关键要点
- WeChatFerry + Ollama：2026年推荐的本地微信机器人技术栈
- Qwen3 8B：中文微信对话的最佳本地模型
- 仅支持Windows：WeChatFerry注入微信PC客户端（Windows专属）
- 配置时间：熟悉Python的用户约30–60分钟
- 无云端API：全部推理在本地完成
- 风险提示：微信用户协议禁止自动化机器人——仅限个人使用
- 1安装Ollama并拉取Qwen3 8B
Why it matters: 从ollama.com下载Ollama并运行：`ollama pull qwen3:8b` - 2登录微信PC客户端
Why it matters: 在Windows上打开微信并扫码登录，保持登录状态并在后台运行。 - 3安装WeChatFerry
Why it matters: 通过pip安装：`pip install wcferry`。WeChatFerry会注入微信进程以暴露消息API。 - 4创建Python消息处理程序
Why it matters: 创建`wechat_bot.py`，包含WeChatFerry客户端、Ollama HTTP API调用和消息路由逻辑。 - 5发送自我消息测试
Why it matters: 给自己发一条以"@ai"开头的微信消息，确认机器人在10秒内回复。 - 6添加对话历史记录
Why it matters: 将每个联系人最近10条消息存入字典，以支持多轮对话上下文。 - 7作为后台服务运行
Why it matters: 使用NSSM（Non-Sucking Service Manager）将Python脚本作为可自动启动的Windows服务运行。
| 模型 | 大小 | 中文质量 | CPU速度 | 8GB显存速度 |
|---|---|---|---|---|
| Qwen3:8b | 4.7 GB | 优秀 | 3–5 tok/s | 30–45 tok/s |
| Qwen3:14b | 9 GB | 最佳 | 1–2 tok/s | 15–20 tok/s |
| Qwen3:3b | 2 GB | 良好 | 8–12 tok/s | 60+ tok/s |
| Llama3.1:8b | 4.7 GB | 一般 | 3–5 tok/s | 30–45 tok/s |
这个微信机器人在Mac上能用吗？
不能。WeChatFerry需要Windows系统，通过DLL注入微信PC客户端。Mac用户可以在Parallels等虚拟机中运行Windows来使用此方案。
微信机器人有被封号风险吗？
微信用户协议禁止自动化机器人。使用自动化工具的账号存在被临时封禁或永久封号的风险。建议仅用于个人低频使用场景，不要用于群发、营销或商业自动化。
推荐用哪个Ollama模型处理中文微信消息？
Qwen3 8B是质量与速度的最佳平衡——中文理解能力优秀，4.7GB可装入8GB显存，有GPU时回复延迟仅1–3秒。
机器人能处理微信群消息吗？
可以。WeChatFerry会暴露群消息及群ID。修改on_message处理函数，通过msg.roomid判断要响应的群，并加入触发词避免对所有群消息自动回复。