ChatGPT 已经火了一阵了，相信使用ChatGPT还是能够给大家的工作解决一些问题的。如果能直接创建一个微信机器人，辅助自己发消息岂不更爽。今天就将自己实践的教程分享给大家，我们使用wechaty + 讯飞星火GPT来完成这个微信机器人。

在开始之前，先了解一下wechaty，Wechaty 是一款用于构建聊天机器人的开源软件应用程序。它是一种现代会话式 RPA SDK，聊天机器人制造商可以使用它通过几行代码创建机器人，算是目前最方便开发的微信机器人SDK。

Wechaty项目发起比较早了，最快开始通过Hook 网页版微信达到机器人效果。由于18年开始，微信停止了网页版的微信，Wechaty开始拓展Puppet，通过统一开发者接口方便开发，拓展不同Puppet也就是不同代理框架实现微信通信的组合。

环境准备

node环境 （v16版本以上）

wechaty

**qrcode-terminal（在控制台显示二维码）**

wechaty-puppet-padlocal （ipad协议版）

1.从 github 上 clone 项目

为了方便开发，我们直接使用wechaty-puppet-padlocal 提供的Demo 进行开发。

git clone [email protected]:padlocal/wechaty-puppet-padlocal-demo.git

2.安装项目依赖

cd wechaty-puppet-padlocal-demo
npm --registry https://registry.npm.taobao.org install

这里会自动将puppet-padlocal需要的模块安装

3.VSCode 打开工程，配置Token

由于PadLocal并不免费，所以我们需要取官网(http://pad-local.com/)，申请免费的使用token.

配置好之后，我们先运行一下，看一下基础接口功能能否跑起来

此时用自己想做机器人的微信号扫码，登录到ipad上，此时就绑定成了机器人。

4.消息发送例子

demo里默认实现了dingdong小Demo，对着机器人微信发送ding，则受到自动回复“dong”，后面我们接入GPT对话，也从这块入手。

5.注册讯飞星火ChatGPT，获得Api token

当前讯飞星火GPT个人账号可以免费领取
 

6.开发讯飞GPT消息功能

配置好讯飞大模型的API Key及token

const sendMsg = async (inputVal:string, callback: (data: any) => void) => {
  // 获取请求地址
  let myUrl = await authenticate();

  let socket = new WebSocket(String(myUrl));

  // 监听websocket的各阶段事件 并做相应处理
  socket.addEventListener('open', (event) => {
      console.log('开启连接！！', event);
      // 发送消息
      let params = {
          "header": {
              "app_id": requestObj.APPID,
              "uid": "zhushou"
          },
          "parameter": {
              "chat": {
                  "domain": "general",
                  "temperature": 0.5,
                  "max_tokens": 1024,
              }
          },
          "payload": {
              "message": {
                  // 如果想获取结合上下文的回答，需要开发者每次将历史问答信息一起传给服务端，如下示例
                  // 注意：text里面的所有content内容加一起的tokens需要控制在8192以内，开发者如有较长对话需求，需要适当裁剪历史信息
                  "text": [
                      { "role": "user", "content": "你是谁" }, //# 用户的历史问题
                      { "role": "assistant", "content": "我是AI助手" },  //# AI的历史回答结果
                      // ....... 省略的历史对话
                      { "role": "user", "content": inputVal },  //# 最新的一条问题，如无需上下文，可只传最新一条问题
                  ]
              }
          }
      };
      requestObj.sparkResult = ''
      console.log("发送消息");
      socket.send(JSON.stringify(params))
  })
  socket.addEventListener('message', (event) => {
      let data = JSON.parse(String(event.data))
      console.log('收到消息！！',data);
      requestObj.sparkResult += data.payload.choices.text[0].content
      if (data.header.code !== 0) {
          console.log("出错了", data.header.code, ":", data.header.message);
          // 出错了"手动关闭连接"
          socket.close()
      }
      if (data.header.code === 0) {
          // 对话已经完成
          if (data.payload.choices.text && data.header.status === 2) {
              requestObj.sparkResult += data.payload.choices.text[0].content;
              setTimeout(() => {
                  // "对话完成，手动关闭连接"
                  socket.close()
              }, 1000)
          }
      }
    //   console.log(requestObj.sparkResult);
  })

    socket.addEventListener('close', (event) => {
        console.log('连接关闭！！', event);
        // 对话完成后socket会关闭，将聊天记录换行处理
        // console.log(requestObj.sparkResult);
        callback(requestObj.sparkResult);
    })

    socket.addEventListener('error', (event) => {
        console.log('连接发送错误！！', event);
    })

}

7.将sendMsg函数导出给PadLocal使用

改造dingdongBot函数

export async function dingDongBot(message: Message) {
    if (message.to()?.self() && message.type() == PUPPET.types.Message.Text) {
      await sendMsg(message.text(), (data:string) => {
         message.talker().say(data);
      });
    }
 }

8.重新启动PadLocal服务，登录微信即可完成对话

wechaty的整体设计，还是比较适合开发者使用的，

如何上面看到在服务终端可以看到GPT自动回复的内容。wechaty的整体设计，还是比方便开发者调用的，

想体验的朋友，加Araon的微信好友，即可与我创建的微信机器人完成对话。

关注公众号《子云之风》，回复“机器人”即可领取Demo源码，日常分享更多小白可以体验学习的黑科技。