TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
WeClone 開源數位分身工具，把聊天紀錄微調成你的 AI 分身
WeClone 是 1.8 萬星開源數位分身工具，用 Telegram 聊天紀錄微調 Qwen 模型，練出講話像你的 AI 分身再接上機器人。微信資料源與語音克隆已在 2025 年 7 月移除，投入前先看清硬體門檻與隱私邊界。
用 AI 摘要這篇文章：
2025 年春天這個專案暴紅的時候，大家記住的畫面是：解密微信聊天資料庫，餵給大模型微調，再克隆你的聲音，做一個「微信數字分身」。一年半後把它的 GitHub 倉庫 clone 下來翻版本歷史，看到的是另一個故事：微信解析程式在 2025 年 7 月 16 日被整支刪掉，語音克隆模組兩天前先走一步，現在安裝文件教你匯出的第一個資料來源，是 Telegram。
18,231 顆星（截至 2026 年 9 月）、AGPL-3.0 授權、持續有維護，WeClone 仍然是「用聊天紀錄練一個像自己的 AI」這條路上最完整的開源管線。只是它今天吃什麼資料、要付什麼代價、中間踩過哪些線才變成現在這個樣子，跟一年前中文圈流傳的版本差得很遠。接下來把它現在的樣貌、轉向的過程，以及投入前該知道的邊界一次講清楚。
一條從聊天紀錄到聊天機器人的自架管線
一句話：把你在 Telegram 上的聊天紀錄整理成問答資料，拿去微調一個開源語言模型，練出講話節奏與用詞習慣都像你的小模型，再包成 API 接到聊天機器人上。官網把這條鏈包裝成「數位分身一站式方案」，賣點四個：聊天資料匯出、私有資料微調、多平台機器人整合、隱私過濾與本地部署。整條鏈自己跑完，沒有任何打包好的雲端服務在中間抽成：
| 階段 | 它給你的東西 |
|---|---|
| 資料 | Telegram Desktop 內建匯出功能，把指定聯絡人的 JSON 聊天檔放進 dataset 資料夾 |
| 整理 | weclone-cli make-dataset 自動配對問答、過濾個資、產生訓練集 |
| 訓練 | 預設 Qwen2.5-VL-7B-Instruct 搭 LoRA 微調，底層引擎是 LLaMA-Factory |
| 測試 | weclone-cli webchat-demo 開一個本機網頁，先跟自己的分身聊天調參數 |
| 部署 | weclone-cli server 起一個 OpenAI 相容 API，交給聊天機器人框架接上 Telegram、Discord、Slack |
專案 2024 年 1 月 31 日建立，作者 xming521，README 致謝裡列了北京郵電大學 VCIS 實驗室的支持。2026 年 9 月 17 日還有新的 PR 合併，內容是讓舊款顯卡能用 float16 跑訓練，所以它不是棄坑專案；但 2026 年到目前只發過一版 v0.3.03（2026 年 1 月 4 日），版本節奏明顯放慢。
微信分身是怎麼變成 Telegram 分身的
時間線要從 2025 年 4 月說起。
2025 年 4 月 22 日的 v0.2.0，是它爆紅時的樣子：README 教你用 PyWxDump 解密微信本機資料庫、匯出 CSV；同年 5 月的更新明寫不支援微信 4.0，6 月起圖片還得再過一支第三方解密工具；語音克隆模組 weclone-audio 只能在 Windows 匯出語音，用 0.5B 參數的 Spark-TTS 模型合成聲音。同時期中文報導流傳的「聲音相似度 95%」「5 秒樣本建模」「自動處理好友請求」，在當時版本的 README 與模組文件裡都找不到出處，這些數字當故事聽就好。
一週後的 4 月 30 日，微信安全中心發布打擊公告，點名「以 AI 管理用戶微信聊天記錄等名義、繞過微信安全技術措施」違規取得用戶資料的第三方工具，表示要依平台規則處理。這份公告的連結，到今天還掛在 WeClone 中文版 README 的免責聲明裡。
接下來的兩個多月，專案連續走了幾步：
- 6 月 5 日，加入圖片多模態微調，分身開始看得懂照片。
- 7 月 5 日，v0.3.0 進場：Telegram 成為資料來源，隱私過濾改用微軟 Presidio，程式碼註解與日誌全面換成英文。
- 7 月 14 日，語音克隆目錄 weclone-audio 從倉庫消失。
- 7 月 16 日，commit 訊息就叫
remove wechat：87 行的 wechat_parser.py 刪除，資料來源支援表上的微信整行移除。
作者沒有在任何地方說明刪除微信的原因。時間先後就擺在那裡：打擊公告在 4 月底出現，轉向在 7 月中完成，中文 README 的免責區掛著公告連結。要說平台政策壓力是轉向主因，這是我的推論；但資料路徑從「解密別人家的資料庫」換成「Telegram 官方內建匯出」，方向確實往安全的那一側走。
轉向之後的版本史也看得出重心移到哪裡：v0.3.01（2025 年 7 月 17 日）給雲端清洗呼叫加上自動重試；v0.3.02（2025 年 8 月 17 日）讓離線清洗可設定思考模式、改善圖片與 GIF 在問答配對裡的處理；v0.3.03（2026 年 1 月 4 日）把 Python 升到 3.12、整理資料集管線。半年三版，方向都是資料處理的穩定性，沒有再回到微信或語音的跡象。
轉向是有代價的。語音克隆沒有搬家，直接消失了：現在的 README、官方文件與官網 weclone.love 都不再提語音這件事，分身只剩文字與圖片兩種模態。想要會說話的分身，得自己找語音克隆方案另外接上去。
還有一條沒寫在文件上的暗路：程式裡的 PlatformType 列舉其實留著 chat 這個通用值，會去讀 dataset/csv 目錄下的 CSV 檔，格式正是當年 PyWxDump 匯出的那一種。程式碼還在，文件不教了。真要餵微信資料的人技術上辦得到，但踩的線跟 2025 年一樣，公告也還掛在免責區。
練一個分身的完整流程長什麼樣
資料準備從 Telegram Desktop 的「匯出聊天記錄」開始：選 JSON 格式、勾照片，把每個聯絡人的 ChatExport 資料夾放進 dataset/telegram，再在設定檔填上自己的 Telegram user ID，程式才知道哪些訊息是你說的。官方建議一對一聊天為主，群組紀錄不推薦，畢竟分身要學的是你跟特定對象的相處方式，幾十個人插話的群組只會把資料弄髒。
整理階段把同一個人兩分鐘內連發的訊息合併成一輪，把五分鐘內一來一往的訊息配成問答，接著跑隱私過濾。封鎖詞清單可以自己加，含封鎖詞的整句會直接從訓練集剔除。要帶圖片的話，設定檔的 include_type 勾 image，每筆訓練資料最多帶 2 張；貼圖也能勾，但會被轉成 emoji，官方在設定檔註解裡自己承認後果是分身可能輸出一堆表情符號。
訓練預設用 Qwen2.5-VL-7B-Instruct 做 LoRA 微調。顯卡記憶體門檻官方給過一張表：7B 用 LoRA 要 16GB，QLoRA 壓到 4-bit 約 6GB 就能跑；改用 14B 模型，LoRA 大約 32GB 起跳。沒有這種等級顯卡的人，官方 FAQ 給的路徑是先在雲端平台租 GPU 訓練，再把訓練好的 model_output 資料夾下載回本機跑推理，訓練與部署可以拆在兩個地方。訓練完先用網頁 demo 聊一聊，調溫度與 top_p，滿意了再開 API 服務。
部署是把它包成一個 OpenAI 相容的 API 端點：模型名稱固定填 gpt-3.5-turbo，金鑰欄隨便填。AstrBot、LangBot 這類開源聊天機器人框架都吃這種端點，接上 Telegram、Discord、Slack 之後，回話的就是你的分身。有個容易漏的細節：微調過的模型不再支援工具呼叫，官方 AstrBot 教學提醒要先在訊息平台送出 /tool off_all 把預設工具全關掉，否則分身的語氣會被外掛干擾，練出來的味道聽不到。個人微信號也能當部署端，官方表上標註靠 openclaw-weixin 專案接上，但那只是讓機器人活在微信裡，資料來源依然輪不到微信。
隱私過濾濾了什麼，沒濾什麼
這是投入前最該看清楚的一段。
預設的隱私過濾用微軟 Presidio，處理電話號碼、信箱、信用卡號、IP 位址、地名、國際銀行帳號、加密錢包位址、年齡與一般 ID 編號；程式裡另有中文偵測器，補上 18 碼身分證字號的正規表示式。看起來很齊，但原始碼裡有一行清單寫得明白：PERSON、DATE_TIME、URL、NRP 這四類預設不濾。也就是說，聊天內容裡出現的人名、你們分享過的網址，都會原封不動進訓練集。
你在訓練自己，也在訓練跟你聊天的那幾百個人。他們的訊息成為你分身的一部分，這件事不需要他們同意，責任在按下訓練的那個人身上。封鎖詞清單是唯一的補救，人名要一個一個自己加。
另一個容易忽略的出口：訓練本身在本機，但兩個選配功能會把內容送出去。資料清洗預設關閉，打開後有兩種跑法，用本機模型離線打分數，或走 online_llm_clear 把對話批次送給雲端模型評分，文件建議用的是 DeepSeek-V3；圖片轉文字的 vision_api 一樣是填 API key 的雲端呼叫。「本地微調」四個字不涵蓋這兩段，鑰匙填誰家的自己決定。README 同時掛著一家 API 轉售商的贊助橫幅，附推廣連結，用哪家的金鑰沒有限制。
還有一個立場上的矛盾值得知道。設定檔的預設系統提示詞是「Please act like a human and don’t say you are an artificial intelligence」，叫分身裝成真人、否認自己是 AI；README 的免責聲明卻強烈建議每次對話開頭表明 AI 身分。官方一邊給你越線的預設值，一邊在免責區提醒別越線。拿去冒充真人跟別人聊天，出了事，免責聲明救不了你。
效果期待與硬體現實
官方文件對效果意外地誠實：7B 效果普通，14B 可接受，32B 更好。作者在 2025 年 4 月版的 README 給過自己的量級：Qwen2.5-14B 配上約 3 萬條處理後的有效對話，loss 練到 3.5 左右。想要「像自己」的成果，模型大小與資料量都有門檻；6GB 顯卡能跑完流程，跟跑出好結果，是兩回事。FAQ 對「效果不理想」開出的藥方也圍繞這兩件事打轉：換更大的模型、累積更多聊天資料、開資料清洗，以及改用多模態模型減少訊息被切碎丟掉的數量。
GitHub issue #37 從 2025 年 4 月起就是微調效果反饋的集中串，效果不好的回報一直沒斷過。也有一條已關閉的討論在問，能不能克隆逝去的親友作為心靈慰藉；這類用途的情緒與倫理邊界，社群裡沒有共識。2026 年 9 月還有人來提案 consent-first（先取得同意）的訓練流程，目前停在提案階段。
Windows 官方明說沒有嚴格測試，建議用 WSL 跑；這對照當年語音匯出「僅限 Windows」的設計，多少有些諷刺。授權是 AGPL-3.0：修改後自架、對外提供服務，衍生程式有開源義務。免責聲明把專案定位在學習與實驗，商用與對外服務的風險全部自負；官方同時聲明唯一官網是 weclone.love、從未發行任何加密貨幣，市面上同名項目要自己當心。
誰該試，誰該繞開
適合動手的人大概長這樣：主力聊天軟體是 Telegram，有一張 16GB 以上記憶體的 NVIDIA 顯卡（或願意租雲端 GPU），想親眼看 LoRA 微調怎麼把一個人的說話風格種進模型。入場動作很輕：clone 倉庫、用 uv 建環境、匯出一份聊天紀錄，先用 webchat-demo 跟自己講話，不喜歡隨時停。官方文件在 docs.weclone.love，從硬體需求到每個設定檔參數都有獨立頁面，照著走不需要先懂 LLaMA-Factory。
想克隆聲音的人可以繞開了，這功能已經不在專案裡；資料都在微信裡的人也不必等，官方路徑已斷，剩下的暗路都踩著那份公告；想包成商業服務的人，AGPL 的開源義務加上實驗用途的免責定位，法務成本會比技術成本高。把它當成研究個人化模型的練習題，是今天這個專案最站得住腳的位置。
最後一個提醒：這個專案 2025 年暴紅時承諾的東西，跟今天倉庫裡的東西，已經是兩個版本的故事。往後再看任何「微信數字分身」的舊文，先確認文章日期，再決定要相信多少。這個轉向對身在台灣的我們其實是好事：Telegram 在台灣能用、匯出是官方功能，想認真玩一輪個人化微調，今天比 2025 年那個要解密資料庫的版本，門票便宜得多，只是這張門票仍然不便宜。
