https://github.com/xming521/WeClone 是一个开源的 AI数字分身 生成项目，它通过用户的微信聊天记录，对大语言模型（LLM）进行微调，从而创建一个有那味儿的"你"。
因为完整搭建一个训练环境非常复杂，我建议新手使用云算力测验。
目前市面上很多算力平台都提供了免费试用的云服务器，一些新的小平台赠送的免费额度还挺可观的（比如趣算云、算多多、恒源云、智星文、damodel等），我这里以算多多为例。
1、注册
用以下链接注册，可以免费领取 36 小时的 4070
http://www.gpuduoduo.com/console/login?shareToken=L76YLJ
2、创建实例
选择Weclone 镜像，这个镜像包含了依赖的 LLaMA Factory 库、Qwen2.5-7B 模型、CUDA等。
等待实例创建成功，可以通过 SSH 或 PyJupyter 连接机器。
参考：https://zhuanlan.zhihu.com/p/647727121
注意，此步骤需要保持电脑上的微信是打开的
PyWxDump 是一个开源的导出电脑上的微信聊天记录的库，主要步骤：
1、下载安装包(目前只支持Windows)：Windows下载包
2、解压后，打开应用，会自动在浏览器打开页面
3、解密微信数据
4、导出聊天记录
5、查看聊天记录文件夹
复制导出成功后的目录，粘贴到我的电脑地址栏，回车
./dataset目录下scp -P 2222 -r C:\xxx\wxdump_tmp\export\\csv [root@10.114.40.10](mailto:root@10.114.40.10):/root/weclone/WeClone/dataset
将 2222 换成你的实例 ssh 端口号，xxx/csv换成本地聊天记录的文件夹目录，10.114.40.10 换成实例ssh地址
注意：如果提示找不到 scp，请在“应用和功能”里添加“OpenSSH 客户端”。（也可以下载图形客户端 winscp：https://winscp.net/eng/download.php）
scp -P 2222 -r /xxx/csv [root@10.114.40.10](mailto:root@10.114.40.10):/root/weclone/WeClone/dataset
即复制下图中的 csv 到云端服务器
原始的聊天记录需要经过预处理才能用于模型训练。
提升权限为 root
sudo -i
进入工程文件夹
cd /root/weclone/WeClone
激活 python 虚拟环境
source .venv/bin/activate
预处理数据
weclone-cli make-dataset #在WeClone根目录下执行该命令
成功后，你会看到：
Collecting lengths: 100%|██████████████████████████████████████████| 9/9 [00:00<00:00, 370085.65it/s]
[WeClone] I | 16:07:12 | cutoff_len设置建议：
[WeClone] W | 16:07:12 | 多模态任务请务必配置cutoff_len为数据最大长度
[WeClone] I | 16:07:12 | 9 (100.00%) samples have length < 256.
[WeClone] S | 16:07:13 | 聊天记录处理成功，共9条，保存到 ./dataset/res_csv/sft/sft-my.json
(.venv) (base) root@ins-tcaiohv2xon41mtq510pgpwxu0b42duj:~/weclone/WeClone#
到这里，我们的前置工作都准备好了，可以正式开始训练（微调）大模型了
这个镜像里预置了 Qwen2.5-7B-Instruct 模型
如果希望更换模型，可以使用
modelscope下载其他模型，注意要替换一下 settings.jsonc 里的配置
保证当前仍处于虚拟环境下，执行以下命令开始微调
weclone-cli train-sft
注意：工程里已经默认配置好各种参数（./settings.jsonc），我们可以修改相关参数，此处我介绍一些常用的：
| common_args 里的 model_name_or_path | 代表大模型的目录 |
|---|---|
| common_args 里的 template | 代表大模型类型 |
| common_args 里的 use_unsloth | 是否使用 unsloth 优化 LoRA 微调，unsloth 可以提高微调速度，减少微调所需的显存⚠️如果打开这个，那么推理的时候会有报错，目前还没解决 |
更详细的参数设置可参考：https://llamafactory.readthedocs.io/zh-cn/latest/advanced/arguments.html
正常情况下，使用预置的模型，如果只有几十条聊天记录，大概 2-3 分钟就能完成训练，
训练好的模型就保存到 ./model_output 里
微调完成后，你可以通过启动一个 web 服务，与数字分身进行对话交互。
在激活虚拟环境的命令行中，运行：
weclone-cli webchat-demo
脚本会启动一个 Web 服务：
[INFO|2025-06-13 16:43:22] llamafactory.model.model_utils.attention:143 >> Using torch SDPA for faster training and inference.
[INFO|2025-06-13 16:43:22] llamafactory.model.adapter:143 >> Loaded adapter(s): ./model_output
[INFO|2025-06-13 16:43:22] llamafactory.model.loader:143 >> all params: 7,616,878,080
* Running on local URL: http://0.0.0.0:7860
平台已经将这个端口映射到公网了，等 Web 服务成功起来后，在算多多控制台的快捷应用区域打开 Web 页面：
接下来就可以愉快地和你的分身聊天了
你可以考虑将训练好的模型部署到常用的聊天机器人中，比如 AstrBot 本地聊天机器人、Dify工作流等，具体教程可以参考 https://blog.051088.xyz/posts/weclone-linux-tutorial/
欢迎加入 AI 讨论群：
