wechaty撸一个属于自己的微信机器人(Python版接入文心一言)

前言

说明：

机器人的框架找了很久,由于很多框架都不能使用了或者封号率极高,最后选择了wewechaty,wechaty是可以使用ipad协议,主要是以node写的,因为打算机器人接入爬虫项目,所以特意用了python版本,对于python版网上教程太少且模糊且时间过于久远,所做以此文为采坑记录。

前期准备:

token：
padlocal (新用户可以免费领取七天)

百度智能云：千帆模型 (不需要接入文心一言的可以绕过)

可能用到的网站:

wechaty中文文档 ：node版本可以查看相关语法与使用,大致python差不多

python-wechaty：python文档没有node版本齐全 大致也能搭建

快速搭建

提示：本文默认都对Docker的基本使用有所了解的基础下进行

总体来说分为两步：

1.Docker启动Padlocal网关服务的容器（固定）

2.Docker启动自己的python服务的容器连接启动的网关服务(自己的机器人代码)

第一步:

新建SH文件 start.sh

export WECHATY_LOG="verbose"
export WECHATY_PUPPET="wechaty-puppet-padlocal"
export WECHATY_PUPPET_PADLOCAL_TOKEN="puppet_padlocal_51d6b6a6a60546a7b33a5041c1e44a72"
export WECHATY_PUPPET_SERVER_PORT="8004"
export WECHATY_TOKEN="0c7b8f97-f3cc-40a5-a537-d492fd689801"
sed -i s/token=.*/token=$WECHATY_TOKEN/g .env

docker run -ti \
  --name wechaty_puppet_service_token_gateway \
  --rm \
  -e WECHATY_LOG \
  -e WECHATY_PUPPET \
  -e WECHATY_PUPPET_PADLOCAL_TOKEN \
  -e WECHATY_PUPPET_SERVER_PORT \
  -e WECHATY_TOKEN \
  -p "$WECHATY_PUPPET_SERVER_PORT:$WECHATY_PUPPET_SERVER_PORT" \
  wechaty/wechaty:0.65

主要参数说明：

WECHATY_PUPPET：协议标识 这里我们使用wechaty-puppet-padlocal作为ipd协议

WECHATY_PUPPET_PADLOCAL_TOKEN：上文中提到的申请的token,必填必正常否则无法使用

WECHATY_PUPPET_SERVER_PORT ：端口号,需要服务器开放该端口,供python服务调用

WECHATY_TOKEN：随机生成UUID,避免服务被他人窃取 可用import uuid;print(uuid.uuid4())或者在线生成uuid

其余参数可以不变

运行该文件,启动Padlocal网关,启动后如提示信息为微信登录图片,可复制到浏览器扫码登录。

第二步:

新增python项目,bot.py文件,以下为官方示例删减后代码,主要图一个方便理解

import asyncio, os
from wechaty import Wechaty


class MyBot(Wechaty):
    async def on_message(self, msg):
        from_contact = msg.talker()
        text = msg.text()
        room = msg.room()
        if text == 'ding':
            conversation = from_contact if room is None else room
            await conversation.ready()
            await conversation.say('dong')


os.environ['TOKEN'] = "1fe5f846-3cfb-401d-b20c-XXXXX"
os.environ['WECHATY_PUPPET_SERVICE_ENDPOINT'] = "127.0.0.1:9001"
bot = MyBot()

#bot.on('scan', lambda status, qrcode, data: print(
#    'Scan QR Code to login: {}\nhttps://wechaty.js.org/qrcode/{}'.format(status, qrcode)))
#bot.on('login', lambda user: print('User {} logged in'.format(user)))
#bot.on('message', lambda message: print('Message: {}'.format(message)))

主要说一下作用:收到消息为ding的消息,回复dong

msg.talker() 获取消息的发送者

msg.text() 获取消息内容

msg.room() 群里消息,如果消息不是来自群聊, 则返回None 特别注意：如果是群里对象msg.talker()也会有值,值为当前群里发送消息的人

conversation.ready() 当所有数据加载完成时发出（如果是个人使用主体为talker()回复,如是群使用主体为room()）

conversation.say() 发送消息（同上如果是个人使用主体为talker()回复,如是群使用主体为room()）,
如果是群聊发送指定人则填入第二个参数即可,第二个参数为：msg.talker().contact_id

os.environ['TOKEN'] 填入之前生成的随机数uuid

os.environ['WECHATY_PUPPET_SERVICE_ENDPOINT']刚部署的服务器地址 端口需要与之前第一步设定的一致

bot.on方法

监听事件：

例如scan事件：当需要扫码登录时触发,还有比如login登录成功后触发,room-join加入群聊触发更多详情可建文档

还需要注意的几个重要方法：

1.msg.is_self() 是否自己(机器人)发出的消息,机器人发的消息也会进入当前函数

2.msg.type() 判断消息类型,注意:比如加入群聊或者退出群里都会进入当期函数

更多可见文档

本地运行的话就可以实现一个简单的机器人,向其发送ding则会收到dong的回复

至此,微信机器人搭建,可根据个性需求回复个性内容。

如需要部署到服务器还需要构建docker镜像,以下为懒人办法创建Dockerfille,Makefile,requirements.txt,如以下目录

Dockerfille

WORKDIR /bot

COPY requirements.txt requirements.txt

COPY Makefile Makefile

RUN make install

COPY . .

CMD [ "make", "run"]

基于python3.8的环境

Makefile

P=$(shell pwd)

.PHONY: build
build: 
   docker build -t py-wechaty-template-bot:latest .

.PHONY: dockerrun
dockerrun:
   docker run -it -d -v $(P):/bot --name bot -p 8005:8005 py-wechaty-template-bot:latest

.PHONY: bot 
bot:
   make build
   make dockerrun

.PHONY: install
install:
   pip install -r requirements.txt

.PHONY: run
run:
   python bot.py

注意端口不能与之前的服务端口重复

requirements.txt

wechaty
wechaty-plugin-contrib
quart
python-dotenv
docker
apscheduler
dataclasses-json
urllib3 == 1.26
pymysql

特别注意:urllib3最好安装1.26版本本人经过几次失败后总结

在当前目录运行 make bot 即可部署上服务器

文心一言

第一步开通服务

打开千帆模型,选中左侧菜单计费管理,选择开通服务

选中预置服务 勾选前三个 点击下一步

根据提示直到开通成功

选择左边应用接入,创建应用,输入应用名称描述、创建

记住API Key和Secret Key 鉴权接口需要

第二步调用api

获取鉴权的token
鉴权文档

使用ERNIE-Bot模型 文档地址：https://cloud.baidu.com/doc/WENXINWORKSHOP/s/jlil56u11

重点说一下messages参数格式

messages是一个聊天上下文信息,一个成员代表单轮对对话,数组长度必须为奇数

例如:

 messages=[
     {
      "role": "user",
      "content": "你好"
     },
      {
      "role": "assistant",
      "content": "你好!"
     },
     {
      "role": "user",
      "content": "你叫什么名字"
     }
 ]

role：user: 表示用户 assistant: 表示对话助手

content:对话内容

每次为奇数也就是代表用户最后的提问,如果长度为1那么就是一次新的回话

接下来封装api,结合微信机器人就可以打造自动回复的微信机器人了