企业官网建设流程全解析

用你的微信聊天记录微调出数字分身：WeClone 微调教程

【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

WeClone 是一个用真实微信聊天记录微调大模型的工具：它先把你的聊天日志变成训练数据，用 LoRA 微调 ChatGLM3-6B 学会你的说话口吻，再接回微信机器人，让数字分身自动回消息。全程核心命令不超过五条，下面只讲新手要做的判断和必须避的坑。

🖥️ WeClone 微调需要多少显存

够。默认基座是 chatglm3-6b，走 LoRA 路线只更新部分参数，SFT 阶段实际显存开销约 16GB，16GB 的卡不用折腾。显存更紧张就把 settings.json 里的per_device_train_batch_size和gradient_accumulation_steps调小，再不够改用 QLoRA 量化方案。多卡的话装上 deepspeed，用deepspeed --num_gpus=2 src/train_sft.py分摊训练。

环境按官方推荐来最省事：

git clone https://gitcode.com/GitHub_Trending/we/WeClone conda create -n weclone python=3.10 conda activate weclone cd WeClone && pip install -r requirements.txt

💬 微信聊天记录怎么变成训练数据

先说结论：数据质量决定效果上限，这一步比调参数更重要。

用 PyWxDump 把微信日志导出成 CSV（每个联系人、每个群聊一个文件夹），全部放进仓库的./data/csv目录，然后跑一次预处理：

python make_dataset/csv_to_json.py

脚本会自动剔除手机号、身份证号、邮箱、网址；想再过滤内容，就在 make_dataset/blocked_words.json 里加词，含禁用词的整句会直接丢掉。同一个人连回多句默认合并成一句；想保留成多轮历史对话，改用 make_dataset/ 里的多轮处理脚本。

所有参数都集中在 settings.json：批次大小、学习率、LoRA 秩、训练轮数（默认 3 轮），克隆到本地后只改这个文件，代码不用动。另外要先下载基座权重放到./chatglm3-6b目录，训练和推理都从这里加载。

⚙️ WeClone 微调怎么一条命令跑完

就一条：

python src/train_sft.py

它读取 settings.json 里的全部参数做 SFT 微调，loss 降到 3.5 左右即可，降太多容易过拟合。训完起本地页面验证：

python src/web_demo.py

回复的语气像你，就成了。

📱 WeClone 微信机器人怎么上线，有哪些坑

两个终端各跑一个进程，顺序是 API 服务在前、机器人随后：

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

终端会打印登录二维码，微信扫码即可。私聊它或在群里 @ 它就开始回复，对话历史由机器人程序负责维护。

封号风险要单独说清：微信上跑机器人有封号风险，务必用小号，且账号需要绑定银行卡。主号不建议接入。

想让机器人换个角色说话，改 src/template.py 里的默认系统提示词即可，默认值是"请你扮演一名人类，不要说自己是人工智能"。

效果不理想的坑基本都在数据上：数量不够或质量差，模型学不到你的口吻。建议先拿一两个密友的聊天记录把全流程跑通，确认语气对味后，再逐步补充更多人的数据重新训练，这是提升效果最直接的一步。

【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