🫧 Bubbles - WechatAI 🫧

我叫 泡泡（Bubbles） - 一个致力于链接身边万物的个人助手

✉️ 致来访者

我一直在尝试做一个全面的的生态助手（个人助理），能够连接我使用的任何工具、日程表、数据库、资料库。并基于数据资料，实时地和我交流，以及帮我安排日程、提醒、规划时间和出行，安排我的任务计划。甚至于查资料、做研究、处理工作、回老板微信（帮我上班）。

之前做了 LifeSync-AI 这个项目，核心思想是基于 Github Action、Notion、Zapier进行app互联，帮我进行每天的任务规划。但定时任务是被动的，而且缺少一个统一的数据处理中心，所以无法通过与用户交流进行实时的任务调度。

于是我在好奇，是否能使用聊天工具，通过和AI直接对话的形式，再通过 function call 或者 MCP Server 链接到工具，进而链接我的所有需求。

这就是这个项目的初衷。

玩得开心，

Zylan

📝 项目简介

Bubbles 是一个功能丰富的微信机器人框架，基于 wcferry 和 WechatRobot 开发，支持接入多种LLM，提供丰富的交互功能和定时任务。该项目旨在将微信客户端转变为一个智能的个人助手，可以执行多种实用功能，带来便捷的用户体验。

和一般机器人框架不同的是，Bubbles 设计了两套灵活的路由系统：

1. 命令路由系统 - 基于正则表达式的精确命令匹配，适合有明确触发词的功能
2. AI智能路由系统 - 基于AI的自然语言理解，自动识别用户意图并调用相应功能

通过这两套路由系统，同一个功能函数，可以让 ai 有两种方式进行调用。这不但使得添加新功能变得极其简单，且不需要改动原有代码。相当于给一个主线 Hub 添加插件，让海量的、不同种类的工具都能集成到 AI 里。

路由系统是本项目的核心，通过它，理论上可以实现任何操作。

已实现的操作详见 如何添加新功能 章节。

案例演示

案例演示其一：使用自然语言设置提醒（命令路由）

结构：

用户输入 -> 击中命令 -> 调用命令函数 -> agent分析 -> agent格式化输出 -> 选择函数 -> 格式解析 -> 函数循环调用 -> 数据库持久化 -> 结果回调

案例演示其二：使用自然语言设置提醒（AI 智能路由）

结构：

用户输入 -> 未击中命令 -> agent路由选择 -> 满足功能要求 -> agent格式化输出 -> 格式解析 -> 函数调用 -> 接口访问 -> 查询数据 -> 数据库持久化 -> 结果回调

✨ 核心特性

🤖 灵活的模型配置

• 支持为不同的群聊和私聊设置不同的 AI 模型和 system prompt
  • OpenAI (ChatGPT)
  • DeepSeek

🛠️ 双重路由系统

• 命令路由系统：基于正则表达式的精确匹配，高效处理特定命令
• AI智能路由：自然语言理解，无需记住特定命令格式
• 支持自定义命令及参数
• 预设 多种实用和娱乐命令

路由系统架构图

flowchart TD
    A[User Message] --> B[Message Preprocessing]
    B --> C{At Bot or Private Chat?}
    
    C -->|Yes| D[Command Router]
    C -->|No| E[Ignore Message]
    
    D --> F{Regex Match?}
    F -->|Yes| G[Execute Command Handler]
    F -->|No| H[AI Router]
    
    H --> I[AI Analyze Intent]
    I --> J{Function Match?}
    J -->|Yes| K[Call Function]
    J -->|No| L[Chat Mode]
    
    G --> M[Return Result]
    K --> M
    L --> N[AI Conversation]
    N --> M
    
    style A fill:#f9f,stroke:#333,stroke-width:2px
    style D fill:#bbf,stroke:#333,stroke-width:2px
    style H fill:#bfb,stroke:#333,stroke-width:2px
    style M fill:#fbb,stroke:#333,stroke-width:2px

消息处理流程说明：

1. 消息预处理：系统接收用户消息，判断是否需要响应
2. 命令路由优先：首先尝试使用正则表达式匹配已注册的命令
3. AI路由兜底：如果没有匹配到命令，则使用AI分析用户意图
4. 智能分发：AI可以理解自然语言并调用相应功能，或进入聊天模式

⏰ 定时任务与提醒功能

• 每日天气预报推送
• 每日新闻资讯推送
• 工作日报/周报/月报提醒
• 个人自定义提醒系统（通过自然语言设置定时提醒）

📊 对话管理

• 不管是群里的消息还是自己的消息，都本地写入 sql 队列中（长度可自定义）
• 智能消息总结功能
• 处理各类微信消息（文本、图片、小程序、链接等）

🔧 实用工具

• 自动接受好友请求并打招呼
• 自动响应群聊和私聊消息

🛠️ 安装指南

系统要求

• Python 3.8 或更高版本
• Windows 操作系统（wcferry 要求）
• 微信 PC 版客户端
• 云配置要求（如需）：2vCPU 2GiB （经济型）

安装步骤

1. 克隆仓库

   git clone https://github.com/zippland/Bubbles.git
   cd Bubbles
   

2. 创建并激活虚拟环境（可选但推荐）

   python -m venv .venv
   .venv\Scripts\activate
   

3. 安装依赖

   pip install -r requirements.txt
   

4. 配置项目

   # 复制配置模板
   cp config.yaml.template config.yaml
   
   # 编辑配置文件，填入您的 API 密钥等信息
   notepad config.yaml
   

⚙️ 配置说明

配置文件 config.yaml 包含以下主要部分：

AI 模型配置

每个 AI 模型都有自己的配置部分，例如：

# ChatGPT 配置
CHATGPT:
  key: "your-openai-api-key" # 填写你 ChatGPT 的 key
  api: "https://api.openai.com/v1"
  model: "gpt-4.1-mini"  # 可选：gpt-4, gpt-3.5-turbo 等
  proxy: "http://127.0.0.1:7890"  # 可选：如需代理请填写
  system_prompt: "你是一个有用的助手。"
  max_history_messages: 20 # 设置 ChatGPT 默认最多回顾 20 条历史消息

群组/私聊模型映射

您可以为不同的群聊或私聊指定不同的 AI 模型：

# 群组模型配置
GROUP_MODELS:
  # 默认模型 ID
  default: 1  # 1 代表 CHATGPT
  
  # 群聊模型映射
  mapping:
    - room_id: "12345678@chatroom"  # 群聊 ID
      model: 1  # 1 代表 CHATGPT
      max_history: 30  # 回顾最近30条消息

  # 私聊模型映射
  private_mapping:
    - wxid: "wxid_abc123"  # 用户 wxid
      model: 2  # 2 代表 Deepseek
      max_history: 50  # 回顾最近50条消息

功能开关

您可以启用或禁用各种功能：

# 功能开关
  news_report # 每日新闻推送
  weather_report  # 每日天气推送
  report_reminder # 日报周报月报提醒
  image_generation  # AI生图
  perplexity  # perplexity

🚀 使用方法

启动机器人

python main.py

可用命令（命令路由系统）

机器人支持多种命令，按功能分类如下：

提醒功能

• ..提醒我.. - 用自然语言设置一个或多个提醒
• 查看提醒、我的提醒、提醒列表 - 查看您设置的所有提醒
• ..删..提醒.. - 用自然语言删除指定的（或所有）提醒

基础系统命令

• info、帮助、指令 - 显示机器人的帮助信息
• 骂一下 @用户名 - 让机器人骂指定用户（仅群聊）

Perplexity AI 命令

• ask 问题内容 - 使用 Perplexity AI 进行深度查询（需@机器人）

消息管理命令

• summary、/总结 - 总结群聊最近的消息（仅群聊）
• clearmessages、/清除历史 - 从数据库中清除群聊的历史消息记录（仅群聊）

天气和新闻工具

• 天气预报 城市名、预报 城市名 - 查询指定城市未来几天的天气预报
• 天气 城市名、温度 城市名 - 查询指定城市的当前天气
• 新闻 - 获取最新新闻

📋 项目结构

Bubbles-WechatAI/
├── ai_providers/       # AI 模块
│   ├── ai_name.py      # AI 模型接口实现
│   └── ...
├── commands/           # 命令辅助模块（保留上下文、闲聊等遗留逻辑）
│   ├── context.py
│   ├── handlers.py
│   └── ...
├── function_calls/     # 标准 Function Call 架构
│   ├── handlers.py     # 工具注册入口
│   ├── services/       # 业务逻辑封装
│   ├── router.py       # 函数路由器
│   └── ...
├── data/               # 数据文件
│ 
├── function/           # 功能模块
│   ├── func_feature.py # 各种功能的具体实现
│   └── ...
├── config.yaml         # 配置文件
└── ...

✨ 如何添加新功能

当前架构基于统一的 Function Call 体系，开发流程如下：

1. 定义参数模型：在 function_calls/models.py 中添加 BaseModel 子类，描述工具所需字段。
2. 实现业务服务：在 function_calls/services/ 下编写纯函数，封装真实业务逻辑并返回文本描述。
3. 注册处理器：在 function_calls/handlers.py 使用 @tool_function 装饰器注册工具，返回 FunctionResult。
4. 了解更多：详见 FUNCTION_CALL_USAGE.md，其中记录了多轮函数调用流程与调试建议。

📄 许可证

本项目采用 Apache 2.0 许可证，详情请参阅 LICENSE 文件。

🙏 致谢

• wcferry - 提供微信机器人底层支持
• 所有贡献者和用户

❓ 常见问题

Q: 如何获取群聊 ID？ A: 在群聊中发送一条消息，机器人日志会显示该消息的来源群聊 ID。

Q: 如何添加新的 AI 模型？ A: 在 ai_providers 目录下创建新的模型接口实现，然后在 robot.py 中注册该模型。

Q: 出现 "AI 模型未响应" 错误怎么办？ A: 检查相应 AI 模型的 API 密钥配置和网络连接，确保 API 可访问。

Q: 机器人不回复消息怎么办？ A: 检查 wcferry 服务是否正常运行，查看日志文件了解详细错误信息。

📞 联系方式

如有任何问题或建议，请通过以下方式联系我们：

• GitHub Issues: 提交问题
• Email: zylanjian@outlook.com

---

注意：本项目仅供学习和个人使用，请遵守微信使用条款，不要用于任何违反法律法规的活动。