# 这个是运行的主要界面,运行速度可能很慢,请细心等待,是DeepSeek在思考,这只提供最简单的实现
# 如果有需要改进或交流,提问或合作等,请加wx:wlxdr1234567
from wxauto import WeChat
from openai import OpenAI
import time
from rollchat import roll
from rollchat_deep import roll_deep
from message import key,url
def main():
client = OpenAI(api_key=key, base_url=url)
# content中的内容,可以随意修改,也可以不写,就是给它一个AI对话的人物设定,下面提供一个比较有意思的content
# 你是一个暴躁老表,回答问题非常尖锐
messages=[
{"role": "system", "content": "你是一个智能客服,讲话简洁明了,态度亲和有力"} #设置系统风格和语气
]
# 获取微信窗口对象
wx = WeChat()
# 成功之后输出 > 初始化成功,获取到已登录窗口:xxxx
# 设置监听列表,下面是你要监听的微信好友,把他们的备注复制粘贴到下面的'listen_list'即可,可以随意增加或者减少
listen_list = [
'小号'
]
# 循环添加监听对象
for i in listen_list:
wx.AddListenChat(who=i, savepic=True)
# 持续监听消息,并且收到消息后回复“收到”
wait = 1 # 设置1秒查看一次是否有新消息
i = 1
while True:
msgs = wx.GetListenMessage()
for chat in msgs:
who = chat.who # 获取聊天窗口名(人或群名)
one_msgs = msgs.get(chat) # 获取消息内容
# 回复收到
for msg in one_msgs:
msgtype = msg.type # 获取消息类型
content = msg.content # 获取消息内容,字符串类型的消息内容
print(f'【{who}】:{content}')
if msgtype == 'friend': #下面选择用DeepSeek的深度思考和普通对话
chat.SendMsg(roll_deep(client, messages, content)) # 深度思考
# chat.SendMsg(roll(client, messages, content)) # 普通对话
time.sleep(wait)
if __name__ == "__main__":
main()
坪山雕章大鹏雕章13632505702光明雕章汕尾雕章

随着人工智能和机器学习技术的不断进步,越来越多的开发者希望通过简单的编程实现智能化的应用。在众多即时通讯工具中,微信作为中国市场上的佼佼者,其用户基数庞大,使得开发微信相关的自动化工具具有广泛的实用价值。本文档提供了一种简易的方法,通过DeepSeek、wxauto与Python的结合,实现了一个自动回复机器人,旨在帮助新手快速搭建微信AI助手。
DeepSeek是一个用于检测和响应微信消息的接口,它能帮助开发者捕获微信消息并做出响应。而wxauto是一个在Python环境下模拟微信操作的库,它通过控制微信客户端实现自动回复等功能。Python,作为一种高级编程语言,以其简洁、易读的特性受到众多开发者的青睐。它拥有强大的库支持,使得开发者能以更少的代码实现复杂的功能。
在实现自动回复机器人的过程中,用户不需要进行复杂的配置。文档中提供的代码是纯Python编写的,简洁明了,确保了新手用户可以“开箱即用”。这种做法极大地降低了技术门槛,使得即使是编程新手也能够迅速上手,搭建属于自己的微信AI助手。
此外,由于代码中剔除了冗余的部分,使得整体架构更加精简。这不仅提高了代码的运行效率,还便于新手快速理解程序的工作原理,逐步学习和掌握Python编程以及自动化工具的开发。
在本项目中,文件列表包含了常见的Python项目结构,如虚拟环境目录(.venv)、IDE配置文件(.idea)以及编译缓存目录(__pycache__)。这些目录的出现表明该项目是一个标准的Python项目,具备了自动化测试和部署的基本框架,为项目的开发和后期维护提供了便利。
本项目为开发微信自动化工具提供了一个简单的实现方案,不仅降低了技术难度,而且为开发者节省了大量的时间和精力。它能够帮助那些对编程和人工智能感兴趣的初学者快速搭建微信AI助手,为更深入的技术学习打下基础。

Erica_520
- 粉丝: 13
最新资源
- 基于STM32+MPU6050的体感机械臂开发
- 百度API推送工具批量提交链接助力快速收录
- banner.png
- 图像识别领域所涉及的基本技术解析
- VS2012 NuGet基础连接失败修复注册表
- createrepo-0.20
- 3D-Robotic-Arm-Simulation-main.zip
- 3 自由度串行臂机器人的前向、反向和速度运动学 (Matlab).zip
- 基于MATLAB Robotics Toolbox的6自由度机械臂实时位姿显示.zip
- 机械臂-轨迹规划.zip
- 机械臂运动学.zip
- Matlab中的机械臂仿真.zip
- 6DOF-机械臂控制.zip
- 旋转关节机械臂轨迹.zip
- 基于ROS的机械臂运动学。在有障碍物的环境中模拟手臂。.zip