微信 AI 桥接产品系统Vibe Coding

项目立项的原因，是希望把大模型能力直接接入微信聊天场景，解决传统客服机器人只能做关键词回复、无法理解图片视频、上下文衔接差、缺少长期记忆的问题。业务背景上，微信仍然是用户触达、私域运营、轻服务咨询和内容互动的核心入口，但很多场景里用户并不愿意额外下载 App 或跳转网页，因此需要把 AI 直接放进微信会话中，像联系人一样完成问答、图片理解、文件分析、持续追问和个性化互动，提升服务效率与用户体验。

项目主要包含微信通道接入、消息收发、上下文管理、长期记忆、媒体理解和内容回传几大功能模块。具体来说，系统支持微信扫码登录、文本消息自动回复、图片消息识别、文件与视频内容理解、语音消息处理、长期记忆提取与检索、追问场景中的上下文承接，以及本地文件通过媒体指令回传微信。项目的主要功能是把兼容 OpenAI 接口的大模型能力封装进微信聊天链路，让用户可以直接在微信里完成自然对话、图片提问、文件总结、视频理解和连续追问，整体体验接近真人助理。

我主要负责整个项目的方案设计、核心开发与联调落地，包括微信协议接入、消息轮询、上下文 token 管理、长期记忆机制、媒体下载解密、模型调用链路、文件视频理解增强以及 GitHub 交付。技术栈以 Node.js 为主，采用模块化脚本架构，结合微信长轮询协议、OpenAI 兼容接口、AES 解密、Swift 原生能力和本地文件持久化完成实现。亮点在于把图片、文件、视频、语音等多模态输入统一接入微信场景，并通过最近媒体缓存、最近对话缓存和长期记忆机制提升连续对话效果。难点主要在微信媒体 CDN 下载与解密、不同模型接口兼容、视频关键帧抽取、文件正文与预览提取，以及在真实聊天场景下保证上下文连续性与回复稳定性。