企业官网建设流程全解析

WeClone：用你的微信聊天记录微调大模型，养一个替你回话的数字分身

【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

WeClone 做的事很直接：拿你的微信聊天记录微调 chatglm3-6b 大模型，学出你的口吻，再绑到微信机器人上。链路就是三步——聊天记录进，SFT 微调中，数字分身出，从此私聊群聊都有人替你回话。

🔍 显存先算账：16GB 够微调 6B 模型

够。默认基座模型是 chatglm3-6b，LoRA 是在原模型旁边挂一个小适配器、只训适配器不碰全部参数，所以 SFT 阶段实际显存开销落在 16GB 上下。显存更紧张的话，把 settings.json 里的per_device_train_batch_size和gradient_accumulation_steps调小来省显存，再不够就换 QLoRA 量化方案。先克隆仓库搭好环境：

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

📦 聊天记录怎么变成训练集

数据质量决定效果上限，这是项目方反复强调的一句话。用 PyWxDump 工具把微信聊天记录导出成 CSV，每个联系人或群聊对应一个 csv 文件夹，统一放进仓库的./data/csv目录下，再跑一次预处理：

python make_dataset/csv_to_json.py

脚本会自动剔掉手机号、身份证号、邮箱、网址这类敏感信息，含禁用词的整句直接丢弃，词库在 make_dataset/blocked_words.json。同一个人连回多句时默认合并成一句；想保留成多轮历史对话，就换 make_dataset/csv_to_json-单句多轮.py 处理。

一条命令开始训练

训练前先下载 chatglm3-6b 权重放到./chatglm3-6b目录，Hugging Face 首选，网络不稳就用魔搭社区，并在训练和推理前设置USE_MODELSCOPE_HUB=1。批次大小、学习率、LoRA 秩、训练轮数这些参数都集中在 settings.json，克隆到本地后只改这个文件就行，代码不用动。接着跑 SFT 微调：

python src/train_sft.py

仓库也留了 PT（预训练）阶段的脚本，但实测提升不明显，直接从 SFT 开跑就行。手头有两块以上显卡，先装 deepspeed，再用deepspeed --num_gpus=2 src/train_sft.py多卡分摊。loss 降到 3.5 左右就差不多，降得太多容易过拟合。

浏览器里先验一把效果

训完不用急着上机器人，先起本地页面聊天试试：

python src/web_demo.py

回复的语气像你，就成了。下图是训好的 WeClone 数字分身在微信里跟朋友聊天的实际画面：

🤖 两条命令上线微信分身机器人

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，用微信扫一下即可。私聊它、或在群里 @ 它就开始回话，对话历史由 src/wechat_bot/main.py 负责维护。想让机器人换个角色说话，去 src/template.py 改默认的系统提示词。

⚠️ 先说清楚：微信上跑机器人有封号风险，尽量用小号，并且账号需要绑定银行卡。建议先拿一两个密友的聊天记录把全流程跑通，验证效果后再逐步补充更多人的数据重新训练。提升效果最直接的往往就是这一步——数据多、质量高，分身才更像你。

【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