wsl-docs

WeClone：个人数字分身与对话克隆项目

发布日期：2026-02-226分钟阅读

摘要

1) 一句话总结

WeClone 是一个基于 Python 的开源一站式解决方案，通过提取聊天记录（如 Telegram）并微调大语言模型（LLM），帮助用户创建并部署专属的个性化数字分身。

2) 核心要点

  • 项目基础：采用 GNU AGPL v3.0 开源协议，主要使用 Python 开发，GitHub 拥有超 1.6 万 Stars。
  • 端到端工作流：提供包含聊天数据导出、数据预处理（隐私过滤）、模型微调（支持图像多模态数据）以及最终部署的完整解决方案。
  • 平台支持：目前支持将 Telegram 作为数据源（支持文本、图片、转发、位置等），并支持将生成的数字分身部署至 Telegram、Discord 和 Slack 平台。
  • 模型与硬件要求：默认使用 Qwen2.5-VL-7B-Instruct 模型结合 LoRA 方法进行微调；环境要求 CUDA 12.6 及以上；7B 模型在 4-bit QLoRA 下最低显存需求为 6GB。
  • 数据隐私保护：默认集成 Microsoft Presidio 用于自动剔除手机号、邮箱、IP、银行卡等敏感信息，并提供 blocked_words 黑名单供用户手动过滤特定词汇。
  • 第三方集成：提供兼容 OpenAI 格式的 API 服务（weclone-cli server），可直接接入 AstrBot 和 LangBot 等多平台聊天机器人框架。
  • 未来规划：路线图包括支持更多数据源、丰富的上下文（参与者信息、时间等）、记忆功能、数据增强、GUI 界面以及 COT（思维链）支持。

3) 风险与不足

  • 生产环境风险：项目明确声明仅供学习、研究和实验使用，用于生产环境存在重大风险，作者不对任何直接或间接损失（如数据丢失、财务损失、法律纠纷等）负责。
  • 输出不可靠性：微调后的模型可能产生不准确、有害或误导性的内容，输出不代表真人观点或意图。
  • 隐私与合规责任：用户需自行确保聊天记录的使用符合当地法律法规，并获得相关人员的授权，项目不对数据泄露或隐私侵权负责。
  • 身份混淆风险：官方强烈建议在应用时必须明确标识其为“AI Bot”或“数字分身”，避免让用户误认为是真人交谈。
  • 诈骗警告：官方声明未与任何平台合作，也未发行任何加密货币，唯一官方网站为 weclone.love，需谨防假冒。
  • 环境与功能限制：Windows 环境尚未经过严格测试（建议使用 WSL）；目前 WhatsApp、Discord 和 Slack 的数据源导出功能仍在开发中，尚未可用；7B 模型效果一般，建议使用 14B 及以上参数模型以获得更好效果。

功能与定位

🚀 One-stop solution for creating your digital avatar 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. 从聊天记录创造数字分身的一站式解决方案

典型使用场景

  • 用于快速搭建 AI 应用、工作流或服务化能力。
  • 作为上层产品的能力底座，统一模型调用与业务集成。

核心功能

  • 提供应用框架或平台化能力。
  • 支持模型接入、流程编排或接口服务化。
  • 面向开发与部署提供基础工程支持。

特色与差异点

  • 仓库长期活跃，最近更新时间为 2026-02-22T12:41:05Z。
  • 项目创建于 2024-01-31T05:11:12Z，具备持续迭代与社区沉淀。
  • 以 Python 为主语言，聚焦该技术栈的工程实践。

使用方式概览

  1. 阅读仓库 README 与官方文档，确认适配场景与依赖条件。
  2. 按项目推荐方式完成安装与初始化，再从示例或最小流程开始验证。
  3. 在生产使用前补齐权限控制、日志监控和版本固定策略。

限制与注意事项

  • 使用前应先核对许可证、项目维护状态与安全边界。

链接

关联主题

关系图谱

反向链接