GXUST AI通识课 1

红加黄

42人浏览 · 2026-06-06 15:00:15

红加黄 · 2026-06-06 15:00:15 发布

一、项目概述

在传统认知中，微信无法直接对接AI大模型实现智能自动回复。本次依托 Wechaty 开源微信机器人框架，结合AI提示词工程优化技巧，完成了AI大模型接入微信的完整实战开发。

本项目实现功能：

微信扫码登录、长连接在线监听消息
过滤自身消息、无效消息，避免无效响应
对接主流AI大模型，实现私聊智能自动回复
代码轻量化、适配新手部署，带完整异常处理

同时本次实战严格按照课程要求，完整记录提示词设计优化过程、项目成果、多AI工具测评，形成标准化AI工程实践笔记。

二、核心原理：Wechaty 运行机制

Wechaty 是一款开源的跨平台微信机器人SDK，支持JavaScript、Python等多语言开发，是目前轻量化微信机器人开发的主流方案。

1. 核心工作原理

协议层封装：封装微信客户端通信协议，搭建客户端与微信服务器的长连接通道
事件驱动机制：基于事件监听，捕获登录、消息、好友、群聊等各类微信事件
消息解析与分发：自动解析文本、图片、语音消息，区分私聊/群聊、自身/他人消息
主动API调用：接收消息后，调用AI接口获取结果，再通过Wechaty API回传消息至微信端

2. AI接入整体流程

微信用户发送消息 → Wechaty监听捕获消息 → 过滤清洗有效内容 → 调用AI大模型接口 → 获取AI推理结果 → Wechaty推送回复至微信客户端

三、提示词工程展示：迭代优化全过程

本次项目核心产出（可运行机器人代码、原理讲解、部署教程）均由AI生成，我通过三轮提示词迭代，从残缺无效内容优化为可直接部署的工程级代码方案，完整迭代过程如下。

1. 初始劣质提示词（无效输出）

提示词内容：写一个微信AI机器人代码。

存在问题：

无技术栈限定，未指定Wechaty框架，输出内容杂乱
无功能要求、无运行环境约束，代码残缺无法运行
无注释、无部署步骤，完全不具备工程实用性

2. 进阶普通提示词（可用但不规范）

提示词内容：使用Wechaty框架写一个可以对接AI的微信机器人，能够接收私聊消息并自动AI回复。

优化提升：指定了核心框架与基础功能，AI可输出基础代码结构。

剩余缺陷：

缺少异常捕获，运行易报错崩溃
无消息过滤逻辑，会回复自身消息、无效空消息
无详细注释和部署教程，新手无法落地

3. 最终优化专业提示词（工程级可用）

提示词内容：你是一名资深Node.js后端开发工程师，专注于Wechaty机器人开发。请基于Wechaty最新版本，编写一份完整、可直接运行的微信AI智能机器人代码。要求：1. 基于Node.js环境，适配新手部署；2. 对接主流国产AI大模型，实现私聊消息智能回复；3. 增加消息过滤，不回复自身消息、空消息；4. 加入try-catch异常处理，保证程序稳定运行；5. 代码附带详细中文注释，同时输出完整的环境部署、依赖安装、项目运行步骤；6. 简要说明Wechaty接入微信的核心原理。

优化核心逻辑：

角色限定：指定后端工程师身份，输出更贴合工程规范
环境限定：明确Node.js、新手部署场景
功能约束：精准定义过滤逻辑、异常处理、注释规范
产出约束：代码+教程+原理三位一体，完整可用

四、项目成果展示（AI生成完整作品）

基于最终优化提示词，AI生成了可直接部署运行的Wechaty AI微信机器人完整项目，包含源码、部署教程、原理说明，成果如下：

1. 完整可运行源码

// 引入Wechaty核心依赖
const { WechatyBuilder } = require('wechaty');
// 引入AI大模型依赖
const { OpenAI } = require('openai');

// 初始化微信机器人实例
const bot = WechatyBuilder.build({
  name: 'gxust-ai-wechat-bot'
});

// 初始化AI大模型（兼容DeepSeek/通义千问等国内模型）
const aiClient = new OpenAI({
  apiKey: "你的AI密钥",
  baseURL: "https://api.deepseek.com/v1"
});

// 监听登录事件
bot.on('login', (user) => {
  console.log(`【登录成功】欢迎开发者：${user.name()}`);
});

// 核心：监听全局消息事件
bot.on('message', async (msg) => {
  try {
    // 1. 过滤自身消息、非文本消息、空消息
    if (msg.self() || msg.type() !== bot.Message.Type.Text || !msg.text().trim()) {
      return;
    }

    // 获取用户提问内容
    const userQuestion = msg.text().trim();
    console.log(`【收到用户消息】${userQuestion}`);

    // 2. 调用AI大模型接口
    const res = await aiClient.chat.completions.create({
      model: "deepseek-chat",
      messages: [
        { role: "user", content: userQuestion }
      ],
      temperature: 0.7
    });

    // 3. 解析AI回复并发送至微信
    const aiReply = res.choices[0].message.content.trim();
    await msg.say(aiReply);
    console.log(`【AI回复完成】${aiReply}`);

  } catch (error) {
    console.error("【消息处理异常】", error.message);
    await msg.say("AI服务繁忙，请稍后再试！");
  }
});

// 启动机器人
bot.start().then(() => {
  console.log("【机器人启动成功】请扫码登录微信");
});