在ai大行其道的时代，类似***ai技术出现，**工作或将被取代的类似消息铺天盖地。

是在自己的工作将被ai取代的忧虑里越来越焦虑；

还是让ai成为我们的”影分身”替我们完成工作，让自己从重复的”问答服务”中解放出来，让工作变得更有效率呢？

做完从业n年，有无数已完成开发，进入维护期的代码开发打工人，你有没有明明发布了详尽的“操作手册”、“使用说明”、“视频教程”，依然避免不了被“用户们”不停提问如何操作的困扰。

有没有“幻想过”召唤“影分身”替你回答类似的提问、作同类型的科普等……

祝贺——幻想照进现实了！

WeClone 是什么？

简言之，weclone是gitHub上一个可以用微信聊天记录，训练出一个“数字替身”的开源项目。

它通过微调大语言模型（LLM），让模型模仿用户的语言风格、语气，甚至可以接管社交账号发送消息。

核心功能

环境搭建

1、从github上下载项目

2、创建python环境并激活

cd WeClone
uv venv .venv --python=3.10
source .venv/bin/activate 

3、安装依赖

uv pip install --group main -e .

4、复制配置文件

uv pip install --group main -e .

数据准备和处理

1、提取微信聊天记录，导出CSV类型的文件，存放在项目目录的 ./data/csv下。

2、数据脱敏，去掉个人身份等敏感信息。

./make_dataset/csv_to_json.py

配置参数调整模型

开始训练模型

安装deepspeed，选择使用的显卡数量，开启训练

uv pip install deepspeed
deepspeed --num_gpus=使用显卡数量 src/train_sft.py

启动推理服务

python ./src/web_demo.py

可以使用浏览器访问指定端口，进行推理。

复杂推理使用接口

1、启动 API 服务

python ./src/api_service.py

2、访问接口进行推理

 import requests
   response = requests.post('http://localhost:8088/invoke', json={'prompt': '开始推理'})
   print(response.json())

部署到聊天机器人

以 AstrBot 为例：

第一，进行 AstrBot 的部署工作，并于其中部署消息平台。此过程可参考其官方文档——AstrBot 文档。

随后，启动 WeClone 的 API 服务。若采用本地部署方式，可执行命令“weclone-cli server”，或者直接运行“python ./src/api_service.py”来启动服务。

接着，于 AstrBot 中新增服务提供商。类型选择为 OpenAI，API Base URL 需依据 WeClone 的实际部署地址进行填写。例如，若为本地部署，填写“http://localhost:8088/v1”；模型填写“gpt – 3.5 – turbo”，API Key 可任意填写。

需要注意的是，微调之后不支持工具调用，故而需预先关闭默认的工具。可在消息平台发送指令“tool off all”，否则可能无法彰显微调后的效果。

最后，根据微调时所使用的 default_system，在 AstrBot 中设定系统提示词，以此确保聊天机器人的回复契合预期风格。

总结

WeClone网络上clone出“另一个自己”，自动帮你回答问题，解答疑问，解放你的时间，带来意想不到的收获！