# WeChat Agent - Windows 微信客户端 AI 自动化

基于视觉 AI 的 Windows 微信客户端自动化系统，实现消息识别与自动回复。

## 项目概述

本项目实现对 Windows 微信客户端的 AI 自动化控制：
- **信息获取**：通过视觉识别获取聊天记录、用户信息、消息内容
- **自动回复**：基于规则/AI 判断自动发送消息
- **纯视觉方案**：不依赖微信 API，通过屏幕截图 + VLM 识别 + 自动操作

## 技术架构

```
微信Windows客户端（截图）
         ↓
UIAutomation + 屏幕截图
         ↓
  阿里云百炼 Qwen-VL 视觉理解
         ↓
   LLM 推理判断（Qwen Plus）
         ↓
UIAutomation 执行操作
         ↓
微信客户端（发送）
```

## 核心模块

| 模块 | 说明 |
|-----|------|
| `vlm` | 视觉模型接口（阿里云百炼 Bailian） |
| `wechat` | 微信客户端控制（UIAutomation） |
| `core` | 核心引擎（消息捕获、回复判断） |
| `agent` | AI Agent 逻辑 |
| `ui` | 桌面 UI 界面（待实现） |
| `config` | 配置管理 |

## 技术栈

- **语言**: Python 3.10+
- **视觉模型**: 阿里云百炼 Qwen-VL 系列
- **LLM**: 阿里云百炼 Qwen Plus 系列
- **Windows 控制**: UIAutomation (PyWinAuto)
- **API**: OpenAI 兼容格式（阿里云百炼）

## 快速开始

### 1. 获取阿里云百炼 API Key

1. 访问 [阿里云百炼控制台](https://bailian.console.aliyun.com/)
2. 开通大模型服务
3. 创建 API Key: https://bailian.console.aliyun.com/cn-beijing#/APIKey

### 2. 安装依赖

```bash
pip install -r requirements.txt
```

### 3. 配置

```bash
cp config.example.yaml config.yaml
# 编辑 config.yaml 填入 API 配置
```

或在环境变量中设置：
```bash
export ALIBABA_CLOUD_API_KEY=your-api-key
# 或
export DASHSCOPE_API_KEY=your-api-key
```

### 4. 运行

```bash
# 模拟模式（不连接微信，用于测试）
python src/main.py --mock --demo

# 实际运行（需要微信客户端运行）
python src/main.py
```

## 阿里云百炼模型

### VLM 视觉模型（用于截图识别）

| 模型 | 说明 | 推荐场景 |
|-----|------|---------|
| `qwen-vl-latest` | 最新 VL 模型 | **推荐**，微信截图识别 |
| `qwen-vl2-7b` | Qwen-VL2 7B | 轻量级场景 |
| `qwen-vl2-72b` | Qwen-VL2 72B | 高精度场景 |
| `qwen2-vl-72b-instruct` | Qwen2-VL 72B | 最新一代 |

### LLM 模型（用于生成回复）

| 模型 | 说明 | 推荐场景 |
|-----|------|---------|
| `qwen-plus` | Qwen Plus | **推荐**，日常对话 |
| `qwen-max` | Qwen Max | 高质量回复 |
| `qwen-turbo` | Qwen Turbo | 快速响应 |

更多模型: https://bailian.console.aliyun.com/cn-beijing#/model-market

## MVP 功能

### Phase 1（本期）
- [x] 项目初始化
- [x] 阿里云百炼 VLM 集成
- [x] 阿里云百炼 LLM 集成
- [ ] 微信窗口识别
- [ ] 聊天记录截图识别
- [ ] 用户信息识别
- [ ] 关键词自动回复
- [ ] 定时轮询机制

### Phase 2（后续）
- [ ] 知识库集成（OpenViking）
- [ ] 多账号管理
- [ ] 复杂对话上下文

## 配置示例

```yaml
vlm:
  model_type: bailian
  api_base: https://dashscope.aliyuncs.com/compatible-mode/v1
  api_key: ""  # 从环境变量读取
  model_name: qwen-vl-latest
  max_tokens: 2048
  temperature: 0.7

llm:
  api_base: https://dashscope.aliyuncs.com/compatible-mode/v1
  api_key: ""
  model_name: qwen-plus
  max_tokens: 2048
  temperature: 0.7

wechat:
  client_version: "3.8.x"
  poll_interval: 2.0
  window_title: "微信"

rules:
  - keywords: ["你好", "hi"]
    reply_type: keyword
    reply_content: "您好，有什么可以帮您的？"
    enabled: true
```

## API 参考

### 阿里云百炼 API

- **基础 URL**: `https://dashscope.aliyuncs.com/compatible-mode/v1`
- **认证**: `Authorization: Bearer {API_KEY}`
- **格式**: OpenAI Chat Completions 兼容

### VLM 核心方法

```python
from src.vlm.qwen_vl import BailianVLMClient, analyze_wechat_screenshot

# 方式1: 直接分析微信截图
result = analyze_wechat_screenshot("wechat.png")

# 方式2: 使用客户端
client = BailianVLMClient(api_key="your-key")
result = client.analyze_chat_screenshot("wechat.png")
```

## 参考项目

- [thiflow-research](http://192.168.5.5:3000/jesxion/thiflow-research) - Thiflow 产品研究
- [thiflow.com](https://thiflow.com/) - 参考产品
- [阿里云百炼](https://bailian.console.aliyun.com/) - VLM & LLM 提供商

## License

MIT