Skip to main content
PromptQuorumPromptQuorum
Início/LLMs locais avançados/WeChat + LLM local: Guia para desenvolvedores 2026
Local AI Agents & Tool Use

WeChat + LLM local: Guia para desenvolvedores 2026

·11 min de leitura·Por Hans Kuepper · Fundador do PromptQuorum, ferramenta de despacho multi-modelo de IA · PromptQuorum
Ler em:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

Conecte o WeChat a um LLM local rodando o Ollama em um mini PC sempre ativo, depois faça a ponte das mensagens do WeChat para a API HTTP do Ollama via WeChatFerry (Windows) ou um listener de webhook. O Qwen3 7B Q4_K_M é o melhor modelo para chats em chinês no WeChat — tokenização CJK nativa, 5.5 GB de VRAM e 8–15 tok/s em hardware modesto.

Conectar o WeChat a um LLM local dá a você um assistente de IA privado que responde no aplicativo de mensagens mais usado do mundo — sem enviar uma única mensagem a uma API de nuvem. Este guia cobre três padrões de integração (WeChatFerry no Windows, ponte HTTP webhook, servidor mini PC sempre ativo), ajuda você a escolher o modelo Qwen certo para chats em chinês e mostra como a inferência local atende à Lei de Segurança de Dados da China.

Apresentação: WeChat + LLM local: Guia para desenvolvedores 2026

Apresentação interativa para este artigo.

Navegue pelos slides abaixo ou baixe em PDF para referência offline. Baixar cartão de referência (PDF)

Principais conclusões

  • O WeChatFerry (Windows) é o hook mais confiável para o cliente WeChat PC em 2026: roda ao lado do WeChat sem modificar seu binário
  • O Ollama expõe uma API HTTP local na porta 11434: um script Python de 10 linhas roteia mensagens do WeChat para qualquer modelo carregado
  • Qwen3 7B Q4_K_M: recomendado para chats em chinês — 5.5 GB de VRAM, tokenização CJK nativa, 8–15 tok/s em mini PC
  • Servidor mini PC sempre ativo (Minisforum UM890 Pro, ~35 W): mantém o bot disponível 24/7 para chats em grupo e pessoais
  • Inferência local: zero dados transmitidos à nuvem — atende ao Artigo 31 da Lei de Segurança de Dados da China para dados pessoais

Três padrões de integração WeChat + LLM

Padrão 1 — WeChatFerry + Ollama (Windows): O mais estável. O WeChatFerry intercepta o cliente oficial do WeChat PC e expõe um SDK Python. As mensagens chegam como eventos; seu script chama a API HTTP do Ollama e devolve a resposta. Funciona para chats pessoais e em grupo. Requer Windows com o WeChat PC instalado.

Padrão 2 — Ponte HTTP webhook: Rode um servidor HTTP local que recebe callbacks de webhook de um gateway WeChat de terceiros. Mais complexo de configurar, mas funciona em múltiplas plataformas. Adequado para empresas com infraestrutura de WeChat Official Account.

Padrão 3 — Ollama + encaminhamento Open WebUI: Use o recurso de notificação do WeChat do Open WebUI (quando disponível) para enviar resumos ou respostas a uma conta pessoal do WeChat. Leve e sem necessidade de hook, mas só suporta notificações em um sentido.

Para a maioria dos usuários — especialmente na China com contas pessoais — o Padrão 1 (WeChatFerry + Ollama) é a opção certa para 2026.

Configuração do WeChatFerry: passo a passo

  1. 1
    Instale o WeChat PC (versão oficial de weixin.qq.com) no Windows
  2. 2
    Instale o WeChatFerry: pip install wcferry (Python 3.10+)
  3. 3
    Inicie o daemon do WeChatFerry: python -m wcferry.daemon
  4. 4
    Escreva o manipulador de mensagens: from wcferry import Wcf; wcf = Wcf(); wcf.enable_receiving_msg()
  5. 5
    No loop de mensagens, faça POST para o Ollama: requests.post("http://localhost:11434/api/generate", json={"model":"qwen2.5:7b","prompt":msg.content})
  6. 6
    Envie a resposta: `wcf.send_text(response["response"], msg.roomid or msg.sender)`
  7. 7
    Teste com uma mensagem pessoal; verifique que a resposta aparece no WeChat em 2–5 segundos
python
import requests
from wcferry import Wcf

wcf = Wcf()
wcf.enable_receiving_msg()

while True:
    msg = wcf.get_msg()
    if msg and msg.from_self() is False:
        resp = requests.post(
            "http://localhost:11434/api/generate",
            json={"model": "qwen2.5:7b", "prompt": msg.content, "stream": False}
        ).json()
        wcf.send_text(resp["response"], msg.roomid or msg.sender)

API HTTP do Ollama: endpoints principais

O Ollama roda um servidor REST local em http://localhost:11434 após ollama serve. Nenhuma autenticação é necessária para conexões locais.

Geração (turno único): POST /api/generate — corpo: {model, prompt, stream: false} — retorna {response, done}

Chat (multi-turno): POST /api/chat — corpo: `{model, messages: [{role, content}]}` — mantém o contexto da conversa entre chamadas

Listar modelos: GET /api/tags — retorna todos os modelos instalados com seus tamanhos

Para a integração com o WeChat, use /api/chat com um histórico de conversa rotativo (últimas 10 mensagens) para manter o contexto durante uma sessão.

Mini PC como servidor WeChat LLM sempre ativo

Um mini PC dedicado e sempre ativo mantém seu bot do WeChat funcionando sem ocupar um laptop ou estação de trabalho.

Minisforum UM890 Pro (Recomendado): AMD Ryzen 9 8945HS, 32–64 GB DDR5, iGPU AMD Radeon 780M. Roda o Qwen3 7B a ~8 tok/s via ROCm no Linux. Consumo: ~35 W em repouso, ~65 W sob inferência. Preço: ~$350–$450.

Mac Mini M4: Apple Silicon M4, 16–32 GB de memória unificada, ~18 tok/s em modelos 7B via MLX. Consumo: ~20 W em repouso. A opção mais silenciosa. Preço: ~$599.

Dica de configuração: Ative o início automático — adicione ollama serve e seu script de ponte WeChatFerry ao systemd (Linux) ou ao Agendador de Tarefas do Windows. O bot então se recupera automaticamente após cada queda de energia.

Melhores modelos para chats em chinês no WeChat

Qwen3 7B Q4_K_M (Primeira escolha): Desenvolvido pela Alibaba com tokenização CJK nativa. 5.5 GB de VRAM, 8–15 tok/s. Entende expressões idiomáticas chinesas, referências clássicas e frases coloquiais muito melhor que os modelos centrados no Ocidente. Instalação: ollama pull qwen2.5:7b.

Qwen3 14B Q4_K_M: Para conversas mais ricas quando há um mini PC com 12–16 GB de RAM disponível. 9.5 GB de VRAM, 4–8 tok/s. Notavelmente melhor em raciocínio matizado em chinês e contexto multi-turno.

DeepSeek-R1-Distill-Qwen-7B: Bom para responder perguntas e explicações passo a passo em chinês. Ligeiramente mais fraco em conversa casual que o Qwen3 7B.

Evitar: Llama 3 e Mistral — os tokenizadores centrados no Ocidente usam 2–3× mais tokens para texto em chinês, o que gera respostas mais lentas e truncamento em mensagens longas.

Gestão de chats em grupo

Os chats em grupo do WeChat exigem gerenciar as menções @. O WeChatFerry expõe msg.is_at para detectar quando o bot é mencionado.

Boa prática: responder apenas quando msg.is_at for True ou quando a mensagem começa com uma palavra-chave de ativação. Responder a cada mensagem do grupo gera ruído e ativa os limites de taxa anti-bot do WeChat.

Limite de taxa: o WeChat pode limitar contas que enviem mais de ~30 mensagens por minuto. Adicione um atraso de 2–3 segundos entre as respostas do bot em contextos de grupo.

Gestão do contexto: para chats em grupo, mantenha históricos de conversa separados por usuário (indexados por msg.sender) para evitar misturar o contexto entre participantes.

Privacidade e conformidade com a Lei de Segurança de Dados da China

A inferência local significa que os prompts, as respostas e o histórico de conversa nunca saem do seu hardware. Nem os servidores da Tencent no WeChat nem qualquer API de LLM na nuvem processam o conteúdo.

Lei de Segurança de Dados da China (DSL, 2021) Artigo 31: Exige que os dados pessoais coletados ou usados em território chinês permaneçam sob a jurisdição da China. Rodar seu próprio LLM local garante que a inferência não seja roteada por provedores de nuvem estrangeiros (OpenAI, Anthropic, Google).

Lei de Cibersegurança Artigo 37: Os operadores de infraestruturas de informação crítica devem armazenar os dados em território nacional. A inferência local satisfaz esse requisito para casos de uso pessoais e de pequenas e médias empresas.

O que isto NÃO cobre: Os metadados das mensagens do WeChat (quem enviou para quem, marcas de tempo) permanecem nos servidores da Tencent conforme os Termos de Serviço do WeChat — a inferência local não pode mudar isso. Para privacidade total, use uma plataforma de mensagens local em vez do WeChat.

Nota para leitores no Brasil: A LGPD (Lei Geral de Proteção de Dados) Artigo 39 exige que o operador trate os dados pessoais conforme as instruções do controlador. Rodar LLMs locais evita a necessidade de um contrato de tratamento com qualquer fornecedor de LLM — uma simplificação significativa de conformidade junto à ANPD.

Perguntas frequentes

O WeChatFerry funciona com o WeChat para Mac?

Não. O WeChatFerry intercepta as DLLs do cliente WeChat PC do Windows e não é compatível com o WeChat para Mac. No Mac, use uma VM do Windows ou um dos padrões de webhook HTTP.

A Tencent pode banir minha conta por usar um bot?

Os Termos de Serviço do WeChat proíbem o envio em massa de mensagens automatizadas. Os bots pessoais com taxas de resposta semelhantes às humanas (1–5 mensagens por minuto) raramente provocam banimentos. Evite o envio em massa, o spam em grupos ou usar o bot para promoção comercial.

Qual modelo do Ollama é melhor para texto em chinês?

Qwen3 7B Q4_K_M. Desenvolvido pela Alibaba com tokenização CJK nativa — entre 30–40% mais eficiente com texto em chinês que os modelos Llama ou Mistral.

Posso rodar isso em um laptop?

Sim. Um laptop com 16 GB de RAM roda o Qwen3 7B confortavelmente a 8–15 tok/s apenas com CPU. A latência de resposta é de 3–8 segundos por mensagem, aceitável para chat.

A inferência local atende à Lei de Segurança de Dados da China?

Para o conteúdo da inferência (prompts e respostas), sim — nenhum dado sai do seu hardware. Os metadados das mensagens do WeChat continuam residindo nos servidores da Tencent conforme seus ToS.

Como gerencio conversas multi-turno?

Armazene o histórico de conversa como uma lista Python com dicts {role, content} indexados por remetente. Passe as últimas 10–15 mensagens para /api/chat em cada requisição para manter o contexto.

Leituras relacionadas

← Voltar para LLMs locais avançados