零基础教你如何快速搭建一个【QQ版聊天AI女友】

优质文章学习记录

— 9 min read
零基础教你如何快速搭建一个【QQ版聊天AI女友】

文章目录

零基础教你如何快速搭建一个【QQ版聊天AI女友】

一、AI女友运行效果展示

AI女友

二、QQ版AI女友项目简介

【项目地址】：https://github.com/TheD0ubleC/QQSafeChat
大家觉得好用的话不要忘记给这位大佬一个免费的⭐star哦
【注意】：在使用这个项目之前，请确保自己的电脑为Windows系统

QQSafeChat 是一个基于 Windows UI Automation (UIA) 技术开发的、专为 QQ NT（9.0+）版本 设计的桌面端聊天机器人自动化接入框架。

项目核心定位是：通过安全、非侵入式的界面自动化方式，在QQ聊天窗口中实现高度拟人化的AI对话交互。

其主要特性与价值如下：

  • 🧩 安全无侵入：严格通过操作系统标准的UI自动化接口与QQ客户端交互。不注入、不抓取通信协议、不扫描内存，最大程度避免了对QQ客户端安全机制的干扰，保障了用户账号安全。
  • 🤖 深度拟真交互：不仅仅发送文本，更致力于模拟真实人类的聊天习惯。支持模拟真人打字速度、消息分段发送，并已实现触发“对方正在输入”状态提示，大幅提升了对话的自然感和沉浸感。
  • 🎨 创新型表情包发送：项目的一大亮点是集成了独立的 StickerSelector 子项目。该模块利用本地微型AI模型进行语义理解，能根据对话上下文，智能地从用户添加的表情包库中挑选并发送最贴合语境的表情包，极大丰富了AI的表达能力。
  • ⚙️ 稳定与轻量：通过精准绑定消息列表、输入框、发送按钮等核心UI控件实现稳定操作。项目本身非常轻量，对系统资源要求极低，适合在各类环境中长期稳定运行。

简单来说，QQSafeChat 为开发者与爱好者提供了一个安全的“桥梁”，能够将任何AI模型（如大型语言模型）的能力，无缝、自然、生动地接入到QQ的日常聊天界面中，创造出高度拟人化的AI聊天伴侣或自动化助手体验。

注：本项目为第三方工具，基于UI自动化技术实现，需在官方QQ客户端框架内合规使用。

三、手把手教你如何搭建AI女友

3.1 项目下载

点击上面的项目地址，进入项目首页面，如果没有安装git的话可以直接点击右上角的Code，然后点击Download ZIP，就可以直接将项目下载成ZIP格式的压缩包辣

在这里插入图片描述

3.2 安装配置

在安装配置之前，请确保自己已经下载并安装好了Python环境，项目作者用的Python版本是Python3.10.6 ，所以在安装Python版本时确保最好不要低于这个版本。
将下载好的项目压缩包进行解压，然后在Pycharm中打开，然后打开终端，输入命令：

pip install -r requirements.txt

安装依赖

在这里插入图片描述


我这个是已经安装好了的

安装好项目所需依赖之后，就可以直接用一下命令运行项目了

python app.py
在这里插入图片描述


运行成功的话就会弹出这样一个弹窗，接下来就可以直接配置你的【AI女友】 啦。

3.3 配置Api key

运行项目成功之后，点击弹窗右上角的设置

在这里插入图片描述


配置LLM，首先就是要选择Provider，这个是根据你生成地Api平台模型选择的，因为我实在硅基流动 生成的API密钥，所以选择siliconflow

在这里插入图片描述


【注意】：不要选择第一个mock，这个是项目作者给的一个示例，如果选择这个的话，无论你填没填，到时候你给你的"AI女友"无论发什么信息都只会回复同样的内容，如下所示：

在这里插入图片描述


原因：这是因为 Mock 客户端（MockLLMClient）的逻辑就是这样编写的。
在软件开发中，“Mock”的意思是“模拟”。它的存在不是为了真的去调用 AI，而是为了测试。当你选择 Mock 时，程序不会联网，也不会消耗任何 API 额度。

具体的代码逻辑分析
在 llm_client.py 文件中，你可以找到 MockLLMClient 类的定义，它的 generate_reply 方法是这样写的：

classMockLLMClient(BaseLLMClient):# ... 省略部分代码 ...defgenerate_reply(self, history_text, new_incoming, persona_text="", split_delimiter="<<<NEXT>>>"):# 它直接返回了这一串固定的文字，并拼凑了你发送的内容returnf"收到：{new_incoming}，我先去看看~"

为什么要设计这个 Mock？

  1. 调试 UI 和流程：开发者在测试自动回复、界面显示、消息抓取等功能时，不需要每次都花钱调用 OpenAI 或硅基流动。
  2. 断网测试：在没有网络的情况下，通过 Mock 可以确认程序底层的发送逻辑（比如点击发送按钮、粘贴文字）是否正常工作。
  3. 演示用途：给别人演示点击效果，而不涉及真实的隐私或成本。
classMockLLMClient(BaseLLMClient):def__init__(self):super().__init__()defbuild_request( self, history_text:str, new_incoming:str, persona_text:str="", split_delimiter:str="<<<NEXT>>>",)-> Dict[str, Any]: system_final ="MOCK SYSTEM" user_prompt =f"MOCK USER\nincoming={new_incoming}" payload ={"mock":True}return{"provider":"mock","system": system_final,"user": user_prompt,"payload": payload,"url":"","headers":{},"meta":{"provider":"mock","split_delimiter": split_delimiter},"inputs":{"history": history_text,"incoming": new_incoming,"persona": persona_text,},}defgenerate_reply( self, history_text:str, new_incoming:str, persona_text:str="", split_delimiter:str="<<<NEXT>>>",)->str: req = self.build_request(history_text, new_incoming, persona_text, split_delimiter) raw =f"收到：{new_incoming[:40]}{split_delimiter}我先去看看~" self._emit_debug({"phase":"pre_request","system": req["system"],"user": req["user"],"payload": req["payload"],"meta": req.get("meta",{}),}) self._emit_debug({"phase":"post_response","raw_output": raw,"split_delimiter": split_delimiter,"parts":[p.strip()for p in raw.split(split_delimiter)if p.strip()],"meta":{"provider":"mock"},})return raw

这里以硅基流动 为例，如何生成API：
首先点击硅基流动的官网：https://cloud.siliconflow.cn/me/models

在这里插入图片描述


进入首页之后，点击左侧的API 密钥，点击新建API 密钥，密钥描述随便写就行，新建好密钥之后就直接复制你新建的API密钥，将你的复制好的API 密钥粘贴到这个地方

在这里插入图片描述


然后回到硅基流动，点击左侧的模型广场，选择一个你喜欢的模型，以我的为例：

在这里插入图片描述


这个就是你的模型名，点击API 文档，进去之后光标选中的部分就是我们需要的Base URL

在这里插入图片描述


将准备好的Base URL和上面选择的模型名粘贴到对应输入框中，然后点击右上角的保存并应用，这样我们的AI女友就算配置好啦

在这里插入图片描述

四、绑定QQ组件

将API等配置好并保存好后，就可以绑定组件啦。
用电脑登录你的QQ小号，选择你大号的聊天窗口
【注意】：要确保你电脑上面的QQ的版本要是QQ9.0 以上的才能支持

在这里插入图片描述


点击弹窗上面的三个按钮，并拖拽按键到对应的聊天区域，按键下方显示已绑定，就说明绑定成功啦，绑定好之后，将自动回复勾选上，就可以点击启动啦。

启动之后，你就可以尽情的和你的【AI女友】谈一场轰轰烈烈的恋爱啦！

在这里插入图片描述

五、AI 男/女 友人格设置

在弹窗设置里面，点击人格，这里项目作者自己定义了许多人格，你喜欢哪一款人格就直接选中那个人格，然后点击应用选中人格，选择好之后，记得保存并应用哦

在这里插入图片描述


当然，如果这里没有你喜欢的人格，你也可以自己生成你喜欢的人格，直接复制已有人格的信息描述复制给AI，然后让AI模仿上面的人格信息生成一个你自己喜欢的人格信息
以下是我生成的人格信息的示例：

在这里插入图片描述


在这里插入图片描述


在这里插入图片描述

Read more

GLM-4.6V-Flash-WEB Web界面使用指南，拖图就出结果

GLM-4.6V-Flash-WEB Web界面使用指南，拖图就出结果 你不需要配置环境、不用写一行推理代码、甚至不用打开终端——只要把一张截图拖进浏览器窗口，几秒钟后，它就能告诉你图里写了什么、画了什么、哪里有问题。这不是未来预告，而是你现在就能在本地跑起来的真实体验。 GLM-4.6V-Flash-WEB 是智谱AI最新开源的轻量级视觉语言模型，专为Web端实时交互而生。它不像某些“实验室模型”那样只存在于论文和Benchmark表格里，而是真正做到了：部署快、启动快、响应快、上手更快。一块RTX 3090，一个浏览器，一次拖拽，结果即刻呈现。 本文不讲训练原理，不列参数表格，不堆技术术语。我们只聚焦一件事：怎么用好它的Web界面？从零开始，到稳定产出，每一步都清晰可操作。 1. 为什么说“拖图就出结果”不是宣传话术？ 很多多模态模型标榜“支持图文理解”，但实际用起来才发现：要装依赖、改路径、调精度、修CUDA版本、

前端防范 XSS（跨站脚本攻击）

目录 一、防范措施 1.layui util  核心转义的特殊字符 示例 2.js-xss.js库 安装 1. Node.js 环境（npm/yarn） 2. 浏览器环境 核心 API 基础使用 1. 基础过滤（默认规则） 2. 自定义过滤规则 （1）允许特定标签 （2）允许特定属性 （3）自定义标签处理 （4）自定义属性处理 （5）转义特定字符 常见场景示例 1. 过滤用户输入的评论内容 2. 允许特定富文本标签（如富文本编辑器内容） 注意事项 更多配置 XSS（跨站脚本攻击）是一种常见的网络攻击手段，它允许攻击者将恶意脚本注入到其他用户的浏览器中。
详细教程：如何从前端查看调用接口、传参及返回结果（附带图片案例）

详细教程：如何从前端查看调用接口、传参及返回结果（附带图片案例）

目录 1. 打开浏览器开发者工具 2. 使用 Network 面板 3. 查看具体的API请求 a. Headers b. Payload c. Response d. Preview e. Timing 4. 实际操作步骤 5. 常见问题及解决方法 a. 无法看到API请求 b. 请求失败 c. 跨域问题（CORS） 作为一名后端工程师，理解前端如何调用接口、传递参数以及接收返回值是非常重要的。下面将详细介绍如何通过浏览器开发者工具（F12）查看和分析这些信息，并附带图片案例帮助你更好地理解。 1. 打开浏览器开发者工具 按下 F12 或右键点击页面选择“检查”可以打开浏览器的开发者工具。常用的浏览器如Chrome、Firefox等都内置了开发者工具。下面是我选择我的一篇文章，打开开发者工具进行演示。 2. 使用

Cursor+Codex隐藏技巧：用截图秒修前端Bug的保姆级教程（React/Chakra UI案例）

Cursor+Codex隐藏技巧：用截图秒修前端Bug的保姆级教程（React/Chakra UI案例） 前端开发中最令人头疼的莫过于那些难以定位的UI问题——元素错位、样式冲突、响应式失效...传统调试方式往往需要反复修改代码、刷新页面、检查元素。现在，通过Cursor编辑器集成的Codex功能，你可以直接用截图交互快速定位和修复这些问题。本文将带你从零开始，掌握这套革命性的调试工作流。 1. 环境准备与基础配置 在开始之前，确保你已经具备以下环境： * Cursor编辑器最新版（v2.5+） * Node.js 18.x及以上版本 * React 18项目（本文以Chakra UI 2.x为例） 首先在Cursor中安装Codex插件： 1. 点击左侧扩展图标 2. 搜索"Codex"并安装 3. 登录你的OpenAI账户（需要ChatGPT Plus订阅） 关键配置项： // 在项目根目录创建.