5分钟上手WeClone用微信聊天记录炼出你的数字分身【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/WeCloneWeClone 是一个构建数字分身的工具它拿你的微信聊天记录对大语言模型做微调让模型学会你的说话方式再输出一个可以直接接微信聊天机器人的个性化对话 API。适合谁用这个工具适合想让 AI用你的口吻说话的人不用设计提示词模型直接模仿你的表达习惯。三类典型用法重复答疑的 24 小时替身常见问题它替你回私人聊天搭子用你平时的语气接朋友的话大模型微调的入门练习从导出数据到训练验证一条龙走完。 三步跑通敲三条命令就能在终端里和模型对话起来。克隆项目代码git clone https://gitcode.com/GitHub_Trending/we/WeClone进入目录cd WeClone后安装依赖。依赖以微调框架、微信接口 itchat 和一些数据处理与向量库组件为主——向量库就是那种按含义存数据、做语义查找的数据库项目用它做知识扩展。pip install -r requirements.txt启动命令行对话python src/cli_demo.py启动后直接打字就能聊clear清空历史exit退出。 核心玩法项目提供两种使用形态终端里对话或者把微信聊天机器人部署到微信上。命令行对话验证效果最直接的方式按上一步第 3 条启动即可。对话历史全程存在内存里聊得久时记得定期敲clear清理减少内存占用。微信机器人这是数字分身部署最典型的形态流程分两步先启动 API 服务src/api_service.py机器人从本地服务取答案再运行 微信机器人目录 src/wechat_bot/ 里的 main.py。终端会打印二维码扫码登录后即可使用私聊或在群里 它都能触发。 进阶用自己的数据训练默认模型的语气比较泛想让数字分身真的像你得拿自己的微信聊天记录做微调。数据准备交给 make_dataset/ 里的脚本完成脚本对同一人连续多句回答的处理方式csv_to_json.py用逗号连接csv_to_json-单句多轮.py放进提示词的 history 字段训练分两种模式PT预训练可选主流做法是 SFT监督微调由 src/train_sft.py 执行用 LoRA 只改一小部分模型权重显存占用相对低。所有参数集中在 settings.json 里配置改好模型和数据路径就能跑不用碰训练代码。效果上限取决于数据作者用了约 2 万条清洗后的数据做参考素材越贴近真实对话语气越像。❓ 常见问题启动后没有反应需要先下载默认底模 ChatGLM3-6bREADME 里也给了从魔搭社区获取的办法并在 settings.json 里配置模型本地路径对话脚本找不到模型就会卡住。显存和内存要求多少默认 7B 模型 LoRA 微调约需 16GB 显存运行对话服务建议 16GB 以上内存显存紧张可以改选 QLoRA 或更小的模型。聊天记录涉及隐私怎么办预处理脚本默认剔除手机号、身份证号、邮箱和网址你还可以往make_dataset/blocked_words.json里追加自己的敏感词含这些词的整句都会被过滤。微信上挂机器人会封号吗有封号风险强烈建议用副号另外按 README 说明账号需绑定银行卡才能使用该功能。数字分身最大的收益是你不在场的 24 小时里它还能用你的语气替你应答。下一步就去导出自己的聊天数据把上面的三步跑完拥有第一个像你说话的机器人。【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