通 JavaScript、Python、Go 和系统设计。你的回答应该准确、简洁，并且优先提供可运行的代码片段。如果用户的问题不明确，你会主动询问细节。你的名字叫‘CodeMate’。"

4.2 敏感信息与环境变量.env

所有敏感信息和可能变动的配置都应放在.env文件中，并通过process.env读取。

# 复制示例文件 cp .example.env .env # 然后编辑 .env 文件

.env文件内容示例及详解：

# 必填：你的 OpenAI API Key，多个用英文逗号隔开。这是项目运行的基础。 OPEN_API_KEY="sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxybnC,sk-yyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyy" # 可选：OpenAI API 代理地址。仅在你确实有可用的、稳定的代理服务时配置。 # BASE_URL="https://your-proxy.com/v1" # 可选：指定 GPT 模型。 GPT_MODEL="gpt-3.5-turbo" # 可选：系统 Prompt，会覆盖 config.ts 中的 prompt。建议在这里写长文本。 PROMPT="你是一个友好且乐于助人的AI助手，名叫‘小智’。你是基于GPT-3.5的微信机器人。你的知识截止于2023年初。如果被问到不知道的事情，你会诚实告知。在群聊中，只有当被@时你才会回复。在私聊中，需要以‘小智’开头你才会回复。画图指令请以‘画’字开头。" # 必填（如果要用Midjourney）：Wechaty 使用的协议。个人微信用默认的 wechaty-puppet-wechat。 WECHATY_PUPPET="wechaty-puppet-wechat" # 以下三项为 Midjourney 必填，获取方法见上文。 MJ_SALAI_TOKEN="你的_Discord_用户_Token" MJ_SERVER_ID="你的_Discord_服务器_ID" MJ_CHANNEL_ID="你的_Discord_频道_ID" # 可选：每日免费次数限制。ChatGPT问答1次，Midjourney绘图5次。 DEFAULT_FREE_CREDIT=30 # 可选：阿里云OSS配置，用于持久化Midjourney图片。 OSS_REGION="oss-cn-hangzhou" OSS_ACCESS_KEY_ID="你的AccessKeyId" OSS_ACCESS_KEY_SECRET="你的AccessKeySecret" OSS_BUCKET="你的Bucket名称" # 可选：Sentry DSN，用于错误追踪。 # SENTRY_DSN="https://xxxxx@oooo.ingest.sentry.io/xxxxx"

重要安全警告：.env文件包含所有核心密钥，绝对不能提交到 Git 仓库。项目根目录下的.gitignore文件通常已经包含了.env，请务必确认。在服务器上部署时，也应通过安全的方式（如SSH隧道、配置管理工具）传递此文件内容，而非明文传输。

4.3 企业微信配置切换

如果你需要对接企业微信，配置会更简单稳定，因为走的是官方通道。

1. 在.env文件中，修改WECHATY_PUPPET并添加WECHATY_PUPPET_SERVICE_TOKEN：

   WECHATY_PUPPET="wechaty-puppet-service" WECHATY_PUPPET_SERVICE_TOKEN="puppet_workpro_xxxxxxxxx"

2. WECHATY_PUPPET_SERVICE_TOKEN需要从 Wechaty 的官方服务商处获取。你需要访问 Wechaty Puppet Service 查看支持的供应商（如 padlocal），并根据其指引购买和获取 Token。这个 Token 通常是付费的，但换来的是更高的稳定性和不会封号的风险。

切换到企业微信后，config.ts中关于个人微信的某些配置可能不再需要，但机器人行为控制（如enableGroup,prompt等）依然生效。

5. 完整部署与启动流程实战

这里我将分别介绍 Docker 部署和手动部署两种方式，并分享其中的注意事项。

5.1 方案一：使用 Docker Compose 部署（推荐）

这是最简洁、环境最统一的部署方式，尤其适合生产环境。

步骤 1：准备docker-compose.yml文件项目通常已经提供了docker-compose.yml示例。如果没有，可以创建一个：

version: '3.8' services: redis: image: redis:7-alpine container_name: wechat-chatgpt-redis restart: always volumes: - redis_data:/data networks: - wechatgpt-net wechat-chatgpt: build: . container_name: wechat-chatgpt-app restart: always depends_on: - redis environment: # 这里直接注入环境变量，但更安全的做法是使用 env_file - REDIS_HOST=redis - REDIS_PORT=6379 env_file: - .env # 确保 .env 文件在当前目录，且内容正确 volumes: # 挂载日志和消息存储目录，避免容器重启后丢失 - ./logs:/app/logs - ./message:/app/message # 挂载 Wechaty 的缓存，避免每次重启都需重新扫码登录（重要！） - ./.wechaty:/app/.wechaty networks: - wechatgpt-net # 如果需要查看扫码二维码，需要以交互模式运行并分配伪终端 stdin_open: true tty: true networks: wechatgpt-net: driver: bridge volumes: redis_data:

步骤 2：准备.env和config.ts确保在docker-compose.yml同级目录下，已经按照第四章的说明，配置好了.env文件和config.ts文件。

步骤 3：构建并启动服务

# 进入项目目录 cd wechat-chatgpt # 使用 Docker Compose 构建镜像并启动所有服务（-d 表示后台运行） docker compose up -d --build

步骤 4：查看日志并扫码登录

# 查看应用容器的最后100行日志，并持续跟踪 docker compose logs --tail 100 --follow wechat-chatgpt-app

此时，日志中应该会输出一行包含https://login.wechaty.js.org/qrcode/...的链接。将这个链接复制到浏览器中打开，会出现一个二维码。

关键操作：使用你打算作为机器人的那个微信账号，去扫描这个二维码。注意，不是你的个人日常微信，建议专门注册一个“小号”来充当机器人。扫码后，手机微信上会确认登录，确认后服务器日志会显示“登录成功”之类的信息。

步骤 5：验证服务登录成功后，向这个机器人微信号发送消息/ping，它应该会回复pong。这证明机器人已经就绪，可以开始对话了。

Docker 部署的优势与注意事项：

• 优势：环境隔离，依赖清晰，一键启停，非常适合在干净的服务器上快速部署。
• 注意事项：
  1. .wechaty缓存卷：这个挂载至关重要。它保存了微信的登录态。如果没有挂载，每次容器重启都需要重新扫码登录，非常麻烦。
  2. 时区问题：如果容器内时间不对，可能导致日志时间错乱。可以在docker-compose.yml的wechat-chatgpt服务下添加environment: - TZ=Asia/Shanghai。
  3. 资源限制：Midjourney 绘图涉及图片处理，可以适当调高容器的内存限制。

5.2 方案二：手动在服务器部署

如果你需要深度定制，或者服务器环境特殊，可以选择手动部署。

步骤 1：服务器基础环境参照第三章，在 Ubuntu 22.04 服务器上安装 Node.js, pnpm, Redis 和 Chromium 依赖。

步骤 2：配置 Redis 主机映射项目代码中可能默认连接redis这个主机名。我们需要确保在服务器上能解析到这个主机名。

# 编辑 hosts 文件 sudo nano /etc/hosts # 在文件末尾添加一行 127.0.0.1 redis

如果无法修改/etc/hosts（例如在一些容器化环境），则需要修改项目代码中连接 Redis 的配置，通常在src/lib/redis.ts或类似文件中，将host改为127.0.0.1。

步骤 3：获取代码并安装依赖

git clone https://github.com/shfshanyue/wechat-chatgpt.git cd wechat-chatgpt pnpm install npx prisma generate

步骤 4：配置环境变量与配置文件将本地配置好的.env和config.ts上传到服务器项目目录下。

步骤 5：启动服务

# 开发模式启动，输出详细日志 pnpm start # 或者，生产模式启动（可能需要先 build） pnpm build pnpm start:prod

同样，首次启动会在终端输出二维码链接，扫码登录即可。

步骤 6：使用进程守护（PM2）为了让服务在后台稳定运行，即使崩溃也能自动重启，推荐使用 PM2。

# 全局安装 PM2 sudo npm install -g pm2 # 使用 PM2 启动应用（假设你的入口文件是 dist/index.js） pm2 start dist/index.js --name wechat-chatgpt # 设置开机自启 pm2 startup pm2 save # 查看日志 pm2 logs wechat-chatgpt

5.3 部署后的基本测试

无论哪种部署方式，成功启动并登录后，请进行以下测试以确保核心功能正常：

1. 基础通信测试：给机器人私发/ping，应回复pong。
2. ChatGPT 功能测试：在允许的私聊或群聊中，发送一个测试问题（如“你好，介绍一下你自己”）。观察回复是否正常，是否符合你在PROMPT中设定的角色。
3. 上下文测试：连续问一个相关的问题，比如先问“Python 怎么定义一个函数？”，再问“那它能返回多个值吗？”。看第二个回答是否能基于第一个问题的上下文。
4. Midjourney 功能测试（如果配置了）：私聊机器人发送“画一只在太空中的柯基犬，卡通风格”。这是一个比较简单的提示词。观察过程：
   • 机器人会先回复“已收到绘画请求，正在处理中...”（或类似提示）。
   • 等待1-2分钟后，机器人应能成功发回一张图片。注意：首次使用 Midjourney 可能会触发 Discord 的人机验证，需要在 Discord 网页端手动点一下验证。
5. 次数限制测试：反复发送消息，超过DEFAULT_FREE_CREDIT限制后，机器人应提示次数已用尽。

6. 高级功能配置与使用技巧

6.1 实现场景化机器人：Prompt 工程实战

PROMPT是塑造机器人个性的核心。一个好的 Prompt 需要清晰、具体，并设定好边界。

示例 1：技术面试官

PROMPT="你现在是一名资深互联网公司的技术面试官，专注于考察候选人的编程基础、系统设计能力和项目经验。你的名字叫‘面试官Bot’。你的行为准则如下： 1. 每次只问一个问题，等待候选人回答后再进行追问或评价。 2. 问题范围包括：数据结构与算法、操作系统、网络、数据库、特定编程语言（如Go/Java/Python）特性、系统设计、项目深度挖掘。 3. 根据候选人的回答，判断其知识深度和表达能力，并给出简要的反馈（如‘对概念理解清晰，但可以更深入细节’）。 4. 如果候选人回答‘我不知道’或明显错误，你可以给出提示或纠正，并继续下一个相关问题。 5. 对话结束时，给候选人一个综合性的评价和建议。 现在，面试开始，请先做自我介绍并询问候选人的姓名和应聘职位。"

这样设置后，当你对机器人说“开始面试”，它就会进入面试官角色，进行模拟面试。

示例 2：专业翻译官

PROMPT="你是一名专业的翻译官，精通中英互译。你的任务是提供准确、流畅、符合目标语言习惯的翻译。规则： 1. 当我用中文输入时，你将其翻译成英文。 2. 当我用英文输入时，你将其翻译成中文。 3. 如果输入是混合语言或指令（如‘翻译这句话：...’），请识别主要需求并进行翻译。 4. 对于技术术语，使用公认的译法。 5. 除了翻译结果，不要添加任何额外的解释、评论或问候语。 现在，请开始你的工作。"

Prompt 设计技巧：

• 角色设定：开头明确“你是谁”。
• 任务指令：清晰说明“你要做什么”。
• 格式要求：指定输出格式（如“用列表形式回答”、“代码用代码块包裹”）。
• 边界限制：说明“不要做什么”（如“不要自行创造信息”、“不要评价用户问题”）。
• 示例引导：对于复杂任务，在 Prompt 中给出一两个输入输出示例，效果极佳。

6.2 管理群聊与私聊：正则表达式进阶用法

config.ts中的enableGroup和enablePrivate支持正则表达式，这提供了强大的过滤能力。

• 精准匹配特定群名：enableGroup: /^(AI实验室|前端开发组)$/。^代表开头，$代表结尾，这意味着群名必须完全等于“AI实验室”或“前端开发组”。
• 匹配包含关键词的群名：enableGroup: /(测试|临时)/。只要群名中包含“测试”或“临时”二字，机器人就会在该群生效。
• 排除某些群：正则表达式本身不支持“非”逻辑，但你可以通过逻辑反转在代码中实现。不过更简单的方法是只列出你想要的群。或者，如果你开启了全局群聊 (enableGroup: true)，但想在某个群里禁用，目前项目没有直接配置，可能需要修改代码逻辑，在消息处理层判断群名是否在黑名单中。
• 私聊按好友备注管理：enablePrivate: /^(同事|客户)_/。假设你给好友的备注是“同事_张三”、“客户_李四”，那么这个配置会让机器人只对备注以“同事_”或“客户_”开头的好友开启私聊回复。这是管理大量联系人的好方法。

6.3 Midjourney 绘图功能优化与避坑

Midjourney 功能强大但也是最不稳定的环节，因为它依赖于模拟用户操作和 Discord 的服务。

1. 提升出图成功率与质量：

• 提示词（Prompt）优化：项目会自动将用户的中文指令通过 ChatGPT 翻译成英文。但翻译可能不精准。你可以引导用户使用更具体的英文提示词，或者自己在PROMPT中为机器人增加提示词优化的指令，例如：“当用户请求画画时，你需要将用户的中文描述，优化成详细、富有画面感、包含艺术风格和渲染引擎关键词的英文 Midjourney 提示词。”
• 参数支持：你可以查看midjourney-api的文档，看项目是否支持传递--ar(纵横比)、--v(版本) 等参数。通常可以在指令中加入，如“画一个城堡 --ar 16:9 --v 5.2”。

2. 应对 Midjourney 反爬与失败：

• 保持依赖更新：定期运行pnpm update midjourney-api更新这个关键依赖，作者会持续适配 Midjourney 的反爬策略。
• 失败重试与超时设置：查看项目代码中调用 Midjourney 的部分，是否有超时（timeout）和重试（retry）机制。如果没有，可以考虑自行添加。一个绘图请求等待2-3分钟是正常的，超过5分钟很可能失败了。
• 备用方案：在代码中，当 Midjourney 多次失败后，可以降级为让 ChatGPT 用文字描述画面，或者回复一个固定的提示，而不是让用户无限等待。

3. 图片存储与加速：

• 务必配置 OSS：Discord 的图片链接是临时的。配置阿里云 OSS 后，机器人会将图片下载并上传到你的 OSS，然后返回 OSS 的永久链接。这不仅链接永久有效，还可以通过 CDN 加速，国内访问更快。
• 成本考量：Midjourney 绘图消耗的DEFAULT_FREE_CREDIT是5次，远高于 ChatGPT 的1次，这是合理的，因为绘图成本更高。你需要根据你的 Midjourney 订阅套餐和预计使用量，合理设置总次数限制。

7. 运维监控、问题排查与优化

7.1 日志查看与监控

日志是排查问题的第一手资料。

• 日志位置：项目日志默认输出到控制台 (stdout/stderr)。如果使用了 PM2，日志在~/.pm2/logs/目录下。如果按照 Docker 部署示例挂载了./logs卷，日志会在宿主机的./logs目录中。
• 关键日志信息：
  • Login Success：微信登录成功。
  • Received Message：收到消息，并会打印消息来源和内容。
  • Using API Key: ...：切换或使用某个 OpenAI Key。
  • ChatGPT Response: ...：ChatGPT 的回复内容（可能被截断）。
  • Midjourney Imagine Start.../Midjourney Upscale Success：Midjourney 绘图进程的开始和成功。
  • Error:或Failed to...：错误信息，需要重点关注。

建议：对于生产环境，将日志收集到类似ELK(Elasticsearch, Logstash, Kibana) 或Grafana Loki这样的集中式日志系统中，方便搜索和报警。

7.2 常见问题与解决方案速查表

以下是我在部署和运行过程中遇到的一些典型问题及解决方法：

7.3 性能优化与成本控制建议

1. OpenAI API 成本优化：

   • 模型选择：非必要不使用gpt-4，gpt-3.5-turbo在大多数对话场景下性价比极高。
   • 上下文长度：在代码中设置max_tokens参数，限制单次回复的长度。同时，可以限制保存在 Redis 中的对话历史轮数（例如只保存最近10轮），以减少每次请求的 Token 数量。
   • 缓存常见回答：对于群聊中高频的、重复的问题（如“项目地址是什么？”），可以在代码层面做内存缓存，直接返回固定答案，避免调用 API。

2. 机器人响应速度优化：

   • 异步处理：确保消息处理逻辑是异步的，避免因为一个请求慢而阻塞整个机器人。Node.js 本身是异步的，但要检查是否有同步阻塞操作。
   • 连接池与超时：为 Redis 和 OpenAI HTTP 客户端配置连接池和合理的超时时间，避免资源等待。
   • 监控与告警：设置对 API 调用失败率、响应时间的监控。如果某个 Key 失败率突然升高，可以自动将其暂时禁用。

3. 稳定性提升：

   • 使用进程守护：无论是 Docker 的restart: always还是 PM2，都必须配置，以应对进程意外退出。
   • 分离服务：考虑将 Redis 部署在独立的、更稳定的服务上（如云数据库 Redis 版），而不是与应用同机部署。
   • 定期备份：定期备份config.ts、.env和 Redis 的持久化数据（如果配置了 RDB/AOF）。

部署和运行这样一个 AI 微信机器人，就像养一个数字宠物。初期需要耐心地搭建环境、配置参数、解决各种兼容性问题。但一旦它稳定跑起来，并能按照你的设想去回答问题、生成内容，那种成就感和便利性是非常实在的。这个项目提供了一个功能强大且高度可定制的基础框架，剩下的就看你如何发挥想象力，用它来创造价值了。无论是服务一个小型社区，还是作为个人效率工具，它都是一个不错的起点。如果在实践中遇到上面没覆盖到的问题，多看看日志，多翻翻项目的 Issue 页面，社区的力量往往能帮你找到答案。