企业官网建设流程全解析

用微信聊天记录训练 WeClone 数字分身：从零到上线完整教程

【免费下载链接】WeClone🚀 One-stop solution for creating your AI twin from chat history 💡 Fine-tune LLMs with your chat logs to capture your unique style, then bind to a chatbot to bring your digital self to life.项目地址: https://gitcode.com/GitHub_Trending/we/WeClone

假如你想让 AI 用你的语气在微信里回消息、代你应付闲聊和重复问题，WeClone 就是为这个场景做的：先导出你的微信聊天记录，用它微调一个大语言模型，得到一个数字分身，再把分身绑定到聊天入口就能持续提供服务。本教程按"数据 → 训练 → 上线"的完整链路走一遍，每步都给出可直接执行的命令。

项目速览：数字分身搭建的三个阶段

WeClone 的核心链路只有一条：聊天记录 → 模型微调 → 对话 API，三个阶段在仓库里各对应一个位置。

• 数据：用 PyWxDump 之类的工具把聊天记录导出为 CSV 放进data/目录，make_dataset/ 下的脚本会剔除手机号、身份证号等敏感内容，并可按禁用词库整句过滤后转成训练集
• 训练：基于 llmtuner 框架对默认底座 ChatGLM3-6B 做 LoRA 微调（只训练少量低秩矩阵，显存需求远低于全参训练）；数据量和质量直接决定分身像不像你
• 服务：训练完成后由src/api_service.py起一个对话 API，微信机器人与终端对话都调用这同一个接口

WeClone 环境要求与依赖安装

环境搭建 1 小时内可以完成，唯一硬性前置是一台带 GPU 的机器，因为默认 7B 模型走 LoRA 微调约需 16GB 显存。

开始前对照这份清单：

• Python 3.8 以上（推荐 3.10）
• 内存 ≥8GB；要训练的话建议显存 ≥16GB 的显卡
• 已安装 Git

然后分三步走。第一步，克隆代码：

git clone https://gitcode.com/GitHub_Trending/we/WeClone cd WeClone

第二步，装依赖。requirements.txt 锁定了 llmtuner==0.5.3（微调框架）和 itchat-uos（微信接口）两个核心包，外加 pandas、chromadb 等数据处理工具：

pip install -r requirements.txt

第三步，启动验证。直接跑终端对话：

python src/cli_demo.py

首次运行会先拉取底座模型；问一句能看到流式回复输出，就说明链路通了，可以先熟悉一下界面里的exit（退出）和clear（清空历史）两个命令。

WeClone 用法走查

入口一共三个：终端对话、微信机器人、重新训练，各自对应一个入口文件。

命令行对话启动方式

入口是 src/cli_demo.py，运行python src/cli_demo.py即可，无需任何参数。终端里输入问题，模型流式返回回答；建议每聊十几轮执行一次clear，把历史清掉、释放显存。

微信聊天机器人部署步骤

src/wechat_bot/ 里的机器人只是本地 API 的客户端，必须先起服务再登录微信，两条命令分别在两个终端里执行：

python src/api_service.py python src/wechat_bot/main.py

第二条命令执行后终端会打印二维码，扫码登录成功即可私聊，或到群里 @它 触发回复；第一个终端要保持运行。

数据转换与模型训练流程

把导出的 CSV 放到data/csv，运行 make_dataset/ 下脚本生成 JSON 训练数据，默认把同一人连续的多句回答用逗号合并。训练分两段：src/train_pt.py 是预训练，可跳过；src/train_sft.py 是微调，必做，运行python src/train_sft.py即可。学习率、批大小等参数集中在 settings.json 里调整；多卡训练用 deepspeed 拉起，配置见 ds_config.json。

常见坑与处理办法

新手卡住的基本是四类问题，按现象对号入座即可。

• 显存不足训练中断：日志报 OOM 时，调小 settings.json 里的per_device_train_batch_size与gradient_accumulation_steps，或改用 QLoRA，4bit 量化下 7B 微调可压到约 6GB 显存。
• 扫码登录不上或频繁失效：itchat-uos 走的是微信网页版接口，部分账号受限；换一个小号并确保已绑定银行卡，主号不要上——README 明确提示有封号风险。
• 回复速度慢：机器人默认保留 15 轮对话历史，轮次越多生成越慢；先确认推理跑在 GPU 上，也可以把历史长度调短换速度。
• 聊天数据有隐私泄露风险：脚本默认去除手机号、身份证号、邮箱、网址，make_dataset/blocked_words.json 可追加自己的禁用词；训练前仍建议把导出的 CSV 人工过一眼。

下一步很具体：把data/csv里示例 CSV 换成你自己导出的聊天记录，重跑一遍python src/train_sft.py，再启动 API 服务，得到的就是一个真正像你说话的 WeClone 数字分身。

【免费下载链接】WeClone🚀 One-stop solution for creating your AI twin from chat history 💡 Fine-tune LLMs with your chat logs to capture your unique style, then bind to a chatbot to bring your digital self to life.项目地址: https://gitcode.com/GitHub_Trending/we/WeClone