乐于分享
好东西不私藏

锦上添花:OpenClaw 实现微信自动聊天指南

锦上添花:OpenClaw 实现微信自动聊天指南

你可能遇到过这种情况:微信每天 99+ 消息,真正重要的可能就十几条。

群消息刷屏,重要讨论被灌水淹没。想设置自动回复,又怕回复太机械被嫌弃。想让 AI 学习你的说话风格,又担心聊天记录上传到云端。

这两天我用OpenClaw + wechat-cli + mano-cua 这套组合解决了这个问题。wechat-cli 让 AI 读取你的本地聊天记录,学习你的说话风格;mano-cua 则让 AI 像真人一样操作微信界面发消息。全程本地运行,数据不上云,零封号风险。

今天,我就带你完整了解这两个技能的功能,以及如何在 OpenClaw 中配置使用。


一、两个技能是什么?

wechat-cli:聊天记录读取器

简单来说,wechat-cli 是一个微信命令行工具,让你通过终端直接查询本地微信数据库。它的设计初衷就是给 AI Agent 用的——所有输出默认 JSON 格式,方便 AI 直接解析。

核心能力:

  • 读取聊天记录(支持时间过滤、分页)
  • 列出最近会话、未读消息
  • 全局搜索消息内容
  • 查看联系人详情、群成员
  • 聊天统计(谁最活跃、24小时分布)
  • 导出聊天记录为 Markdown

项目已完全开源,GitHub 地址:https://github.com/huohuoer/wechat-cli

mano-cua:GUI 自动化操作器

mano-cua 是一个 VLA(Vision-Language-Action)模型驱动的 GUI 自动化工具。它通过截图识别屏幕内容,然后模拟人类的鼠标点击、键盘输入去操作电脑界面。

核心能力:

  • 视觉识别
    :截图并发送到云端视觉模型,识别界面元素
  • 动作执行
    :click、type、scroll、drag、hotkey 等完整交互
  • 智能决策
    :根据任务复杂度自动选择 Mano 模型(轻量任务)或 Claude CUA 模型(复杂任务)
  • 本地模式
    :支持完全本地运行(macOS Apple Silicon)

两者的分工:

技能
角色
一句话解释
wechat-cli
数据读取
让 AI 知道你平时怎么聊天、聊了什么
mano-cua
界面操作
让 AI 在微信界面里打字、点击、发消息

二、OpenClaw 安装这两个技能

前置条件

确认 OpenClaw 已正确安装:

openclaw --version openclaw gateway status

安装 wechat-cli

直接在 OpenClaw 对话中发送指令:

帮我安装 wechat-cli 技能

或者手动执行:

# 安装 wechat-cli npm install -g @canghe_ai/wechat-cli  # 初始化(提取微信数据库密钥) wechat-cli init

确保微信正在运行,初始化过程会自动提取数据密钥。

安装 mano-cua

macOS / Linux (Homebrew):

brew install Mininglamp-AI/tap/mano-cua

Windows:

从 GitHub Releases 下载最新的 mano-cua-windows.zip,解压后添加到系统 PATH

验证安装

# 查看 mano-cua 状态 mano-cua check  # 测试运行 mano-cua run "take a screenshot" --max-steps 1

三、实用案例

案例一:团队群聊日报自动生成

场景:你是项目负责人,每天需要了解多个团队群的核心讨论内容,但没时间逐条翻阅。

操作:在 OpenClaw 中发送指令:

帮我统计今天”研发团队群””产品讨论群””技术支持群”的消息,生成一份日报,包含各群消息总数、核心话题、重要决策和待跟进事项。

wechat-cli 会读取各群的聊天记录,AI 分析后生成日报:

📋 5月4日 团队群聊日报  🔥 研发团队群(186条消息)   核心话题:新版本发布进度、性能优化方案   重要决策:下周三发布 v2.1 版本   待跟进:@张三 负责性能测试报告  💬 产品讨论群(94条消息)   核心话题:用户反馈分析、新功能优先级   争议点:是否砍掉旧版导出功能   精华:李四分享的竞品对比文档值得细看  🔧 技术支持群(52条消息)   核心话题:客户工单处理、常见问题整理   重要结论:新增 FAQ 条目 3 条

案例二:客服/技术支持问题总结

场景:客服团队每天在群里回答大量用户问题,运营希望整理出高频问题形成 Q&A 文档。

操作:定期让 AI 分析客服群消息:

分析”客服支持群”最近 7 天的消息,找出用户问得最多的 10 个问题,整理成 Q&A 格式,每个问题附带标准答案。

wechat-cli 读取消息后,AI 提取高频问题:

📊 客服群问题 Top 10(5月1日-5月7日)  1. 如何重置密码?(23次)    答:点击登录页"忘记密码",输入手机号验证后设置新密码。  2. 为什么收不到验证码?(18次)    答:检查手机是否开启短信拦截,或尝试语音验证码。  3. 导出的文件在哪里找?(15次)    答:导出完成后点击右上角"查看",或到系统下载目录查找。  ...(更多问题)

这些 Q&A 可以直接导入知识库或分享给新客服。

案例三:学习你的说话风格,自动回复消息

场景:你希望 AI 帮你自动回复简单消息,但不想让回复听起来像机器人。

操作:让 AI 学习你的说话习惯:

分析我和张三、李四的聊天记录,学习我的说话风格,以后帮我自动回复他们的日常问候消息。

wechat-cli 读取历史记录,AI 分析你的风格特征:

  • 你喜欢用”哈””嗯””好滴”
  • 你很少用感叹号,句末常不加标点
  • 你对好朋友说话简短,省略主语
  • 你不喜欢用 emoji 刷屏

之后 mano-cua 会按照这个风格帮你回复消息。AI 会先判断消息是否需要自动回复(日常问候自动处理,重要事项等你确认),然后生成符合你风格的内容并发送。

案例四:定时群消息提醒

场景:每天早上 9 点,需要在团队群里发送今日工作安排;每周五下午发送周报提醒。

操作:创建定时任务:

每天 9 点读取我的日历,在”研发团队群”发送今日工作安排,风格要简洁。每周五下午 5 点在群里发送周报提交提醒。

Cron 定时任务触发后:

  1. 读取你的日程和待办
  2. AI 生成适合群发的内容
  3. mano-cua 打开微信群,输入内容并发送

四、使用总结

核心流程回顾

该方案的适用场景

这套方案仅针对个人微信。如果你的团队使用:

  • 企业微信
    :可以直接通过 webhook 发送消息,无需 GUI 操作
  • 飞书/钉钉
    :提供开放 API,支持机器人消息推送
  • Slack/Teams
    :同样有完善的 API 接口

企业级工具的自动化更简单、更稳定,不需要”看屏幕、点鼠标”这种方式。

但对于个人微信,由于没有官方 API,wechat-cli + mano-cua 是目前最可行的自动化方案。

可能遇到的问题

1. wechat-cli 读取失败

  • 确保微信正在运行且已登录
  • macOS 首次需要 sudo 权限
  • Windows 可能需要管理员权限

2. mano-cua 操作不准确

  • 不要在任务运行时操作鼠标键盘
  • 微信窗口保持可见,不要最小化
  • 复杂操作建议分步骤执行

3. 回复风格不像你

  • 多给一些聊天记录让 AI 学习
  • 在 SOUL.md 里明确写出你的说话习惯
  • 定期更新记忆系统

4. 多显示器问题

  • mano-cua 只操作主显示器
  • 确保微信窗口在主显示器上

五、安全说明

数据隐私保护

  • wechat-cli
    :所有数据解密都在本地完成,聊天记录永远不会离开你的电脑。仅读取微信本地数据库,不修改任何数据,不连接第三方服务器。
  • mano-cua
    :云端模式下,只有截图和任务描述会发送到 mano.mininglamp.com。不读取本地文件、剪贴板内容或系统凭证。本地模式下,所有推理都在本机完成,数据完全不出设备。

账号安全

  • 两个工具都不存储微信登录凭证
  • 不触发微信安全风控(仅读取本地数据 + 模拟人工操作)
  • 你可以随时通过 mano-cua stop 终止任务

使用限制

  • 本方案仅限个人学习研究使用
  • 不得用于批量营销、骚扰等违规用途
  • 使用前请确保符合微信用户协议
  • 建议先用小号测试效果

关注「小龙虾踩坑指南」第一时间收到更多实战踩坑记录 👇