用微信聊天记录微调大语言模型：WeClone 大模型微调完整上手教程-北京尧图网络

用微信聊天记录微调大语言模型WeClone 大模型微调完整上手教程【免费下载链接】WeClone One-stop solution for creating your AI twin from chat history Fine-tune LLMs with your chat logs to capture your unique style, then bind to a chatbot to bring your digital self to life.项目地址: https://gitcode.com/GitHub_Trending/we/WeClone你养了多年的微信聊天风格没法在你不在的时候替你来聊天。WeClone 做的事情是把你的聊天记录转成训练集微调大语言模型得到一个能复现你说话风格的回复模型再把它接到可用的聊天入口上。只要有一张 16GB 显存的 NVIDIA 显卡就能跟着把整条链路走通。从聊天记录到风格模型WeClone 大模型微调能做什么WeClone 是一条导出微信记录 → 清洗成训练数据 → LoRA 微调 → 接入聊天机器人的完整流水线。把导出的 CSV 聊天记录转成标准训练集自动过滤手机号、邮箱等敏感信息基于 LLaMA-Factory 对 ChatGLM3-6B 做 LoRA 微调开箱即用7B 模型约需 16GB 显存提供命令行、Web 页面、微信机器人三种使用入口也支持 OpenAI 风格 API 对接从克隆到首次微调的最短路径 ️一条命令链装好环境git clone https://gitcode.com/GitHub_Trending/we/WeClone cd WeClone pip install -r requirements.txt建议 Python 3.10 起步requirements.txt 里已包含 llmtunerLLaMA-Factory 0.5.3、itchat 等全部依赖。原始聊天怎么变成训练集先用 PyWxDump 解密微信数据库把每位联系人的聊天导出为 CSV统一放进data/csv目录仓库自带的data/test_data.json可以先拿来做小规模试跑。然后执行python make_dataset/csv_to_json.py脚本会去掉手机号、身份证号、邮箱、网址并整句剔除命中禁用词的内容词表在 make_dataset/blocked_words.json。同一人连续回多句时有三种策略可选看make_dataset/目录下的三个脚本用逗号连接csv_to_json.py、只留最长一句、或放进多轮 historycsv_to_json-单句多轮.py。成品落在data/res_csv/样例清单见data/res_csv/sft/dataset_info.json。PT 与 SFT 怎么选不踩坑聊天回复场景直接从 SFT 开始PT 只在你想让模型更深地记住你的用词习惯时再补一轮作者实测 PT 的额外提升有限。PTSFT入口src/train_pt.pysrc/train_sft.py数据data/res_csv/pt纯文本风格数据data/res_csv/sft问答对默认轮数303建议可选锦上添花首选必做python src/train_sft.py所有参数集中在settings.json多卡场景用ds_config.json配 DeepSpeed。最影响效果的三个参数num_train_epochs数据少时 3 轮足够、lora_rank默认 4贴合度不够时上调、per_device_train_batch_size与gradient_accumulation_steps显存不够就调小。作者自己的 SFT loss 降到 3.5 左右再低就要警惕过拟合。命令行、Web、微信三种部署方式命令行执行python src/cli_demo.py在终端直接对话输入clear清历史exit退出。Web 界面python src/web_demo.py自动打开浏览器页面里即可实时对话适合展示和长对话测试。微信机器人先起 API 服务再跑机器人终端会显示二维码扫码登录后私聊或群里它即可。注意有封号风险建议用小号。python src/api_service.py python src/wechat_bot/main.py效果怎么判断、不达标查哪里先跑python src/evaluate.py拿整体评分再起src/api_service.py配合python src/test_model.py用data/test_data.json里的常见提问批量对话逐条看回复是否像你。效果不理想时按顺序排查查数据量与质量——有效样本太少或混入大量群聊噪音回复必然飘这是第一变量查训练曲线——loss 停在高位说明欠拟合加num_train_epochs降得过低则是过拟合降轮数或减小lora_rank查采样参数——settings.json中infer_args的temperature默认 0.5和repetition_penalty默认 1.2温度过高会跑题先导出一份自己的聊天 CSV跑通一轮 SFT效果不满意再回到第 3 节查数据。【免费下载链接】WeClone One-stop solution for creating your AI twin from chat history Fine-tune LLMs with your chat logs to capture your unique style, then bind to a chatbot to bring your digital self to life.项目地址: https://gitcode.com/GitHub_Trending/we/WeClone创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

用微信聊天记录微调大语言模型：WeClone 大模型微调完整上手教程

相关推荐

Audacity 免费音频编辑完整指南：5 步从录音到成品

BlenderMCP 完整实战：AI 控制 Blender 3D 配置与连接避坑

用开源项目构建微信用户画像：从聊天记录到可视化报告

更多资讯

魔术公式轮胎模型仿真与工况分析

大模型选型与Agent开发实战：从模型层到应用层的完整清单

金融监管数据解析与应用指南

工业AI如何实现报警降99.8%与自控率98%：时间序列大模型与TPT实战

RabbitMQ安装与配置：从入门到生产环境部署

车企智能诊断做不深？车云数据架构才是关键瓶颈

今日更新

Agent-Reach：打通大模型触达外部系统的最后一公里

深度学习图像隐写分析实战：从CNN原理到毕设源码全解析

AI赋能知识产权供需匹配：专利评估、需求挖掘与多路召回工程实践

本周精选

防幻觉智能体架构：电源硬件设计中的大模型编排与工具化实践

OpenGL面试核心考点：渲染管线、矩阵变换与性能排查全解析

全国计算机二级C语言真题PDF高效刷题指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？