WeClone使用指南：如何用你的微信聊天记录微调出专属AI数字分身-育师

WeClone使用指南：如何用你的微信聊天记录微调出专属AI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

你有没有想过，一个模仿你口吻聊天的机器人，朋友能不能分辨出"那不是你"？WeClone 用你的微信聊天记录去微调大语言模型，帮你打造能聊天、能接话、带着你个人语气风格的 AI 数字分身。

💬 认识WeClone：聊天记录也能炼成模型

WeClone 是一个从聊天记录创建数字分身的一站式方案，适合三类人：想给自己造个"电子替身"的玩家、想用真人语气做客服或陪伴机器人的开发者，以及想体验大语言模型微调全流程的学习者。

它做的事情用一句话说清：让你自己的对话数据教模型说话，最后得到一个"嘴替"级别的聊天机器人。

和常见的"直接调 API 写 prompt"不同，WeClone 走的是真正微调的路线。它基于 ChatGLM3-6B 这类开源底座模型，采用 LoRA 方式训练——不需要动原模型的全部参数，一块 16GB 显存的显卡就能跑起来，对普通开发者相当友好。显存不够时，官方文档 README.md 里还给了 QLoRA 的估算表，8GB 显存也能尝试 7B 模型。

⚙️ WeClone是怎么运转的：从聊天数据到会说话的模型

把整条链路拆开看，其实就是一次"输入→加工→训练→上岗"的过程。

第一步，拿到原料。你的微信聊天记录先被导出成 CSV 文件，放进项目的 data 目录。这一步是决定上限的环节——官方也坦白提醒：最终效果很大程度取决于数据的数量和质量。作者自己用了大约两万条有效数据，效果"差强人意但有时候真的很搞笑"。

第二步，清洗与整形。项目里的 make_dataset/csv_to_json.py 负责把杂乱的 CSV 变成模型能吃的训练样本。手机号、身份证号、邮箱、网址会被自动剔除；你还能往 make_dataset/blocked_words.json 里加禁用词，含敏感词句的整条对话会被整句过滤。同一个人连发多句时也有三种处理策略：逗号拼接、只留最长一句、或者塞进多轮历史的 "history" 字段，分别对应目录下的三个脚本，你可以按自己的数据形态挑。

第三步，轻量微调。训练和推理的配置都集中在 settings.json 里，比如学习率、轮数、LoRA 的 rank 和 dropout。跑一下 src/train_sft.py，模型会沿着监督微调（SFT）的路径学会"像你一样回答"。作者的经验是：loss 降到 3.5 左右比较稳，降得太狠容易过拟合——模型会把你的聊天背下来，而不是学会你的风格。如果你有多卡环境，也可以用 DeepSpeed 起多卡训练，配置参考 ds_config.json。

第四步，上岗服务。训练产物是一个 LoRA 适配器，加载后就能对外提供推理：浏览器网页、命令行、API 接口，甚至直接接回微信，你的数字分身就"复活"了。

🚀 快速上手：四步跑出你的数字分身

1. 搭环境

git clone https://gitcode.com/GitHub_Trending/we/WeClone cd WeClone && pip install -r requirements.txt

建议 Python 3.10 + CUDA 环境，具体版本要求见 README.md 里的软件要求表。

2. 准备数据

把整理好的 CSV 聊天记录放进 data 目录，执行python make_dataset/csv_to_json.py完成清洗转换，产出的训练集信息记录在 data/res_csv/sft/dataset_info.json。

3. 训练模型

先下载 ChatGLM3-6B 底座模型（Hugging Face 或魔搭社区均可，国内用后者更省心），确认 settings.json 里的model_name_or_path指向正确，然后：

python src/train_sft.py

显存紧张时，调小per_device_train_batch_size、加大gradient_accumulation_steps即可。

4. 上线体验

python src/web_demo.py

浏览器里就能和"另一个你"对话了，效果类似下面这样：

🧩 WeClone还能做什么：从网页聊天到微信机器人

跑通基础流程后，这个项目的扩展面比想象中大。

命令行与接口双通道：src/cli_demo.py 提供终端里的轻量对话；src/api_service.py 把模型包成 HTTP 服务，方便接入你自己的应用。
部署成微信机器人：启动 API 服务后运行 src/wechat_bot/main.py，终端会显示登录二维码，扫码后私聊或在群里 @ 它就能获得你"本人"的回复。需要留意的是，微信侧存在封号风险，官方建议用小号、并绑定银行卡后使用。
测试与评估：用 src/test_model.py 跑一批常见聊天问题，直观检验分身像不像你；配合 src/evaluate.py 做更系统的评估。
模型导出：训练完成后用 src/export_model.py 合并导出，部署到其他环境更省事。
参数与数据都可调：禁用词库、训练轮数、LoRA 超参都是开放给你的旋钮；预训练阶段（PT）的数据处理和 src/train_pt.py 也一并提供，想深挖效果可以叠加使用，尽管作者实测提升有限。

README 里还预留了 RAG 知识补充和多模态两个方向，意味着未来你的分身不仅能"像你说话"，还可能"懂你说过的事"。