3分钟：用微信聊天记录训练一个AI分身

https://github.com/xming521/WeClone 是一个开源的 AI数字分身 生成项目，它通过用户的微信聊天记录，对大模型行微调，从而创建一个有烟火气的 AI 分身。

ps：Chatgpt 刚火起来的时候，我当时也有类似想法，大部分人的聊天记录都记录在微信上面，如果能直接把聊天记录拿出来训练一个大模型，岂不就能造就一个“我”？我可以用这个模型到处灌水，甚至导入到人形机器人中

只可惜当时没有精力（\能力）做这样的事情，现在看到有同学实现了这样的项目，还是非常开心（\可恶）的！

快速开始

一、下载工程

大家在国内访问 github 可能比较慢，我找了一个 gitee 上的仓库

git clone https://gitee.com/xming521/WeClone.git

为了保证稳定性，将 pip 切换为国内的清华源

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

使用 uv 创建虚拟环境

uv venv .venv --python=3.12
source .venv/bin/activate # windows .venv\Scripts\activate
uv pip install --group main -e . 

ps：不想自己搭建的直接使用云上镜像：微信聊天记录克隆 AI 分身

二、准备数据：使用 PyWxDump 导出微信聊天记录

1、将手机微信聊天记录迁移到电脑上

详细指南：https://zhuanlan.zhihu.com/p/647727121

2、使用 PyWxDump 导出聊天记录文件

注意，此步骤需要保持电脑上的微信是打开的

PyWxDump 是一个开源的导出电脑上的微信聊天记录的库，主要步骤：

1、下载安装包(目前只支持Windows)：Windows下载包

2、解压后，打开应用，会自动在浏览器打开页面

3、解密微信数据

4、导出聊天记录

5、查看聊天记录文件夹

复制导出成功后的目录，粘贴到我的电脑地址栏，回车

三、预处理数据

1、将本地聊天记录 csv 文件夹复制到云服务器上 Weclone 工程的./dataset目录下

• Windows 用户

scp -P 2222 -r C:\xxx\wxdump_tmp\export\\csv [root@10.114.40.10](mailto:root@10.114.40.10):/root/weclone/WeClone/dataset 

将 2222 换成你的实例 ssh 端口号，xxx/csv换成本地聊天记录的文件夹目录，10.114.40.10 换成实例ssh地址

注意：如果提示找不到 scp，请在“应用和功能”里添加“OpenSSH 客户端”。（也可以下载图形客户端 winscp：https://winscp.net/eng/download.php）

• Mac 或 Linux 用户：

scp -P 2222 -r /xxx/csv [root@10.114.40.10](mailto:root@10.114.40.10):/root/weclone/WeClone/dataset

2、对聊天记录进行预处理

原始的聊天记录需要经过预处理才能用于模型训练。

激活 python 虚拟环境

source .venv/bin/activate

预处理数据

weclone-cli make-dataset  #在WeClone根目录下执行该命令

成功后，你会看到：

Collecting lengths: 100%|██████████████████████████████████████████| 9/9 [00:00<00:00, 370085.65it/s]
[WeClone] I | 16:07:12 |  cutoff_len设置建议：
[WeClone] W | 16:07:12 | 多模态任务请务必配置cutoff_len为数据最大长度
[WeClone] I | 16:07:12 | 9 (100.00%) samples have length < 256.
[WeClone] S | 16:07:13 | 聊天记录处理成功，共9条，保存到 ./dataset/res_csv/sft/sft-my.json
(.venv) (base) root@ins-tcaiohv2xon41mtq510pgpwxu0b42duj:~/weclone/WeClone# 

到这里，我们的前置工作都准备好了，可以正式开始训练（微调）大模型了

四、微调大模型

这个镜像里预置了 Qwen2.5-7B-Instruct 模型

如果希望更换模型，可以使用 modelscope 下载其他模型，注意要替换一下 settings.jsonc 里的配置

保证当前仍处于虚拟环境下，执行以下命令开始微调

weclone-cli train-sft

注意：工程里已经默认配置好各种参数（./settings.jsonc），我们可以修改相关参数，此处我介绍一些常用的：

common_args 里的 model_name_or_path	代表大模型的目录
common_args 里的 template	代表大模型类型
common_args 里的 use_unsloth	是否使用 unsloth 优化 LoRA 微调，unsloth 可以提高微调速度，减少微调所需的显存⚠️如果打开这个，那么推理的时候会有报错，目前还没解决

更详细的参数设置可参考：https://llamafactory.readthedocs.io/zh-cn/latest/advanced/arguments.html

正常情况下，使用预置的模型，如果只有几十条聊天记录，大概 2-3 分钟就能完成训练，

训练好的模型就保存到 ./model_output 里

五、与你的数字分身对话（进行模型推理）

微调完成后，你可以通过启动一个 web 服务，与数字分身进行对话交互。

在激活虚拟环境的命令行中，运行：

weclone-cli webchat-demo

脚本会启动一个 Web 服务：

[INFO|2025-06-13 16:43:22] llamafactory.model.model_utils.attention:143 >> Using torch SDPA for faster training and inference.
[INFO|2025-06-13 16:43:22] llamafactory.model.adapter:143 >> Loaded adapter(s): ./model_output
[INFO|2025-06-13 16:43:22] llamafactory.model.loader:143 >> all params: 7,616,878,080
* Running on local URL:  http://0.0.0.0:7860

平台已经将这个端口映射到公网了，等 Web 服务成功起来后，在算多多控制台的快捷应用区域打开 Web 页面：

接下来就可以愉快地和你的分身聊天了

六、其他

你可以考虑将训练好的模型部署到常用的聊天机器人中，比如 AstrBot 本地聊天机器人、Dify工作流等，具体教程可以参考 https://blog.051088.xyz/posts/weclone-linux-tutorial/

我就想马上使用！

对于不想折腾环境的同学，可以直接使用我做好的镜像一键使用：微信聊天记录克隆 AI 分身