GPT4o、Kimi、Agent智能体统统接入微信的方法

之前的文章给朋友们分享过如何编写功能强大的提示词和复杂的Agent智能体。

有些朋友就希望把自己的提示词或者智能体封装成小助手，在微信里可随时调用。就像下面这样

这样用起来确实方便，今天就给朋友们分享下，如何把自己的小助手，接入到微信。

只需解决两个问题，模型从哪来和模型如何接入微信。这两个问题都不难。

关于第一个问题，我会用扣子平台来解决。如果你自己有GPT api，可以跳过这部分，直接看第二个问题。

扣子支持多种大模型，并且免费，不需要自己搞api。

上面的 Moonshot 就是 Kimi 大模型。

最左侧编辑区是输入提示词的地方，可以让模型按照你的设定进行回复。如果不输入任何内容，那使用的就是大模型本身。

用扣子的另一个好处是可以创建 Agent 智能体。

在Agent中加上插件可以让大模型拥有更多外部力量，加上知识库，就可以做个本地知识问答助手。

如果要在扣子使用 GPT-4o，有两种方式，一种是使用国际版扣子

另一种是国内版增加 GPT-4o 插件，之前文章有分享过具体的做法

第二个问题就变成，将如何将扣子接入微信。有两种方法，第二种最简单、最安全。

第一种需要借助 chatgpt-on-wechat 这个开源工具，将自己的微信变成小助手。

首先，需要将上面创建的 Bot 发布为扣子API。点击 扣子API

添加新令牌，并记住令牌

点击 Bot 右上角 发布 按钮，将其发布为 API 即可

然后，使用 chatgpt-on-wechat 工具让个人微信调用刚刚发布的 API，就完成了微信的接入。

chatgpt-on-wechat 是开源工具，你可以安装在自己电脑上，也可以安装在云服务器上。

支持源码安装，也支持 Docker 一键安装。Docker 只需两条命令。

第一步，下载 docker-compose.yml 配置文件

wget https://open-1317903499.cos.ap-guangzhou.myqcloud.com/docker-compose.yml

修改配置

红框中是需要修改或增加内容的地方。如果你用自己的GPT api，只修改第一个红即可。其他字段含义如下，可按需修改

第二步，启动服务

docker compose up -d

启动完成后，查看服务日志

docker logs -f chatgpt-on-wechat

此时会出现一个二维码，微信扫码登录即可

登录之后，扫码的微信号就成为小助手了，别人给他发消息，他就会调用 API 进行回复。

需要注意是，扫码的账号需在支付处已完成实名认证，可能有被封的风险，所以最好用小号。

也可以尝试第二种方法，直接将将 Bot 发布到你的微信订阅号（公众号）

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】