企业微信个人账号直连自动化

基于 Wechaty 框架连接企业微信个人账号，实现完整的 AI 助手功能。适用于企业微信机器人、自动化客服、个人助手等场景。

核心功能

1. 自动同意好友添加

• 监听好友请求事件

• 自动通过好友验证

• 发送个性化欢迎消息

• 标注用户信息和来源

2. 智能问答（基于知识库）

• 向量知识库存储企业知识

• 语义搜索匹配问题

• LLM 生成专业回复

• 支持多轮对话上下文

3. 人工介入提醒

• 置信度阈值自动判断

• 通过 Telegram/飞书通知人工

• 记录未解决问题用于优化

• 平滑转接到人工客服

4. 消息类型支持

• 文本消息（问答、对话）

• 图片消息（OCR、识别）

• 文件消息（DOCX、PDF 等）

• 语音消息（转文字、语音交互）

• 链接消息（预览、摘要）

• 名片消息（保存、处理）

技术架构

┌──────────────┐

│  企业微信     │

│  个人账号     │

└──────┬───────┘

       │

       ▼

┌──────────────────┐

│   Wechaty        │

│   (PadLocal)     │

└──────┬───────────┘

       │

       ▼

┌────────────────────┐

│  OpenClaw Gateway  │

│  (消息分发、处理）   │

└──────┬─────────────┘

       │

       ├──────────────┬──────────────┐

       │              │              │

       ▼              ▼              ▼

┌──────────┐   ┌──────────┐   ┌──────────┐

│ 向量知识库 │   │  LLM API  │   │ 通知服务  │

│(PG+pgvec)│   │ (Kimi/GPT)│   │(Telegram)│

└──────────┘   └──────────┘   └──────────┘

快速开始

方案选择

企业微信个人账号直连有两种方案：

#### 方案 A：Wechaty + PadLocal（推荐，适合个人）

优点：

• 配置简单，快速上手

• 稳定性高，官方维护

• 支持所有消息类型

• 适合个人使用

缺点：

• PadLocal 需要付费（约 50 元/月）

• 单账号限制

适用场景：个人助手、小规模客服

#### 方案 B：企业微信内部应用 API（适合企业）

优点：

• 官方 API，免费使用

• 稳定性最高

• 支持大规模部署

缺点：

• 需要企业认证

• 配置相对复杂

• 功能受限于 API

适用场景：企业客服、大规模应用

本技能使用方案 A（Wechaty + PadLocal）

第一步：申请 PadLocal Token

• 访问 https://github.com/wechaty/wechaty

• 选择 "PadLocal" 协议

• 注册账号并获取 Token

• 保存 Token 到 pass：

pass insert api/wechaty-padlocal

第二步：安装依赖

# 1. 安装 Node.js 依赖

cd ~/clawd/skills/wecom-automation

npm install

# 2. 安装 Python 依赖

pip3 install -r requirements.txt

# 3. 配置环境变量

cp .env.example .env

第三步：配置环境变量

编辑 ~/clawd/skills/wecom-automation/.env：

# Wechaty 配置

WECHATY_PUPPET=padlocal

WECHATY_TOKEN=$(pass show api/wechaty-padlocal)

WECHATY_LOG_LEVEL=info

# 企业微信账号配置

WECOM_NAME="企业微信机器人"

WECOM_QR_CODE_PATH=/tmp/wecom_qrcode.png

# 知识库配置

KB_DB_URL=postgresql://postgres@localhost/wecom_kb

KB_SIMILARITY_THRESHOLD=0.7

KB_TOP_K=3

# LLM 配置

LLM_PROVIDER=kimi

LLM_API_KEY=$(pass show api/kimi)

LLM_API_BASE=https://api.moonshot.cn/v1

LLM_MODEL=moonshot-v1-8k

# 人工介入通知

NOTIFICATION_CHANNEL=telegram:8518085684

NOTIFICATION_ENABLED=true

# OpenClaw Gateway 配置

GATEWAY_URL=http://localhost:8080

GATEWAY_TOKEN=$(pass show api/openclaw-gateway)

第四步：初始化数据库

# 创建数据库

sudo -u postgres createdb wecom_kb

# 初始化表结构

psql wecom_kb < ~/clawd/skills/wecom-automation/schema.sql

# 导入示例知识库

python3 ~/clawd/skills/wecom-automation/scripts/import_kb.py \

  --input ~/clawd/skills/wecom-automation/knowledge/sample.md \

  --category "常见问题" \

  --key "$(pass show api/kimi)"

第五步：启动机器人

# 方式 1：直接运行

cd ~/clawd/skills/wecom-automation

npm start

# 方式 2：通过 PM2（推荐）

pm2 start ~/clawd/skills/wecom-automation/ecosystem.config.js

# 查看日志

pm2 logs wecom-bot

第六步：扫码登录

启动机器人后会显示二维码：

██████████████████████████████████

██                              ██

██  1. 打开企业微信 → 扫一扫    ██

██  2. 扫描下方二维码登录      ██

██                              ██

██████████████████████████████████

[二维码图片]

使用企业微信扫码登录后，机器人即可正常工作。

使用方法

场景 1：新好友自动欢迎

// workflows/on_friend_add.js

const { Contact } = require('wechaty')

bot.on('friendship', async friendship => {

  if (friendship.type() === Friendship.Type.Receive) {

    const contact = friendship.contact()

    // 自动通过好友请求

    await friendship.accept()

    // 发送欢迎消息

    await contact.say(`👋 欢迎来到${contact.name()}！

我是智能助手小a，可以帮您：

• 解答常见问题

• 处理售后请求

• 查询订单状态

如有复杂问题，我会转接人工客服为您服务。`)

    // 添加到数据库

    await saveUser(contact)

  }

})

场景 2：知识库问答

// workflows/answer_question.js

const { Message } = require('wechaty')

bot.on('message', async msg => {

  if (msg.type() === Message.Type.Text) {

    const text = msg.text()

    const from = msg.from()

    // 搜索知识库

    const results = await searchKnowledge(text)

    // 生成答案

    const answer = await generateAnswer(text, results)

    // 判断是否需要人工介入

    if (answer.confidence < 0.7) {

      await escalateToHuman(from, text, answer)

    } else {

      await msg.say(answer.text)

    }

  }

})

场景 3：文件处理（DOCX/PDF）

// workflows/handle_file.js

const { Message } = require('wechaty')

bot.on('message', async msg => {

  if (msg.type() === Message.Type.Attachment) {

    const file = await msg.toFileBox()

    // 下载文件

    const filePath = `/tmp/${file.name}`

    await file.toFile(filePath)

    // 处理文件（提取内容、分析等）

    const content = await extractFileContent(filePath)

    // 发送回复

    await msg.say(`✅ 已收到文件：${file.name}\n\n正在处理...`)

    // 处理后回复

    await processAndReply(msg, content)

  }

})

场景 4：人工介入提醒

// workflows/escalate.js

async function escalateToHuman(contact, question, answer) {

  // 1. 发送用户消息

  await contact.say('⏳ 已为您转接人工客服，请稍候...')

  // 2. 通过 Telegram 通知人工客服

  const notification = `🚨 需要人工介入

用户：${contact.name()}

问题：${question}

时间：${new Date().toLocaleString()}

请及时处理。`

  await sendTelegramNotification(notification)

  // 3. 记录未解决问题

  await saveUnknownQuestion(contact, question)

}

目录结构

~/clawd/skills/wecom-automation/

├── SKILL.md                    # 本文件

├── package.json                # Node.js 依赖

├── requirements.txt            # Python 依赖

├── ecosystem.config.js         # PM2 配置

├── .env.example                # 环境变量模板

├── schema.sql                  # 数据库表结构

├── bot.js                      # Wechaty 机器人主文件

├── config/

│   ├── knowledge.js            # 知识库配置

│   └── escalation.js           # 人工介入规则

├── workflows/

│   ├── on_friend_add.js        # 好友添加处理

│   ├── answer_question.js      # 问答处理

│   ├── handle_file.js          # 文件处理

│   └── escalate.js             # 人工介入

├── lib/

│   ├── knowledge.js            # 知识库操作

│   ├── llm.js                  # LLM 调用

│   ├── notification.js         # 通知服务

│   └── database.js             # 数据库操作

└── knowledge/

    └── sample.md               # 示例知识文档

API 参考文档

企业微信 API 文档

• 企业微信 API 总览

• 消息发送

• 成员管理

Wechaty 文档

• Wechaty 官方文档

• PadLocal 协议

• 消息类型

Kimi API 文档

• Kimi API 总览

• Embedding API

• Chat API

高级功能

1. 多轮对话记忆

// 使用 Redis 存储会话上下文

const redis = require('redis')

const client = redis.createClient()

async function getConversationHistory(userId) {

  const history = await client.get(`conv:${userId}`)

  return history ? JSON.parse(history) : []

}

async function appendMessage(userId, role, content) {

  const history = await getConversationHistory(userId)

  history.push({ role, content, timestamp: Date.now() })

  await client.set(`conv:${userId}`, JSON.stringify(history))

}

2. 文件处理

// 提取 DOCX 内容

const docx = require('docx')

async function extractDocx(filePath) {

  const doc = await docx.Document.read(filePath)

  const text = doc.paragraphs.map(p => p.text).join('\n')

  return text

}

// 提取 PDF 内容

const pdf = require('pdf-parse')

async function extractPdf(filePath) {

  const data = await fs.readFile(filePath)

  const result = await pdf(data)

  return result.text

}

3. 语音转文字

# 使用 Whisper API

import openai

def transcribe_audio(audio_path):

    with open(audio_path, "rb") as audio:

        transcript = openai.Audio.transcribe(

            model="whisper-1",

            file=audio

        )

    return transcript["text"]

4. 图片 OCR

# 使用 Kimi Vision

import openai

def ocr_image(image_path):

    with open(image_path, "rb") as image:

        result = openai.chat.completions.create(

            model="gemini-2.5-pro",

            messages=[{

                "role": "user",

                "content": "识别图片中的文字"

            }],

            image=image

        )

    return result.choices[0].message.content

监控与维护

日志查看

# PM2 日志

pm2 logs wecom-bot

# 错误日志

pm2 logs wecom-bot --err

# 实时日志

pm2 logs wecom-bot --lines 100

性能监控

// 添加自定义指标

const prometheus = require('prom-client')

const messageCounter = new prometheus.Counter({

  name: 'wecom_messages_total',

  help: 'Total messages received',

  labelNames: ['type']

})

const answerLatency = new prometheus.Histogram({

  name: 'wecom_answer_latency_seconds',

  help: 'Answer generation latency',

  buckets: [0.1, 0.5, 1, 2, 5, 10]

})

人工介入统计

-- 查看未解决问题分布

SELECT

    COUNT(*) as count,

    SUBSTRING(question, 1, 30) as question_preview

FROM unknown_questions

GROUP BY question_preview

ORDER BY count DESC

LIMIT 10;

-- 查看每日介入次数

SELECT

    DATE(created_at) as date,

    COUNT(*) as escalations

FROM escalation_log

GROUP BY DATE(created_at)

ORDER BY date DESC

LIMIT 7;

故障排查

问题 1：无法扫码登录

# 检查 Wechaty 日志

pm2 logs wecom-bot --lines 50

# 重启机器人

pm2 restart wecom-bot

# 清理缓存

rm -rf /tmp/wechaty*

pm2 restart wecom-bot

问题 2：消息不回复

# 检查知识库连接

psql wecom_kb -c "SELECT COUNT(*) FROM knowledge_chunks;"

# 测试 LLM API

curl -X POST https://api.moonshot.cn/v1/chat/completions \

  -H "Authorization: Bearer $KIMI_API_KEY" \

  -H "Content-Type: application/json" \

  -d '{"model":"moonshot-v1-8k","messages":[{"role":"user","content":"测试"}]}'

# 检查环境变量

cat ~/clawd/skills/wecom-automation/.env | grep -E "^(LLM|KB|NOTIFICATION)"

问题 3：文件无法接收

# 检查临时目录权限

ls -la /tmp/

# 创建日志目录

mkdir -p ~/clawd/skills/wecom-automation/logs

chmod 755 ~/clawd/skills/wecom-automation/logs

# 检查磁盘空间

df -h

安全最佳实践

-

密钥管理

• 所有密钥使用 pass 存储

• 环境变量引用，不硬编码

• 定期轮换 Token

-

数据隐私

• 客户信息加密存储

• 定期清理敏感日志

• 遵守数据保护法规

-

访问控制

• API 接口鉴权

• IP 白名单限制

• 请求频率限制

-

审计日志

• 记录所有人工介入

• 定期审查访问日志

• 异常行为告警

扩展功能

1. 主动营销

// 定期推送优惠信息

const schedule = require('node-schedule')

schedule.scheduleJob('0 10 * * 1-5', async () => {

  const users = await getActiveUsers(7)

  for (const user of users) {

    await user.say('🎉 今日特惠：...')

  }

})

2. 群组管理

// 自动邀请用户加入群组

bot.on('friendship', async friendship => {

  const contact = friendship.contact()

  const room = await bot.Room.find({ topic: '客户群' })

  if (room) {

    await room.add(contact)

    await contact.say('已邀请您加入客户群')

  }

})

3. 数据统计

// 每日生成报表

async function generateDailyReport() {

  const stats = {

    newUsers: await countNewUsers(),

    questions: await countQuestions(),

    escalations: await countEscalations()

  }

  await sendReportToAdmin(stats)

}

相关技能

• wecom-cs-automation: 企业微信客服 API 方式

• feishu-automation: 飞书平台自动化

• notion-automation: Notion 知识库集成

• telegram-automation: Telegram 通知集成

成本对比

方案

月成本

适用场景

Wechaty + PadLocal

~50元

个人、小团队

企业微信内部应用

免费

企业、大规模

企业微信客服 API

按量

企业客服

参考资源

• Wechaty GitHub

• PadLocal 官网

• 企业微信开发者中心

• PostgreSQL pgvector