Wie baue ich einen WeChat-Bot mit einem lokalen LLM?

WeChatFerry (Windows) zum Einhaken in den WeChat-PC-Client nutzen, mit Ollama über HTTP-API verbinden und Nachrichten weiterleiten. Einrichtungszeit: 30–60 Minuten.

WeChat-Bot mit lokalem LLM: Persönlicher Assistent 2026

Diese Seite enthält Verweislinks zu Produkten von Drittanbietern. PromptQuorum ist an keinem Partnerprogramm beteiligt — es sind reine Referenzlinks, die keine Provision erzielen. Das Anklicken von Links und Ihre nächsten Schritte liegen in Ihrer eigenen Verantwortung. Diese Links stellen keine Billigung oder Verifizierung durch PromptQuorum dar.

Wichtigste Erkenntnisse

WeChatFerry + Ollama: empfohlener lokaler WeChat-Bot-Stack 2026
Qwen3 8B: bestes lokales Modell für chinesischsprachige Antworten
Nur Windows: WeChatFerry hakt in den WeChat-PC-Client ein
Einrichtungszeit: 30–60 Minuten mit Python-Kenntnissen
Keine Cloud-API: gesamte Inferenz läuft lokal
Hinweis: WeChat-AGB verbieten automatisierte Bots — nur für persönlichen Einsatz

WeChat-Bot-Architektur: WeChat-Nachricht löst WeChatFerry (Windows-DLL-Injektion) aus, geleitet über eine Python-Brücke an Ollama mit Qwen3:8b, Antwort in 3–10 Sekunden — alle fünf Stufen laufen lokal ohne Cloud-API-Aufruf.

1
Ollama installieren und Qwen3 8B laden
Why it matters: Ollama von ollama.com herunterladen und ausführen: `ollama pull qwen3:8b`
2
Bei WeChat PC anmelden
Why it matters: WeChat unter Windows öffnen und den QR-Code zum Anmelden scannen. Im Hintergrund angemeldet und laufend halten.
3
WeChatFerry installieren
Why it matters: Installation über pip: `pip install wcferry`. WeChatFerry klinkt sich in den WeChat-Prozess ein, um eine Nachrichten-API bereitzustellen.
4
Python-Nachrichtenhandler erstellen
Why it matters: `wechat_bot.py` mit WeChatFerry-Client, Ollama-HTTP-API-Aufrufen und Nachrichtenrouting-Logik anlegen.
5
Mit einer Selbstnachricht testen
Why it matters: Eine WeChat-Nachricht beginnend mit "@ai" an sich selbst senden und prüfen, ob der Bot innerhalb von 10 Sekunden antwortet.
6
Gesprächsverlauf hinzufügen
Why it matters: Die letzten 10 Nachrichten pro Kontakt in einem Dict speichern, um mehrstufigen Gesprächskontext zu ermöglichen.
7
Als Hintergrunddienst ausführen
Why it matters: NSSM (Non-Sucking Service Manager) nutzen, um das Python-Skript als Windows-Dienst mit automatischem Start auszuführen.

Modell	Größe	Chinesisch-Qualität	Geschwindigkeit (CPU)	Geschwindigkeit (8 GB VRAM)
Qwen3:8b	4,7 GB	Ausgezeichnet	3–5 Tok/s	30–45 Tok/s
Qwen3:14b	9 GB	Beste	1–2 Tok/s	15–20 Tok/s
Qwen3:3b	2 GB	Gut	8–12 Tok/s	60+ Tok/s
Llama3.1:8b	4,7 GB	Mäßig	3–5 Tok/s	30–45 Tok/s

CPU-Geschwindigkeit je Modell für chinesische WeChat-Antworten: Qwen3:3b am schnellsten mit 8–12 Tok/s, Qwen3:8b balanciert Qualität und Geschwindigkeit mit 3–5 Tok/s, Llama3.1:8b gleich schnell mit schwächerem Chinesisch, Qwen3:14b beste Qualität mit 1–2 Tok/s.

Funktioniert der WeChat-Bot auch auf macOS?

Nein. WeChatFerry benötigt Windows und hakt sich via DLL-Injektion in den WeChat-Windows-PC-Client ein. macOS-Nutzer können Windows in einer virtuellen Maschine (Parallels) verwenden.

Riskiert mein WeChat-Konto eine Sperre durch die Nutzung eines Bots?

Die WeChat-Nutzungsbedingungen verbieten automatisierte Bots. Konten, bei denen Automatisierungstools erkannt werden, riskieren eine vorübergehende Sperre oder einen dauerhaften Bann. Nur bei geringem Nachrichtenvolumen für persönliche Produktivität nutzen.

Welches Ollama-Modell eignet sich am besten für chinesische WeChat-Nachrichten?

Qwen3 8B bietet die beste Balance aus Qualität und Geschwindigkeit — ausgezeichnetes Chinesisch-Verständnis, 4,7 GB passen in 8 GB VRAM.

Kann der Bot Gruppenchats verarbeiten?

Ja. WeChatFerry liefert Gruppennachrichten inklusive Raum-ID. Den on_message-Handler anpassen, um msg.roomid zu prüfen und zu filtern, in welchen Gruppen der Bot antworten soll. Ein Auslöse-Schlüsselwort hinzufügen, um nicht auf jede Gruppennachricht zu reagieren.