用2万条聊天记录克隆自己WeClone微调LLM打造AI数字分身【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/WeCloneWeClone 是一个从聊天记录创造 AI 数字分身的一站式方案把你的微信对话喂给大语言模型LLM即聊天机器人背后的那个大脑微调之后它会用你的语气和节奏替你跟人聊天。 WeClone 能干什么它的核心能力是把你导出的聊天记录变成训练数据再用 LoRA一种轻量微调方法不用重训整个模型把开源模型调成你。项目把整条链路都打包好了数据预处理、预训练PT与有监督微调SFT、Web/命令行推理、API 服务甚至微信机器人。作者自己在 README 里说得挺诚实两万条数据训出来差强人意但有时候真的很搞笑。效果上限基本由你聊天数据的数量和质量决定。️ WeClone 数字分身最快上手路径先装环境克隆仓库后装一下依赖Python 3.10 比较稳git clone https://gitcode.com/GitHub_Trending/we/WeClone cd WeClone pip install -r requirements.txt然后是数据。用 PyWxDump 工具把微信聊天记录导出成 CSV放进data/目录跑一下make_dataset/csv_to_json.py就能转成训练格式脚本默认会过滤手机号、身份证、邮箱这类敏感信息还能往make_dataset/blocked_words.json里加自己的过滤词。转完数据会落在data/res_csv/sft/里。接着下载底模 ChatGLM3-6B不想用默认模型的话就在 settings.json 里换一个。参数都集中在这个文件里打开改下per_device_train_batch_size和gradient_accumulation_steps适配你的显存就行然后开训python src/train_sft.py默认配置是 LoRA 微调大概 16GB 显存就能跑单卡即可多卡的话装上 deepspeed用deepspeed --num_gpus4 src/train_sft.py启动。 三种玩法让数字分身开口聊Web 界面直接聊python src/web_demo.py启动后打开浏览器就能和分身实时对话第一眼看的就是它到底像不像你。命令行与 API 接入src/cli_demo.py可以在终端里直接对话适合快速验证效果想接进自己的应用就启动src/api_service.py起一个推理接口再跑src/test_model.py用常见聊天问题批量测一遍。满意之后还能用src/export_model.py把模型导出来src/evaluate.py做性能评估。接入微信机器人这是最硬核的玩法先起 API 服务再跑src/wechat_bot/main.py终端会显示登录二维码扫码后你的数字分身就在微信里了私聊能回、群聊 它也能回。注意作者反复提醒微信机器人有封号风险建议用小号且账号得先绑银行卡。⚠️ 微调参数怎么调、坑在哪数据是命门几千条以下的聊天记录别指望有效果数量和质量都重要。作者自己的 SFT loss 只降到 3.5 左右降得太低反而是过拟合你的分身会开始机械复读旧聊天记录。显存不够就换 QLoRA量化微调7B 模型能压到 6-10GB 显存但模板和 system 提示词要自己改。同一人连发多句有三种处理策略逗号拼接、取最长句、放进 history选哪种取决于你想要的对话风格别混着来。PT 预训练阶段仓库也提供了但按作者经验提升不明显新手直接从 SFT 开始就好。写在最后WeClone 适合手里有大量聊天记录、显存 16GB 起步、就想玩一把赛博分身的开发者如果你要的是能稳定上岗的客服系统它还不够格。最上头的瞬间是它一本正经地用你的语气接话偶尔还比你本人更搞笑。【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