聊天分身 lhongjie70-sudo/weclone-cloud

🧬 weclone-cloud

把聊天记录变成会说话的你 · Turn your chat logs into an AI twin

不用显卡 · 纯 API · 能接微信 · 有完整运维手册

中文 · English →

[!TIP]
这是什么？ 从你的微信 / Telegram 聊天记录里学说话方式，然后以你的口吻在微信或网页里回消息。
全流程走 API（默认 DeepSeek），不需要 NVIDIA 显卡。

在 WeClone 仓库内使用：父目录就是 WeClone，直接 uv sync，不需要运行 setup.cmd（那会再克隆一份），下文路径里的 app\ 换成 ..\。

✨ 为什么用它

| 传统方案 | weclone-cloud |
| 本地 vLLM 打分，只支持 Linux + NVIDIA | 打分走 API，Windows 笔记本也能跑完 |
| 必须微调 7B 模型，显存 24GB 起 | 人设提示词先跑起来，想训练再导出 JSONL |
| 推理要本地加载权重 | 本机只跑一个轻量代理，模型在云端 |
| 只管训练，不管怎么用 | 附 LangBot + 微信协议端方案，含封号规避 |

🎯 它能做什么

| 能力 | 说明 |
| 🗂️ 数据加工 | 复用 WeClone 的 make-dataset：时间窗合并、问答配对、PII 脱敏 |
| ⭐ 智能打分 | 1–5 分评估对话质量，并发、断点续跑、结果缓存，先 --dry-run 看花费 |
| 🎭 人设生成 | 从高分样本提炼「说话风格规则 + 真实对话示例」，无需训练 |
| 🔌 OpenAI 兼容 | 一个 /v1/chat/completions，接 LangBot / AstrBot / 任何 SDK |
| 💬 微信落地 | Docker 跑 LangBot + WeChatPadPro，含适配器补丁与拟人延迟 |
| 🧾 可复现 | 导出带 manifest.json：条数、丢弃原因、token、文件 sha256 |

🚀 三步开始

git clone https://github.com/lhongjie70-sudo/weclone-cloud.git
cd weclone-cloud

.\setup.cmd # 拉取 WeClone、建 .venv、装依赖网络不好：setup.cmd --pypi 或 setup.cmd --aliyun

notepad secrets.local.cmd # 填 WECLONE_API_KEY=sk-...

.\start-chat.cmd # 自动打开 http://127.0.0.1:8010/

接微信（需要 Docker Desktop）：

.\start-wechat.cmd # 分身 + 微信协议端 + LangBot 一起拉起

详细步骤见 安装教程，微信扫码见 运维手册 第三节。

🧭 数据怎么走

微信 / Telegram 导出 │ weclone-cli make-dataset （WeClone：合并、配对、脱敏） ▼ dataset/res_csv/sft/sft-my.json │ weclone-cloud score （API 打分，可续跑） ▼ sft-my.scored.json │ weclone-cloud persona （风格规则 + 示例） ▼ persona_system.md │ weclone-cloud serve （鉴权代理：人设 / 关思考 / 延迟） ▼ http://127.0.0.1:8010/v1 ──► LangBot ──► WeChatPad ──► 微信

🛠️ 命令

| 命令 | 作用 | 常用参数 |
| doctor | 自检配置 / 密钥 / 连通性 | — |
| score | API 打分并写回 | --dry-run --limit --workers --rescore |
| export | 转 JSONL、去重、切验证集 | --min-score --val-ratio --max-tokens |
| persona | 生成 persona_system.md | --examples --min-score |
| serve | 启动分身代理 + 网页 | --host --port --persona |
| finetune / status | 云端微调任务（generic 只导出） | --train --val --no-watch |
| pipeline | score + export 串联 | --input --out-dir |

用 python -m weclone_cloud.cli <命令>，或安装后的 weclone-cloud <命令>。

📚 文档

| 📥 install.md | 从零安装：环境、数据、分身、Docker、微信 |
| 🔧 runbook.md | 日常启动、断电恢复、微信重登、故障速查 |
| 🧱 architecture.md | 与 WeClone 的映射、设计取舍 |
| 🧩 providers.md | OpenAI / 百炼 / 本地模型配置 |
| 🛰️ maintenance.md | 长期维护：版本矩阵、升级复验、发布流程 |

✅ 测试过的版本

| 组件 | 版本 | 固定方式 |
| WeClone | master@d4af5ba | 子目录跟随父仓库 |
| LangBot | v4.11.1 | start-langbot-docker.cmd |
| WeChatPad-Docker | c6d1b7a | prepare_wechatpad.ps1 -Ref（已默认钉住） |
| Python | 3.12.x | .venv |

升级任何一项后，按 maintenance.md 第三节复验。

📁 目录结构（点击展开）

weclone-cloud/
├─ weclone_cloud/ # 核心包（不修改 WeClone 源码） │ ├─ config.py # 配置、密钥来源、计价 │ ├─ api.py # OpenAI 兼容客户端（重试/缓存/关思考/JSON 降级） │ ├─ prompts.py # 打分 rubric 与 schema │ ├─ scoring.py # 并发打分、断点续跑、报告 │ ├─ dataset.py # JSONL 导出、去重、切分、manifest │ ├─ finetune.py # /files + /fine_tuning/jobs │ ├─ serve.py # 鉴权代理：人设注入、剥离 reasoning、拟人延迟 │ └─ web/index.html # 自带聊天页 ├─ tools/ # 数据转换、启动器、补丁 ├─ tests/ # 无网络单测（httpx.MockTransport） ├─ docs/ # 安装 / 运维 / 维护 / 架构 / 平台 ├─ setup.cmd start-chat.cmd start-wechat.cmd ├─ bootstrap.ps1 # 复制 WeClone + 装依赖 └─ cloud.example.jsonc # 配置模板

❓ 常见问题（点击展开）

Q：没有显卡真的能跑吗？ 能。打分、人设、对话全走 API，本地只跑 FastAPI 代理。唯一需要显卡的是「本机 LoRA 训练」，可选。

Q：DeepSeek 能微调吗？ 不能，官方没有 /fine_tuning/jobs。本项目用 provider=generic 导出 JSONL，需要训练时交给支持微调的平台。

Q：不训练，效果够用吗？ 能对齐句长、语气词、口头禅和标点习惯；稳定性不如微调。建议先用 persona 验证数据质量。

Q：会封微信吗？ 个人号协议端有风险。用小号、低频、别群发；项目里已加 2–4 秒随机延迟、单条回复、去重。

Q：和 WeClone 什么关系？
本仓库是它的子项目，复用数据解析、替换后段链路，已作为 PR #253 合并进上游。

⚠️ 已知限制

- 只支持文本；带图片的样本在导出时丢弃
- persona 不改权重，纯提示词模仿
- 微信部分依赖 Docker，exe 无法内置容器
- 未内置限流，对外暴露请自行加网关

📜 声明

- 仅供个人学习与自用；使用他人聊天记录前必须取得同意
- 微信自动化可能违反平台协议，风险自负
- AI 生成内容应保留身份标识，不得用于冒充他人

License

AGPL-3.0，与上游 WeClone 一致。

↑ 回到顶部 · English →