這是蒼何的第 493 篇原創！

大家好，我是蒼何。

OpenClaw，這個 GitHub 上 18 萬 Star 的怪物級開源項目，你們應該都聽過了吧？

飛書能接、釘釘能接、企業微信能接、QQ 能接、Discord 能接……

但偏偏最多人用的「微信個人號」，它不支持。

我翻遍了 GitHub、掘金、知乎，找到的方案要么是企業微信繞一圈，要么是用微信 Web 協議搞，動不動就封號。

說實話，這誰頂得住？

天天在微信上跟朋友聊天、在群里吹水，結果想接個 OpenClaw 都這么費勁？

麻了。

于是我決定自己干。

「爆肝 2 天，我把 OpenClaw 接入了微信個人號，并且已經開源了。」

地址：https://github.com/freestylefly/openclaw-wechat

我給他命名為蒼何的狗腿子，和普通好友沒什么區別，但他卻是個能真正幫你干事的好友。

當你隨便把一篇文章丟給他，OpenClaw 會幫你做總結。

并幫你存放于你的個人 Notion 知識庫中。

我現在看到好文章直接轉發給它，然后可以直接讓他去知識庫中幫我查找任何我想要的收藏。

說實話比收藏夾好用一萬倍。

我把這家伙拉進群聊，還能隨時@總結上下文，群聊利器啊。

然后我可以指揮 OpenClaw 自動搜集全網資訊，并直接匯總發我。

還可以進行日程提醒，比如讓它提醒我 2 分鐘后喝水。

我甚至還在我的 OpenClaw 中裝了 18 歲的 AI 女友 Clawra，她有獨立人格和人設，當我問她在干嘛時，她會甩一張自拍給我。

當然還有更多的場景待探索，但我發現，在微信上用 OpenClaw 顯得非常的絲滑，因為我每天真的離不開微信。

這篇文章主要分享我開發的歷程，代碼也上傳到了 GitHub，但由于時間有限以及防止技術被濫用，我做了一層代理處理，需要審核才可使用。

注意事項

1. 建議先用小號測試，雖然 iPad 協議比 Web 協議穩定得多，但畢竟是第三方接入，謹慎為上

2. 不要用來搞群發、營銷之類的騷操作，騰訊的風控不是吃素的

3. 建議部署在有固定 IP 的服務器上，頻繁換 IP 容易觸發風控

整個系統架構如下：

全程我用的是 OpenRouter 上的神秘模型 Pony Alpha 配合 Claude Code，前幾天我也給大家分享了這個神秘模型。

今天也終于揭曉了謎底，確認這個神秘模型就是智譜的 GLM 5 模型。

昨晚我發現 GLM 5 也上線了 bigmodel，并直接切換，干了不少 token。

幾個 agent 垮垮狂干，直接就干限額了：

果斷再開 Max 套餐，可以說是大出血了：

關于 GLM 5，官方是這么說的，「在全球權威的 Artificial Analysis 榜單中，GLM-5 位居全球第四、開源第一」。我截了個圖：

從官方及各大媒體的報道來看，GLM 5 是面向復雜系統工程與長程Agent任務的開源基座模型。

這里我也會在本文的中間部分把我和 GLM 5 協作開發的過程給分享出來，看看這個模型在處理實際工程級項目中究竟能有幾斤幾兩。

先說說 OpenClaw 是啥

如果你還不知道 OpenClaw，簡單說一下。

它原名叫 Clawdbot，是一個奧地利開發者 Peter Steinberger 搞出來的開源 AI Agent 項目。

后來因為跟 Anthropic 的商標沖突，改名 Moltbot，又改名 OpenClaw。

名字換了三個，但絲毫不影響它火到離譜。

「3 周時間，GitHub Star 從 0 干到 18 萬+。」

這什么概念？React 花了 8 年才到 10 萬，Linux 花了 12 年，它 3 周就超了。

好家伙，這不是坐火箭，這是坐 SpaceX 星艦。

它的核心能力就一句話：「讓 AI 不只是回答你問題，而是真正替你干活。」

你跟它說「幫我查一下明天的天氣，然后發到群里」，它就真的會去查、然后發。

不是那種假裝理解你然后輸出一坨文字的「AI 助手」，是真的有手有腳能操作的 Agent。

它支持接入各種大模型，Claude、GPT、DeepSeek 都行，還支持多 Agent 協作，搞一個虛擬開發團隊都不在話下。

我之前也寫過幾篇關于OpenClaw 的文章，不了解的也可以先看看：

為啥微信這么難接？

講真的，這事不能怪 OpenClaw。

微信是出了名的「封閉生態」，個人號壓根沒有官方 Bot API。

你想搞自動化，要么走企業微信（需要公司認證），要么用第三方協議逆向（隨時封號）。

之前社區有一些方案，比如用 wechatbot-webhook 基于微信 Web 協議來搞，Docker 一鍵部署倒是方便。

但問題是：

1. 「穩定性堪憂」，微信 Web 協議說封就封

2. 「功能受限」，很多高級功能用不了

3. 「安全風險」，你的微信賬號等于裸奔

我試了幾個，要么跑不起來，要么跑起來半天就掉線。

說白了，這些方案都是在微信的安全策略上「走鋼絲」。

我是怎么搞的

既然現有方案都不太行，那就自己擼一個。

我的思路是這樣的：

「不走微信 Web 協議，走 iPad 協議 + 消息中轉服務。」

核心架構分三層：

1. 「消息接收層」：基于 iPad 協議穩定接收微信消息，比 Web 協議靠譜得多

2. 「中轉網關層」：做消息格式轉換、會話管理、限流熔斷

3. 「OpenClaw 對接層」：通過 Webhook 把消息推給 OpenClaw Gateway，再把 AI 回復轉發回微信

整個架構用 TypeScript 寫的，跟 OpenClaw 原生技術棧一致。

畫了個架構圖你們感受一下：

說起來簡單，但這畢竟是個系統工程——協議對接、消息隊列、網關路由、多模型調度，涉及的模塊還挺多的。

2 天能搞定，說實話，離不開一個關鍵幫手：「GLM-5」。

為什么用 GLM-5？

可能有人會問，市面上 Coding 模型那么多，為啥選它？

不瞞你說，一開始我也沒抱太大期望。主要是先跑的神秘模型 Pony Alpha。

但實際跑下來，對于有些場景還行。

這個項目不是那種「一句 Prompt 搓個網頁」的活兒。

消息中轉網關要處理并發、去重、限流，OpenClaw 對接層要搞 Webhook 協議適配和會話狀態管理，還有各種邊界情況要兜底。

這是正兒八經的「系統工程」，不是寫個前端頁面的事。

現在大模型圈子其實有個很明顯的趨勢：Opus 4.6、GPT Codex 5.3 這些頂級模型都在強調自己的 Agentic 能力，不再吹「一句話出活」了，而是卷誰能扛住「長任務、復雜系統開發」。

GLM-5 剛好也走的這條路。

我這次開發全程讓 GLM-5 跑 Agent 模式，把任務拆成多個子任務，讓它自己規劃、自己執行、自己調試。

遇到問題，他能夠自己修，找出對比項：

我的原始需求是要在 openclaw 中添加微信插件：

一開始的版本，我覺得不夠合理，我就讓它重構了一下，它能給出合理的架構設計：

我給的重構指令及 rest 重構的整體過程我也截了個圖：

大概花費了 25 分鐘，解決了重構的所有問題：

整個過程我基本就是在旁邊看著，偶爾給點方向性的反饋。

而且 GLM-5 還有一點讓我挺舒服的——它是開源的。

不過對于一些稍微深一些的 bug，GLM 5 也并非萬能的，這個時候我會選擇讓它切換到 GPT-5.3-codex 和 Claude 4.6來解決。

好了不多說了，接下來聊聊開發過程中踩的坑，這才是重頭戲。

踩坑實錄 坑一：消息去重

微信的消息推送機制很迷，同一條消息有時候會推兩三次。

如果不做去重，AI 就會回復兩三遍，對面以為你是復讀機。

我的解決方案是讓 GLM 搞了一個基于消息 ID + 時間窗口的去重緩存，用 LRU 策略自動淘汰過期記錄。

坑二：上下文管理

OpenClaw 的 Agent 是有記憶的，但微信的對話場景比較特殊。

群聊里一堆人說話，你不能把所有消息都當作是給 AI 的指令。

所以我做了一個「@觸發 + 私聊直連」的機制：

• 「私聊」：所有消息直接轉給 OpenClaw 處理

• 「群聊」：只有 @機器人 的消息才會觸發 AI 回復

這樣就不會出現 AI 在群里瘋狂刷屏的社死場面了。

坑三：回復速度

大模型的回復是有延遲的，特別是復雜問題可能要想好幾秒。

但微信那邊，對面看你一直不回，以為你已讀不回呢。

我加了一個「思考中...」的狀態提示，AI 在生成回復的時候先發一個提示，生成完了再替換成正式回復。

用戶體驗直接拉滿。

坑四：多模型切換

OpenClaw 支持多個大模型，但不同場景其實適合不同模型。

比如日常閑聊用 DeepSeek 就夠了，寫代碼分析問題上 Claude，省錢又高效。

我在中轉層做了一個簡單的路由策略，根據消息內容自動選擇最合適的模型。

能干啥？

接入之后，你的微信就變成了一個 AI 超級助手。

舉幾個我自己在用的場景：

「1. 智能群聊助手」

在技術群里 @機器人，直接問代碼問題，它會結合上下文給出解答。

再也不用忍受群里那些「百度一下」的回復了。

「2. 個人知識管家」

把文章、鏈接丟給它，它幫你總結歸納，還能存到你的知識庫里。

我現在看到好文章直接轉發給它，比收藏夾好用一萬倍。

「3. 日程提醒」

跟它說「明天下午 3 點提醒我開會」，到點它就會在微信上戳你。

比手機自帶的提醒好用，因為你一定會看微信。

「4. 自動回復」

設置好規則，一些常見問題它自動回復。

比如有人加你好友問「在嗎」，它直接回「在的，有什么事嗎？」

再也不用被「在嗎」兩個字煩死了。

怎么用？

項目已經開源，可以自己部署。

核心就三步：

「第一步：克隆項目」

git clone https://github.com/canghe/openclaw-wechat.gitcd openclaw-wechat

「第二步：配置環境變量」

出于安全考慮，這里的 apikey 是我代理服務做了一層，目前還在優化中。

# Set API Key (required)openclaw config set channels.wechat.apiKey "wc_live_xxxxxxxxxxxxxxxx"
# Set proxy URL (required)openclaw config set channels.wechat.proxyUrl "http://your-proxy-server:3000"
# Set webhook host (required for cloud deployment)openclaw config set channels.wechat.webhookHost "your-server-ip"
# Enable the channelopenclaw config set channels.wechat.enabled true

「第三步：openclaw 服務中添加 openclaw-wechat」

openclaw plugins install @canghe/openclaw-wechat

這里需要等下，還沒來的及上到插件市場去，后面會上，可以先本地代碼的方式安裝。

然后用微信掃碼登錄，完事。

整個過程 5 分鐘搞定，不需要公司認證，不需要企業微信，普通個人號直接用。

后續計劃

目前這個項目還在持續迭代，后面計劃加這些功能：

• 「語音消息支持」：目前只支持文字，后續會接入語音轉文字 + 文字轉語音

• 「圖片理解」：接入多模態模型，讓 AI 能看懂你發的圖片

• 「OpenClaw Skills 市場對接」：直接在微信里調用 OpenClaw 的 700+ 技能

• 「多賬號管理面板」：Web 端可視化管理多個微信號的接入

如果你有好的想法，歡迎來 GitHub 上提 Issue 或者 PR。

說實話，OpenClaw 這波開源 AI Agent 的浪潮，真的讓我看到了 AI 落地的另一種可能。

以前我們說 AI，總覺得是那種高高在上的東西，要么在實驗室里，要么在大公司的服務器上。

但現在，你自己部署一個 OpenClaw，接上微信，AI 就真的成了你口袋里的助手。

這種感覺，說不出的爽。

不過也要提醒一下，OpenClaw 的 Skills 生態最近爆出了一些安全問題，有超過 230 個惡意插件被上傳到了社區。

所以大家在用 OpenClaw 的時候，「一定要注意只安裝可信來源的 Skills」，別什么都往上裝。

另外，我看智譜也出了 AutoGLM 版本的 OpenClaw，

支持官網一鍵完成 OpenClaw 與飛書機器人的一體化配置，幫助用戶從數小時縮短到幾分鐘，極速部署 OpenClaw。

好了，項目地址我放在原文鏈接了，感興趣的直接去 GitHub 上 Star 一下。

「如果你也在用 OpenClaw，或者對微信接入有什么想法，評論區聊聊！」

點個「贊」和「在看」，讓更多人看到這個項目