Comment créer un bot WeChat avec un LLM local ?

Utilisez WeChatFerry (Windows) connecté à Ollama via HTTP API. Temps de configuration : 30–60 minutes avec Python.

Bot WeChat avec LLM local : assistant personnel 2026

Cette page contient des liens de référence vers des produits tiers. PromptQuorum n'est inscrit à aucun programme d'affiliation — ce sont de simples liens qui ne génèrent aucune commission. Cliquer sur les liens et vos prochaines étapes relèvent entièrement de votre responsabilité. Ces liens ne représentent aucune approbation ou vérification par PromptQuorum.

Points clés

WeChatFerry + Ollama : stack recommandé pour bot WeChat local en 2026
Qwen3 8B : meilleur modèle local pour réponses en chinois
Windows requis : WeChatFerry s'intègre dans le client WeChat PC Windows
Temps de configuration : 30–60 minutes avec Python
Aucune API cloud : toute l'inférence tourne localement
CGU WeChat : bots automatisés interdits — usage personnel uniquement

Architecture du bot WeChat : le message WeChat déclenche WeChatFerry (injection DLL Windows), routé via un pont Python vers Ollama exécutant Qwen3:8b, réponse en 3–10 secondes — les cinq étapes tournent localement sans appel API cloud.

1
Installer Ollama et télécharger Qwen3 8B
Why it matters: Téléchargez Ollama depuis ollama.com et exécutez : `ollama pull qwen3:8b`
2
Se connecter à WeChat PC
Why it matters: Ouvrez WeChat sous Windows et scannez le code QR pour vous connecter. Gardez-le connecté et actif en arrière-plan.
3
Installer WeChatFerry
Why it matters: Installez via pip : `pip install wcferry`. WeChatFerry s'injecte dans le processus WeChat pour exposer une API de messages.
4
Créer le gestionnaire de messages Python
Why it matters: Créez `wechat_bot.py` avec le client WeChatFerry, les appels à l'API HTTP d'Ollama et la logique de routage des messages.
5
Tester avec un message à soi-même
Why it matters: Envoyez-vous un message WeChat commençant par "@ai" et vérifiez que le bot répond en moins de 10 secondes.
6
Ajouter l'historique de conversation
Why it matters: Stockez les 10 derniers messages par contact dans un dict pour permettre un contexte de conversation multi-tours.
7
Exécuter en tant que service en arrière-plan
Why it matters: Utilisez NSSM (Non-Sucking Service Manager) pour exécuter le script Python en tant que service Windows démarrant automatiquement.

Modèle	Taille	Qualité en chinois	Vitesse (CPU)	Vitesse (8 Go VRAM)
Qwen3:8b	4,7 Go	Excellente	3–5 tok/s	30–45 tok/s
Qwen3:14b	9 Go	Optimale	1–2 tok/s	15–20 tok/s
Qwen3:3b	2 Go	Bonne	8–12 tok/s	60+ tok/s
Llama3.1:8b	4,7 Go	Moyenne	3–5 tok/s	30–45 tok/s

Vitesse CPU par modèle pour les réponses WeChat en chinois : Qwen3:3b le plus rapide à 8–12 tok/s, Qwen3:8b équilibre qualité et vitesse à 3–5 tok/s, Llama3.1:8b même vitesse avec un chinois plus faible, Qwen3:14b meilleure qualité à 1–2 tok/s.

Ce bot WeChat fonctionne-t-il sur Mac ?

Non. WeChatFerry nécessite Windows. Les utilisateurs macOS peuvent faire tourner Windows dans une machine virtuelle (Parallels ou VMware Fusion).

Mon compte WeChat risque-t-il d'être banni pour utilisation d'un bot ?

Les conditions d'utilisation de WeChat interdisent les bots automatisés. Les comptes détectés utilisant des outils d'automatisation risquent une suspension temporaire ou un bannissement permanent. À utiliser uniquement pour la productivité personnelle à faible volume de messages.

Quel est le meilleur modèle Ollama pour les messages WeChat en chinois ?

Qwen3 8B offre le meilleur équilibre qualité-vitesse pour les réponses WeChat en chinois — excellente compréhension du chinois, suffisamment rapide sur la plupart du matériel, et le modèle de 4,7 Go tient dans 8 Go de VRAM.

Le bot peut-il gérer les discussions de groupe ?

Oui. WeChatFerry expose les messages de groupe avec l'ID de la salle. Modifiez le gestionnaire on_message pour vérifier msg.roomid et filtrer dans quels groupes le bot doit répondre. Ajoutez un mot-clé déclencheur pour éviter de répondre à tous les messages du groupe.