把AI助理装进微信：文件传输助手变身私人DeepSeek完整教程

前面九篇都在讲"机器人怎么服务别人"，这篇反过来讲一个服务自己的用法：把你手机里的「文件传输助手」变成一个 AI 助手入口。

用起来是这样：你在文件传输助手里发一句「帮我把这段话改得正式一点」，几秒后回复就出现在同一个对话框里。不用装 App、不用切软件——微信是你已经 24 小时在用的界面，AI 就长在这个界面里。

技术上有个有意思的反转：前面所有客服机器人都在过滤"自己发的消息"（避免机器人自己跟自己对话），而这一篇的核心恰恰是只处理自己发的消息。位置换一下，同一个回调体系就变成了私人助理。

微信侧基于托管 API 形态（HTTP 主动调用 + Webhook 回调），代码以 WTAPI 的接口为例；模型侧以 OpenAI 兼容的 /chat/completions 为例（DeepSeek 同构，改 base_url 与模型名即可），字段以各自官方文档为准。

---

一、思路反转：从"过滤本号消息"到"只处理本号消息"

普通客服机器人的过滤规则是：

if from_user == to_user:     # 自己发的消息，跳过
    continue

因为机器人要回复的是别人。但私人助理场景正好相反——你要的就是自己发出的消息：

场景	触发条件	回复目标
客服机器人	别人发来（FromUserName ≠ 本号）	发给那个客户
私人 AI 助理	本号发出，且目标是文件传输助手	发到文件传输助手

判断"本号发出"的依据在回调报文里有两个字段：消息体的 Data.FromUserName 与信封层的 Wxid（机器人自己的号）。先别急着写逻辑，第一步是确认字段值——不同环境的值可能有差异，用打印器看一眼最稳。

---

二、第一步：确认字段（5 分钟）

前面讲过回调的"裸打印器"，这次派上正经用场：用手机在文件传输助手发一条消息，看打印出来的字段长什么样。

# probe.py —— 只打印，确认本号消息的字段特征
from flask import Flask, request

app = Flask(__name__)

@app.route("/callback", methods=["POST"])
def callback():
    msg = request.get_json(silent=True) or {}
    if msg.get("TypeName") == "AddMsg":
        d = msg.get("Data", {})
        print("Wxid       :", msg.get("Wxid"))                    # 本号 wxid
        print("FromUserName:", d.get("FromUserName", {}).get("string"))
        print("ToUserName :", d.get("ToUserName", {}).get("string"))
        print("MsgType    :", d.get("MsgType"))
        print("Content    :", d.get("Content", {}).get("string"))
    return "", 200

✅ 你要确认三件事：

1. 在文件传输助手发消息时，FromUserName 是否等于 Wxid（也就是"本号发出"）；
2. ToUserName 的值是不是 filehelper；
3. MsgType 是否为 1（文本）。

印花确认之后，判定条件就写成这两个字段的组合。如果字段值与你预期不符，以打印结果为准调整——这是唯一可靠的依据。

---

三、私人助理最小实现

# my_ai.py —— 文件传输助手 = 私人 AI 助手
import json
import queue
import threading
import time
import requests
from flask import Flask, request

API_BASE = "https://wx.chuapi.com"
APP_ID   = "YOUR_APPID"
WX_HEADERS = {
    "X-finder-TOKEN": "YOUR_TOKEN",
    "Authorization": "Bearer YOUR_JWT",   # 部分环境需要
    "Content-Type": "application/json",
}

# 模型侧（OpenAI 兼容；换成 DeepSeek 只需改这两个值）
LLM_URL   = "https://api.openai.com/v1/chat/completions"
LLM_KEY   = "sk-你的Key"
LLM_MODEL = "gpt-4o-mini"                 # DeepSeek 填 deepseek-chat

SYSTEM_PROMPT = (
    "你是我的私人助理。回答简洁准确、说中文、不使用 Markdown 语法。"
    "需要列举时用「1. 2. 3.」这种纯文本编号。"
    "不确定的事直接说不确定，不要编造。"
)

# ---------- 单一会话上下文（文件传输助手只有我一个人）----------
SESSION = []
MAX_MESSAGES = 10                          # 保留最近 5 轮

def get_history():
    return SESSION[-MAX_MESSAGES:]

def push_history(role, content):
    global SESSION
    SESSION = (SESSION + [{"role": role, "content": content}])[-MAX_MESSAGES:]

# ---------- 发送：过长内容分段 ----------
def post_text(to_wxid, content):
    """官方发消息接口 postText，参数仅 appId/toWxid/content"""
    requests.post(f"{API_BASE}/finder/v2/api/message/postText",
        headers=WX_HEADERS,
        data=json.dumps({"appId": APP_ID, "toWxid": to_wxid, "content": content}),
        timeout=10)

def send_long(content, chunk=800):
    """示例分段长度；微信文本长度限制以客户端实际表现为准"""
    for i in range(0, len(content), chunk):
        post_text("filehelper", content[i:i + chunk])
        time.sleep(1.0)                    # 分段之间留间隔，避免触发频控

# ---------- 模型调用 ----------
def call_llm(messages):
    try:
        r = requests.post(LLM_URL,
            headers={"Authorization": f"Bearer {LLM_KEY}",
                     "Content-Type": "application/json"},
            json={"model": LLM_MODEL, "messages": messages,
                  "temperature": 0.5, "max_tokens": 800},
            timeout=(5, 30))
        d = r.json()
        return d["choices"][0]["message"]["content"], d.get("usage", {})
    except Exception as e:
        print("[LLM异常]", e)
        return None, {}

# ---------- 指令系统 ----------
ENABLED = {"on": True}                     # /off 可临时关掉，夜里不打扰

def handle_command(text):
    """返回直接可回的文本，或 None 表示不是指令"""
    if not text.startswith("/"):
        return None
    cmd = text[1:].strip().lower()
    if cmd == "off":
        ENABLED["on"] = False
        return "已关闭自动回复，发 /on 重新开启"
    if cmd == "on":
        ENABLED["on"] = True
        return "已开启自动回复"
    if cmd == "clear":
        global SESSION
        SESSION = []
        return "上下文已清空"
    return None

# ---------- 事件处理 ----------
def handle_self_message(my_wxid, to_user, text):
    text = text.strip()
    direct = handle_command(text)
    if direct is not None:
        post_text("filehelper", direct)
        return
    if not ENABLED["on"]:
        return
    msgs = [{"role": "system", "content": SYSTEM_PROMPT}] + \
           get_history() + [{"role": "user", "content": text}]
    reply, usage = call_llm(msgs)
    if not reply:
        post_text("filehelper", "调用失败，稍后再试")
        return
    send_long(reply)
    push_history("user", text)
    push_history("assistant", reply)
    print(f"[用量] {usage}")

# ---------- 回调接入 ----------
app = Flask(__name__)
_seen, task_queue = set(), queue.Queue()

def consumer():
    while True:
        msg = task_queue.get()
        d = msg.get("Data", {})
        if d.get("MsgType") != 1:
            continue
        from_user = d.get("FromUserName", {}).get("string", "")
        to_user   = d.get("ToUserName", {}).get("string", "")
        # 核心反转：只处理「本号发出」且目标为文件传输助手的消息
        if from_user != msg.get("Wxid") or to_user != "filehelper":
            continue
        handle_self_message(msg.get("Wxid"), to_user,
                            d.get("Content", {}).get("string", ""))

@app.route("/callback", methods=["POST"])
def callback():
    msg = request.get_json(silent=True) or {}
    if msg.get("TypeName") == "AddMsg":
        d = msg.get("Data", {})
        key = f"{msg.get('Appid')}:{d.get('NewMsgId')}"    # 官方去重键
        if key not in _seen:
            _seen.add(key)
            task_queue.put(msg)
    return "", 200                                          # 3 秒内必须返回

if __name__ == "__main__":
    threading.Thread(target=consumer, daemon=True).start()
    app.run(host="0.0.0.0", port=8080)

✅ 验证四步：

1. 文件传输助手发「你好」→ 收到 AI 回复（基础通路 OK）；
2. 连问两句相关的（「给我三个方案名」→「第二个再解释一下」）→ 第二次能接上（上下文 OK）；
3. 发 /clear → 回「上下文已清空」，再问「第二个是什么」→ AI 表示不知道（清空生效）；
4. 发 /off 后再发普通问题 → 无回复（开关生效）。

---

四、几个真正好用的用法

跑通之后，这个通道的价值取决于你怎么用它。几个实测顺手的姿势：

用法	输入示例	为什么省事
文案打磨	粘贴一段草稿 + 「改得正式一点，200 字内」	微信里改文案不用切软件
长文摘要	粘贴一篇长文 + 「提炼三条要点」	手机上读长文效率翻倍
临时翻译	「翻译成英文：…… 」	不用开翻译 App
起名/起标题	「给这个活动起 5 个标题」	发散需求，AI 批量给
待办拆解	「把这个目标拆成可执行步骤：……」	把想法直接变清单

两个工程小技巧：

• 前缀命名空间：所有指令以 / 开头（/on /off /clear），普通对话不带前缀。这样你自己回看记录时，一眼能分清"哪些是我问 AI 的、哪些是 AI 答的"；
• 上下文定期清空：不同话题之间习惯性发一次 /clear。否则上一条任务的内容会混进新问题的上下文，答案会被带偏——这是私人助理最常犯的体验问题。

---

五、为什么这个场景特别适合先拿它练手

对刚入门的人来说，这是风险最低、收益最快的一个练手项目：

维度	说明
影响面	只和自己对话，不对外发送，不存在骚扰他人或营销违规
技术点	覆盖回调接入、去重、异步、多轮上下文、模型调用、指令系统——核心骨架全练到了
成本	个人提问量小，token 消耗可控（每一次调用都会打印 usage）
复用	这套代码把"客服回复"那一行换掉，就是一个客服机器人的雏形

先拿自己练手，确认整条链路稳定，再接真实业务——这是最省事的上线路径。

合规声明：本文场景为个人自用效率工具，仅与本账号的文件传输助手交互，不涉及对外发送。请勿将本方案改造成对外群发、营销骚扰或批量触达工具；个人微信自动化操作需遵守微信平台规则，涉及他人内容时注意个人信息保护。模型接口与微信接口的能力、参数与限制以各自官方文档实时内容为准。

---