WeClone

用聊天记录一键训练你的 AI 分身，绑定机器人即可对话

WeClone 是一个一站式开源工具，旨在通过聊天记录微调大语言模型，打造个性化的 AI 分身。它解决了通用模型缺乏个人风格和记忆的问题，让用户能基于自己的微信、Telegram 等聊天日志，训练出模仿自身语气、用词和思维习惯的专属模型。核心能力包括：数据清洗与预处理，支持多种聊天记录格式；模型微调，基于主流开源 LLM 进行高效训练；以及一键绑定聊天机器人，将训练好的模型部署到实际对话场景。项目提供完整的命令行和 Web 界面，降低了非技术用户的使用门槛。通过 WeClone，用户可以创建数字孪生，用于自动回复、内容创作或情感陪伴，实现从数据到个性化 AI 的无缝转化。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 18252

维护状态活跃

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队xming521

所属国家

官网地址https://weclone.love

GitHubhttps://github.com/xming521/WeClone

定价模式free

价格说明开源项目，AGPL-3.0许可，可自行部署使用，无付费版本。

访问状态

是否开源是

开源协议AGPL-3.0

主要语言Python

技术栈/模型chat-history,digital-avatar,llm,qwen,telegram

GitHub 星标★ 18252

30天Star增速

HF 下载量

上线时间2024-01-31 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数11

使用教程

难度：进阶约 15 分钟部署方式：本地安装 7 步

环境要求

CUDA 12.6 或更高版本（已安装可跳过；Mac 不需要）
Python 3.12
推荐使用 uv 作为 Python 环境管理器
Windows 环境未经过严格测试，建议使用 WSL
建议显卡显存支持 14B 及以上模型以获得更好微调效果

安装与启动步骤

1克隆项目仓库

把 WeClone 源码下载到本地并进入项目目录。
```
git clone https://github.com/xming521/WeClone.git && cd WeClone
```
2创建虚拟环境

使用 uv 创建 Python 3.12 虚拟环境，目录名为 .venv。
```
uv venv .venv --python=3.12
```
3激活虚拟环境

Linux/Mac 使用 source 激活；Windows 执行 .venvScriptsctivate。
```
source .venv/bin/activate
```
4安装项目依赖

按 main 依赖组以可编辑模式安装项目及其依赖。
```
uv pip install --group main -e .
```
5复制配置文件

把示例模板复制为 settings.jsonc，后续训练与推理配置都在此文件修改。
```
cp examples/tg.template.jsonc settings.jsonc
```
6验证 CUDA 环境

检查 PyTorch 是否能正确识别 CUDA，Mac 环境无需执行。
```
python -c "import torch; print('CUDA Available:', torch.cuda.is_available());"
```
7安装加速组件

可选步骤，安装 FlashAttention 加速训练和推理，失败可跳过。
```
uv pip install flash-attn --no-build-isolation
```

关键配置

配置项	必填	说明	示例
`settings.jsonc`	是	训练与推理相关配置统一在此文件中修改	`settings.jsonc`

如何确认成功

执行 python -c "import torch; print('CUDA Available:', torch.cuda.is_available());" 输出 CUDA Available:

常见问题

Q：Windows 系统可以运行吗？

A：README 说明 Windows 环境尚未经过严格测试，建议使用 WSL 作为运行环境。

Q：必须安装 CUDA 吗？

A：需要 CUDA 12.6 或更高版本；如果已经安装过可跳过，Mac 环境不需要 CUDA。

Q：7B 模型微调效果怎么样？

A：README 指出 7B 模型表现一般，14B 及以上参数规模的模型效果通常更好。

Q：配置文件在哪里改？

A：把 examples/tg.template.jsonc 复制为 settings.jsonc，训练和推理相关配置都在这个文件里统一修改。

Q：FlashAttention 一定要装吗？

A：不是必须的，它只是用于加速训练和推理的可选组件。

注意事项

项目仍处于快速迭代阶段，当前效果不代表最终结果。
微调效果很大程度取决于模型规模和聊天数据的数量与质量，通常模型越大、数据越多效果越好。
当前聊天机器人部署支持 Telegram、个人微信（基于 openclaw-weixin）、Discord、Slack，WhatsApp 仍在开发中。
README 未给出具体的训练和部署命令，实际使用请参考官方文档 https://docs.weclone.love 。

核心亮点

支持微信、Telegram 等多种聊天记录格式，数据清洗自动化
基于主流 LLM 微调，保留个人语气和用词习惯
提供 Web 界面，无需编程即可完成训练和部署

不足之处

训练需要较高硬件配置，普通用户可能难以本地运行
文档/社区待观察

适用场景

个人数字分身，自动回复社交消息
内容创作者生成风格化文案
情感陪伴或虚拟角色定制

替代项目

ChatGPT-Next-Web、LocalAI、Text Generation WebUI

项目介绍

WeClone 是数字人3D领域的开源项目，由 xming521 开发，2024 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（18,252）位列前 3%，在数字人3D分类的 272 个项目里位列前 1%。

近 41 天，它的 GitHub 星标从 18,139 增加到 18,252，净增 113。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。AGPL-3.0许可，可自行部署使用，无付费版本。

它主要面向的使用场景是：个人数字分身，自动回复社交消息。同类可对比的替代方案包括 ChatGPT-Next-Web、LocalAI、Text Generation WebUI。

上一篇：Crystal.TTVS

下一篇：Open-LLM-VTuber