企业官网建设流程全解析

wechat-bot 防封实战：基于 WeChaty 的行为整形、限速与运行期自救

【免费下载链接】wechat-bot🤖 Multi-platform IM AI Agent for Telegram, WhatsApp, Lark, and WeChat. Connects ChatGPT / Claude / Kimi / DeepSeek / Ollama / Pi for auto-replies, community analysis, contact management, and inactive-friend detection.项目地址: https://gitcode.com/GitHub_Trending/we/wechat-bot

你跑起来的 wechat-bot，主号会话常常两三周失效。本文在现有 WeChaty 流程上补四道护栏：步幅整形、内容整形、授权收敛、运行期自救，让微信机器人防封方案落到真实的 sendMessage.js 上，压缩行为与内容两类线索。

先看机制：风控靠哪三类线索判定机器人

风控盯的不是"机器人"三个字，而是行为节奏、内容统计、会话环境这三类可量化线索。当前仓库恰好在前两类上完全裸奔，第三类则决定了这套方案的能力边界。

sendMessage.js 里唯一的一层闸门是白名单判定，摘出来看很短：

// src/wechaty/sendMessage.js（节选） const isRoom = roomWhiteList.includes(roomName) && content.includes(`${botName}`) const isAlias = aliasWhiteList.includes(remarkName) || aliasWhiteList.includes(name) const isAuthorizedCommand = (room && isRoom) || (!room && isAlias) if (!isAuthorizedCommand) return const response = await getReply(question) await room.say(response)

这段代码说明了三件事：

• 授权判定只发生在"收"的一侧，白名单之外静默丢弃，这一点是对的，应保留。
• 从getReply()到say()之间没有任何间隔、去重、时段判断，回复速度和密度完全由 AI 服务的响应时间决定，比真人反应快且规律。
• 白名单收敛的是"谁触发"，不收敛"发多少、发什么"，后两者正是行为节奏和内容统计两类线索的来源。

需要说清的边界：第三类线索（网页协议、扫码会话）改业务代码无解，本文只能靠"低频、小会话、慢养"去压低它的暴露面，不要把代码方案当成对协议风险的承诺。

总体蓝图：四层护栏插在消息事件与 say() 之间

四道护栏以漏斗形式串在现有链路里，每一层都能独立开关。

数据流一句话概括：消息事件先过闸门，再等步幅，取回复后整形，最后才发送；每次say产生的self记录回写 messageStore.js 维护的messages.jsonl，哨兵每 5 分钟回读该文件，按级别反向调节步幅系数与闸门口径。选这条回路是因为WECHAT_STORE_MESSAGES默认就是开启的，护栏直接复用现有落盘，不用新造日志体系。

分模块落地：三个模块互不依赖，可逐个上线

三个模块各自一个文件、一个开关，出问题时回滚粒度是单个文件。以下代码均为新增建议，不改动仓库现有文件的调用方式。

给发送加上步幅整形

设计思路：真人的特征是间隔服从一个宽分布，而不是恒定值。所以核心是"随机区间 + 消息长度加成 + 最小间隔兜底"，再叠一个静默时段直接放弃部分回复，制造"人下班了"的缺口。刻意不用固定 1 秒这类整数延迟，因为规律性本身就是特征。

核心代码：

// src/guard/pacer.js const GAP = { dm: [1200, 3800], // 私聊 [min, max]，毫秒 room: [2500, 7000], // 群聊，更稀疏 } const QUIET = { weekday: [[0, 9], [22, 24]], weekend: [[0, 10], [23, 24]], } export class SendPacer { constructor({ minGapMs = 600, quietDrop = 0.08, gapFactor = 1 } = {}) { this.minGapMs = minGapMs this.quietDrop = quietDrop this.gapFactor = gapFactor // 哨兵可调，默认 1 } inQuietWindow(now = new Date()) { const day = now.getDay() const table = day >= 1 && day <= 5 ? QUIET.weekday : QUIET.weekend const hour = now.getHours() return table.some(([from, to]) => hour >= from && hour < to) } async nextSlot(kind, textLength) { if (this.inQuietWindow() && Math.random() < this.quietDrop) return null const [lo, hi] = GAP[kind] || GAP.dm const lengthBoost = Math.min(textLength / 200, 2) * 800 const target = (lo + Math.random() * (hi - lo) + lengthBoost) * this.gapFactor const wait = Math.max(target - (Date.now() - (this.lastOutAt || 0)), this.minGapMs) await new Promise((resolve) => setTimeout(resolve, wait)) this.lastOutAt = Date.now() return true } }

接入点在 bot.js 的message事件里，把defaultMessage包一层：nextSlot返回null就放弃本轮。

关键参数与边界：

• 群成员多、回复密度大时把GAP.room上限拉到 12000 以上，群聊是重复率最容易爆的场景。
• quietDrop是"放弃回复"的概率而非开关，小号可提到 0.2；主号承载真人会话时必须设 0，否则会漏答真人消息，代价是白天节奏失真。
• 机器时钟漂移会直接污染间隔分布，先保证 NTP 正常再谈调参。

给回复加上内容整形

设计思路：模型输出天然趋同，同一问题换个问法也给出近似文本。整形分三步：敏感词打码、句式微调、与历史self记录做 n-gram 重叠率比对，超标即弃发。比对对象直接用仓库已有的loadWechatMessages，不额外维护一份历史。

核心代码：

// src/guard/shaper.js import { loadWechatMessages } from '../platforms/wechat/messageStore.js' const OPENERS = ['好，', '嗯，', '查了下，', ''] export class ReplyShaper { constructor({ dataDir = '.data/wechat', repeatThreshold = 0.82, words = [] } = {}) { this.dataDir = dataDir this.repeatThreshold = repeatThreshold this.words = words } mask(raw) { return this.words.reduce( (text, word) => text.split(word).join('*'.repeat(word.length)), raw ) } vary(raw) { const opener = OPENERS[Math.floor(Math.random() * OPENERS.length)] return raw.trim() ? `${opener}${raw.trim()}` : raw } overlapWith(selfText, candidate, n = 8) { const grams = (text) => { const set = new Set() for (let i = 0; i + n <= text.length; i++) set.add(text.slice(i, i + n)) return set } const base = grams(selfText) if (!base.size) return 0 let hit = 0 for (const gram of grams(candidate)) if (base.has(gram)) hit += 1 return hit / base.size } looksRepeated(candidate) { const recent = loadWechatMessages({ dataDir: this.dataDir, limit: 200 }) .filter((record) => record.self && record.text) return recent.some((record) => this.overlapWith(record.text, candidate) >= this.repeatThreshold) } }

关键参数与边界：

• repeatThreshold默认 0.82，如果你的系统提示词让模型大量输出固定模板（固定开头、固定落款），把它降到 0.7，否则去重会形同虚设。
• 8-gram 对短句（少于 16 字符）无区分度，overlapWith返回 0 直接放行，短回复主要靠vary的前缀变化兜底。
• 敏感词表建议只放合规底线词，不放业务词，误伤率会很难看。

把授权闸门抽成独立 gate

设计思路：现在的判定逻辑散在 sendMessage.js 里，和发送动作耦合。抽成纯函数后，哨兵可以在运行期收口闸门口径（比如危险级别时只放行白名单私聊），而不用动消息处理主流程。

核心代码：

// src/guard/gate.js import { getWechatRuntimeConfig } from '../config/env.js' export function shouldReply({ roomName, alias, name, content, botName }) { const { roomWhiteList, aliasWhiteList, autoReplyPrefix } = getWechatRuntimeConfig() if (!roomName) { const inList = aliasWhiteList.includes(alias) || aliasWhiteList.includes(name) const prefixOk = !autoReplyPrefix || content.trimStart().startsWith(autoReplyPrefix) return inList && prefixOk } const stripped = content.replace(botName, '').trimStart() const mentioned = content.includes(botName) const inList = roomWhiteList.includes(roomName) const prefixOk = !autoReplyPrefix || stripped.startsWith(autoReplyPrefix) return mentioned && inList && prefixOk }

关键参数与边界：

• AUTO_REPLY_PREFIX留空等价于"名单内全量回复"，首周务必留空观察基线，第二周再设成AI之类的短前缀收口。
• botName若含正则特殊字符（如.、(），includes不受影响，但后续若换成正则匹配记得先转义。
• 这个函数只回答"回不回"，"怎么回、何时回"分别归 Shaper 和 Pacer 管，三者在defaultMessage里串联，互不感知。

部署与调参：先闸门、后步幅、最后哨兵，每步隔一个整天

环境变量按 env.js 的既有模式扩展，原有项参考仓库.env.example，新增护栏项如下：

# .env：护栏新增项（原有 BOT_NAME / 白名单 / AUTO_REPLY_PREFIX 照旧） WECHAT_DATA_DIR='.data/wechat' WECHAT_STORE_MESSAGES='true' GUARD_MAX_OUT_PER_HOUR=40 GUARD_MIN_GAP_MS=600 GUARD_QUIET_DROP=0.08 GUARD_REPEAT_THRESHOLD=0.82

分步部署清单：

1. 克隆仓库并配置.env：git clone https://gitcode.com/GitHub_Trending/we/wechat-bot，填入BOT_NAME与两个白名单，AUTO_REPLY_PREFIX留空。
2. npm run start（或wb start -s <服务类型>）扫码登录，首日只跑现有白名单闸门，不动任何新模块，确认messages.jsonl正常增长。
3. 接入SendPacer，观察一天，检查日志间隔呈分布而非定值。
4. 接入ReplyShaper，观察一天，确认弃发只发生在高重复场景。
5. 启动Guardian，用脚本短时间刷消息验证 L1 能正常触发后再交回日常。
6. 全程用一个小号验证，确认无误后再切主号，且主号每周只扩一次白名单。

运行期保障：护栏要能自我降速，否则第一个风险信号会漏掉

哨兵的职责只有一个：在风险信号出现时自动收紧步幅与闸门，而不是等人发现。指标全部取自messages.jsonl的self记录，不引入新存储。

监控指标：

• 小时发送量及其占GUARD_MAX_OUT_PER_HOUR的比例。
• 连续突发次数：相邻两条self记录间隔小于GUARD_MIN_GAP_MS的频次。
• 高重复回复占比：Shaper 弃发次数除以总回复次数。
• AI 服务连续失败次数：连续 5 次失败视为通道异常，停止排队发送。
• 会话存活天数：login到logout的间隔，bot.js 两个事件里各记一笔即可。

核心模块代码：

// src/guard/guardian.js import fs from 'fs' import { getMessageStorePath } from '../platforms/wechat/messageStore.js' const LEVELS = ['L0', 'L1', 'L2', 'L3', 'L4'] export class Guardian { constructor({ maxPerHour, pacer, dataDir = '.data/wechat' } = {}) { this.maxPerHour = maxPerHour this.pacer = pacer this.dataDir = dataDir this.level = 'L0' } selfOutbound(sinceMs) { const file = getMessageStorePath(this.dataDir) if (!fs.existsSync(file)) return 0 return fs .readFileSync(file, 'utf8') .split('\n') .filter(Boolean) .filter((line) => { try { const record = JSON.parse(line) return record.self && Date.parse(record.timestamp) >= sinceMs } catch { return false } }).length } tick() { const count = this.selfOutbound(Date.now() - 3600_000) const ratio = count / this.maxPerHour const next = ratio >= 1 ? 'L2' : ratio >= 0.7 ? 'L1' : 'L0' if (LEVELS.indexOf(next) > LEVELS.indexOf(this.level)) this.apply(next) } apply(level) { this.level = level const factor = { L0: 1, L1: 1.5, L2: 3, L3: Infinity, L4: Infinity }[level] if (this.pacer) this.pacer.gapFactor = factor console.log(`[guardian] level=${level} gapFactor=${factor}`) } } export function startGuardian(options) { const guardian = new Guardian(options) return setInterval(() => guardian.tick(), 5 * 60 * 1000) }

三点说明：

• tick只升不降，降速靠gapFactor在下一个自然低峰期人工复位或加时间窗回退，避免"降速—恢复—再降速"的抖动被风控当成新的规律性特征。
• L2 的"群聊关闭"不是在这里实现的，而是在shouldReply里读guardian.level，L2及以上直接让群聊分支返回 false，改动一行即可。
• L3/L4用Infinity表示完全停发：gapFactor为无穷时nextSlot的等待时间溢出，调用方应把Infinity特判为"不发送"，落地时补一个if (!Number.isFinite(this.pacer.gapFactor)) return null即可。

带走清单

• .env中BOT_NAME带@前缀，两个白名单非空，AUTO_REPLY_PREFIX首周留空
• 确认WECHAT_STORE_MESSAGES=true，且.data/wechat/messages.jsonl里有self: true记录
• 接入SendPacer后检查日志间隔呈宽分布，出现连续固定值立即回滚
• 为ReplyShaper配好敏感词表，并把模板化输出多的场景阈值降到 0.7
• 启动Guardian后用脚本刷量验证 L1 在 0.7 倍上限处触发
• 账龄不足 3 年的账号把GUARD_MAX_OUT_PER_HOUR减半，小号跑满一周再切主号

护栏买不来"不封"，它只做两件事：让你在被判之前先看见信号，并把行为与内容两类线索压到接近真人基线。

【免费下载链接】wechat-bot🤖 Multi-platform IM AI Agent for Telegram, WhatsApp, Lark, and WeChat. Connects ChatGPT / Claude / Kimi / DeepSeek / Ollama / Pi for auto-replies, community analysis, contact management, and inactive-friend detection.项目地址: https://gitcode.com/GitHub_Trending/we/wechat-bot