WeClone上手指南：把微信聊天记录调教成会说话的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
WeClone 是一个把微信聊天记录变成微调大模型的一站式项目：模型学会你的语气之后，就是你的 AI 数字分身。本文带你走通完整链路——装依赖、生成训练集、用约 16GB 显存微调 7B 模型、在浏览器里和分身对话，最后还可以接上微信。
下载项目并安装全部依赖
先确认硬件：项目默认用 ChatGLM3-6B 作底模，SFT（监督式微调，即用"问题-回答"成对数据教模型）阶段采用 LoRA（低秩适配，只训练一小块附加参数、原权重不动），大约需要 16GB 显存。显存不够时，可换 QLoRA（对参数做量化压缩以省显存的 LoRA 变体）或换更小的模型。Python 最低 3.8，推荐 3.10。
git clone https://gitcode.com/GitHub_Trending/we/WeClone cd WeClone进入目录后能看到 README.md、settings.json 等文件即成功。接着装依赖：
pip install -r requirements.txt装完应无任何报错，且pip show llmtuner能显示版本——llmtuner（LLaMA-Factory）是本项目微调的核心依赖。
把微信聊天记录变成训练集
模型不能直接读聊天记录，需要先用开源工具 PyWxDump 把微信记录解密并导出为 CSV（逗号分隔的纯文本表格），再把导出的 csv 文件夹放进项目./data目录，每个联系人一个文件夹。
然后运行 make_dataset/csv_to_json.py（聊天记录转训练集的脚本）：
python make_dataset/csv_to_json.py脚本会顺手删掉手机号、身份证号、邮箱、网址等敏感字段；你还能往 make_dataset/blocked_words.json（自定义屏蔽词表）里加词，凡含这些词的句子会被整句丢弃。
对方连续回多句时选哪个脚本
默认脚本会把连续多句拼成一条长回答；若希望每句各算一轮对话，改用 make_dataset/csv_to_json-单句多轮.py（额外对话存入 history 字段，产出 data/sft/dataset_info-with-his.json）。跑完后 data/res_csv、data/sft 目录下出现 dataset_info.json，训练集就备好了。
下载底模并启动SFT微调
两个模型下载渠道
ChatGLM3-6B 可去 Hugging Face 模型社区直接下载，网络不畅则改用魔搭社区，并在之后所有训练、推理前设置环境变量：
export USE_MODELSCOPE_HUB=1Windows 上写set USE_MODELSCOPE_HUB=1。设置后用echo $USE_MODELSCOPE_HUB看到 1 即生效。
训练与推理参数集中在 settings.json（训练推理统一配置文件）：显存吃紧就调小 per_device_train_batch_size 和 gradient_accumulation_steps；按数据量调整 num_train_epochs（训练轮数）和 lora_rank（附加参数量）。作者的经验值：SFT loss 降到 3.5 左右即可，再低容易过拟合。
python src/train_sft.pysrc/train_sft.py 是 SFT 微调入口，终端会逐 step 打印 loss，checkpoint 会保存到输出目录。多卡训练需先pip install deepspeed，再以deepspeed --num_gpus=卡数 src/train_sft.py启动。
在浏览器里和模型对话
python src/web_demo.pysrc/web_demo.py 是网页对话入口。终端打印出服务地址后，在浏览器打开该地址发一条消息，微调后的分身会用你的语气作答；首轮略慢属正常，是模型在加载。
把微调好的模型接上微信机器人
微信回复需要两步：先启动 src/api_service.py（给外部程序提供模型推理的接口服务），再启动 src/wechat_bot/main.py（微信机器人入口）：
python src/api_service.py python src/wechat_bot/main.py第二条命令会在终端打印二维码，扫码登录后即可私聊或在群里 @ 它获取回复。注意微信有封号风险，建议用小号。只想批量验证效果而不接微信的话，运行 src/test_model.py（用常见聊天问题做批量测试）。
下一步建议
- 分身"不像你"时先回查数据：核对 data/sft/dataset_info.json 里的条数与噪声，往 blocked_words.json 补词后重跑转换与微调。
- 试试 SFT 前先做 PT（预训练阶段，只喂文本让模型通读）打底，入口 src/train_pt.py（PT 预训练入口，对应数据在 data/res_csv/pt）。
【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
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
