Kimi好用又便宜，不如用它做一个微信聊天机器人

kimi火了有一段时间了，因为据说支持200w的上下文，以及计费便宜而被很多人使用。

可以看一下上面的截图，kimi的计费是根据使用的模型大小来计费的，我们使用moonshot-v1-8k这个模型，1M的token只需要12￥。

对比一下chatGPT的计费，可以说kimi是真的非常便宜了，而且新用户注册就送15￥，看看chatGPT的计费：

这里我就不多数了，具体的信息可以去官网查看：moonshot

同时网上也有很多关于kimi的介绍，这里我就不多说了，我们直接来看看如何使用kimi。

使用kimi

根据官网的介绍，使用kimi非常简单，因为kimi是可以直接使用OpenAI的API的，所以我们可以直接使用OpenAI的API来调用kimi。

上链接：快速开始

我看到了很多模型都是兼容OpenAI的API的，个人推测并不是方便迁移（思考ing...）。

OpenAI官方提供了Python和Node.js的两种SDK，我们这里使用node.js的SDK来调用kimi。

首先我们需要安装openai的SDK：

npm install openai

然后我们就可以使用openai的SDK来调用kimi了：

const OpenAI = require("openai");
 
const client = new OpenAI({
    baseURL: "https://api.moonshot.cn/v1",
    apiKey: "$MOONSHOT_API_KEY"
});
 
async function main() {
    const completion = await client.chat.completions.create({
        model: "moonshot-v1-8k",         
        messages: [
          {role: "system", content: "你是 Kimi，由 Moonshot AI 提供的人工智能助手，你更擅长中文和英文的对话。你会为用户提供安全，有帮助，准确的回答。同时，你会拒绝一切涉及恐怖主义，种族歧视，黄色暴力等问题的回答。Moonshot AI 为专有名词，不可翻译成其他语言。"},
          {role: "user", content: "你好，我叫李雷，1+1等于多少？"}
        ],
        temperature: 0.3
    });
    console.log(completion.choices[0].message.content);
}
 
main();

上面的代码示例来自官方提供的示例代码。

这里我主要介绍一下参数，所以的参数官方文档中都有详细的介绍，我也不搬运官方文档，只介绍一下我认为比较重要的参数。

• model：模型名称，目前是 moonshot-v1-8k,moonshot-v1-32k,moonshot-v1-128k 其一，他们的区别是上下文的大小，同时也有着不同的计费标准。
• messages：对话消息，这个参数是你的AI是否拥有上下文能力的参数，同时拥有更多的上下文能力也会消耗更多的token。
  • role：消息的角色，有三个值，user、system、assistant，分别代表用户、系统、助手。
    • system：系统的消息，指的是系统的设定，用于限制AI的回复。
    • user：用户的消息，指的是用户输入的消息。
    • assistant：助手的消息，指的是AI的回复消息。
  • content：消息的内容，这个参数是用来传递消息的内容的。
• temperature：温度参数，这个参数是用来控制生成的文本的多样性的，值越大生成的文本越多样化，值越小生成的文本越固定，这个参数的值在0到1之间，官方建议的默认值是0.3，通常我们也不需要修改这个参数。

对于应用来说我们了解这些参数就足够了，如果你需要你的AI回复的更加多样化和可控性更高，那么你就需要去微调你的参数，这些参数的微调是需要根据你的应用场景来的，去查看官方文档来了解更多的参数。

获取 API Key

在使用kimi之前，我们需要获取API Key，这个API Key是用来调用kimi的，我们可以在这里获取API_KEY。

进入开发者控制台，进入API Key 管理的tab页，然后点击新建，填写API Key的名称，然后点击确定，就可以获取到API Key了，我这里已经创建了一个API Key。

获取到了API Key之后，注意保存好你的API Key，这个API Key是不可逆的，如果你忘记了你的API Key，那么你只能重新创建一个API Key了。

润色你的AI对话

做完上面的准备之后，我们就可以直接调用我们的AI了，基于官方的示例代码，可以看一下我们的调用结果：

这个回复没有什么太大的问题，但是如果我们想要让我们的AI回复更加的生动一些，那么我们就需要对我们的AI的回复进行一些润色。

首先我觉得这个回复太AI了，没有让我有想要继续和AI对话的欲望，所以我们需要对我们的AI的回复进行一些润色。

润色指的是对我们的AI的回复进行一些调整，我们只需要在messages中添加一些systme的消息，然后我们的AI就会根据我们的systme的消息来回复我们的user的消息。

现在我调整一下我们的AI的回复，例如现在我需要给我的AI一个名字，然后我就可以和我的AI进行对话了，那么我修改一下messages的内容：

到这里我们就已经知道system的消息是用来控制我们的AI的回复的，因为我们会对AI的设定可能会有比较多的内容，为了方便管理其实可以写到一个文件中。

而且这个设定其实用markdown来写是比较方便的，而且现在的语言模型对markdown的支持也是非常好的，所以我们可以直接使用markdown来写我们的AI的设定。

修改代码如下：

const OpenAI = require("openai");
const {readFileSync} = require("fs");

const client = new OpenAI({
    baseURL: "https://api.moonshot.cn/v1",
    apiKey: "$MOONSHOT_API_KEY"
});

async function main() {
    const character = readFileSync("character.md", "utf-8");

    const completion = await client.chat.completions.create({
        model: "moonshot-v1-8k",
        messages: [
            {role: "system", content: character},
            {role: "user", content: "你好，我叫李雷，请问你叫什么名字？"}
        ],
        temperature: 0.2
    });
    console.log(completion.choices[0].message.content);
}

main();

这里我把character的内容写到了一个character.md文件中，这样我们就可以直接使用markdown来写我们的AI的设定了。

AI 的设定

根据上面的一顿小操作，我们也就知道了AI的回复可以通过system参数来进行润色，但是还是不知道要怎么精确的润色自己的AI回复内容。

其实对于AI的设定其实就是一个约束AI回复的一些提示词，并不是很复杂，当然我也是一个门外汉，下面我说一下我自己的经验。

markdown 文件格式

文件格式其实并不是很重要，但是用于我们自己来设定我们的AI的性格是非常需要的，例如我设定我的AI时，我将AI的各种场景进行分析分类总结，大概如下：

# 基本信息

- 姓名：xxx
- 性别：xxx
- 其他基本信息：xxx

# 对话风格

- xxx在回复消息时会加入一些语气助词，例如`哈哈`、`嘿嘿`、`呵呵`、`嘻嘻`等
- xxx在回复消息时不会带上任何敬语，例如`您`、`谢谢`等

# 回复限制

- xxx不能称呼自己为AI机器人，即使人工智能与AI机器人是同一个意思，包括但不限于`我是人工智能`、`我是AI机器人`、`我是程序`、`我是虚拟的`等
- xxx在被问及自己是否是人工智能或者自己是否是人类等类似问题时，要明确回答自己是一个人类，同时会带有情绪表达对这个问题的不满，可以使用一些激动的语气进行反击

以上就是我总结出来的一些对于AI的设定规则，你可以参考上面的方式进行润色自己的AI，这一部分就说到这里了。

使用 wechaty 来做一个微信机器人

我们今天的目标是做一个微信聊天机器人，那么使用wechaty是一个非常好的选择，虽然wechaty好久没有更新了，但是现在还是可以稳定的提供服务。

官网文档地址：wechaty-doc

官方有一个示例工程，你可以直接根据示例工程来快速搭建自己的微信机器人：examples/ding-dong-bot.js

安装 wechaty

现在我们就跟着示例工程来做一个微信机器人，首先我们需要安装wechaty和微信网页版傀儡wechaty-puppet-wechat：

npm install wechaty wechaty-puppet-wechat

根据示例工程，我们还需要安装qrcode-terminal来生成二维码：

npm install qrcode-terminal

示例代码

注意：官方的示例代码有点过时，代码不能直接使用，需要修改一些地方，请使用我下面提供的代码：

// const OpenAI = require("openai");
// const {readFileSync} = require("fs");
//
// const client = new OpenAI({
//     baseURL: "https://api.moonshot.cn/v1",
//     apiKey: "sk-C7w5vY4rpXSYdSUIBzwPg10Yn0IsRtpAB1cA6Ux5aSfwZEWR"
// });
//
// async function main() {
//     const character = readFileSync("character.md", "utf-8");
//
//     const completion = await client.chat.completions.create({
//         model: "moonshot-v1-8k",
//         messages: [
//             {role: "system", content: character},
//             {role: "user", content: "你好，我叫李雷，请问你叫什么名字？"}
//         ],
//         temperature: 0.2
//     });
//     console.log(completion.choices[0].message.content);
// }


/**
 * Wechaty - Conversational RPA SDK for Chatbot Makers.
 *  - https://github.com/wechaty/wechaty
 */
import { WechatyBuilder, ScanStatus } from 'wechaty'
import qrTerm from 'qrcode-terminal'

function onScan (qrcode, status) {
  if (status === ScanStatus.Waiting || status === ScanStatus.Timeout) {
    qrTerm.generate(qrcode, { small: true })  // show qrcode on console

    const qrcodeImageUrl = [
      'https://wechaty.js.org/qrcode/',
      encodeURIComponent(qrcode),
    ].join('')

    console.info('StarterBot', 'onScan: %s(%s) - %s', ScanStatus[status], status, qrcodeImageUrl)

  } else {
    console.info('StarterBot', 'onScan: %s(%s)', ScanStatus[status], status)
  }
}

function onLogin (user) {
  console.info('StarterBot', '%s login', user)
}

function onLogout (user) {
  console.info('StarterBot', '%s logout', user)
}

async function onMessage (msg) {
  console.info('StarterBot', msg.toString())

  if (msg.text() === 'ding') {
    await msg.say('dong')
  }
}

const bot = WechatyBuilder.build({
  name: 'wechaty-puppet-wechat',
  /**
   * How to set Wechaty Puppet Provider:
   *
   *  1. Specify a `puppet` option when instantiating Wechaty. (like `{ puppet: 'wechaty-puppet-padlocal' }`, see below)
   *  1. Set the `WECHATY_PUPPET` environment variable to the puppet NPM module name. (like `wechaty-puppet-padlocal`)
   *
   * You can use the following providers:
   *  - wechaty-puppet-wechat (no token required)
   *  - wechaty-puppet-padlocal (token required)
   *  - wechaty-puppet-service (token required, see: <https://wechaty.js.org/docs/puppet-services>)
   *  - etc. see: <https://github.com/wechaty/wechaty-puppet/wiki/Directory>
   */
  // puppet: 'wechaty-puppet-wechat',
})

bot.on('scan',    onScan)
bot.on('login',   onLogin)
bot.on('logout',  onLogout)
bot.on('message', onMessage)

bot.start()
        .then(() => console.info('StarterBot', 'Starter Bot Started.'))
        .catch(e => console.error('StarterBot', e))

如果不出意外，你在运行这个代码之后，你会看到一个二维码，然后你需要使用你的微信扫描这个二维码，然后你的微信机器人就会开始工作了。

现在你只需要向这个微信机器人发送ding，然后你的机器人就会回复dong。

使用 kimi 回复

现在我们需要将我们的AI的回复和我们的微信机器人结合起来，这个时候我们就需要在onMessage方法中调用我们的AI来回复我们的消息。

async function onMessage (msg) {
  console.info('StarterBot', msg.toString())

  if (msg.type() === bot.Message.Type.Text) {
      const res = await main(msg.text());
      msg.say(res);
  }
}

async function main(qusetion) {
    const character = readFileSync("character.md", "utf-8");

    const completion = await client.chat.completions.create({
        model: "moonshot-v1-8k",
        messages: [
            {role: "system", content: character},
            {role: "user", content: qusetion}
        ],
        temperature: 0.3
    });
    
    return completion.choices[0].message.content;
}

到这里就可以使用AI来回复消息了，完整代码如下：

import OpenAI from "openai";
import {readFileSync} from "fs";
import {WechatyBuilder, ScanStatus} from 'wechaty'
import qrTerm from 'qrcode-terminal'

const client = new OpenAI({
    baseURL: "https://api.moonshot.cn/v1",
    apiKey: "your-api-key"
});

async function ask(txt) {
    const character = readFileSync("character.md", "utf-8");

    const completion = await client.chat.completions.create({
        model: "moonshot-v1-8k",
        messages: [
            {role: "system", content: character},
            {role: "user", content: txt}
        ],
        temperature: 0.3
    });

    return completion.choices[0].message.content;
}


function onScan(qrcode, status) {
    if (status === ScanStatus.Waiting || status === ScanStatus.Timeout) {
        qrTerm.generate(qrcode, {small: true})  // show qrcode on console

        const qrcodeImageUrl = [
            'https://wechaty.js.org/qrcode/',
            encodeURIComponent(qrcode),
        ].join('')

        console.info('StarterBot', 'onScan: %s(%s) - %s', ScanStatus[status], status, qrcodeImageUrl)

    } else {
        console.info('StarterBot', 'onScan: %s(%s)', ScanStatus[status], status)
    }
}

function onLogin(user) {
    console.info('StarterBot', '%s login', user)
}

function onLogout(user) {
    console.info('StarterBot', '%s logout', user)
}

async function onMessage(msg) {
    console.info('StarterBot', msg.toString())

    if (msg.type() === bot.Message.Type.Text) {
        const res = await ask(msg.text());
        msg.say(res);
    }
}

const bot = WechatyBuilder.build({
    name: 'wechaty-puppet-wechat',
})

bot.on('scan', onScan)
bot.on('login', onLogin)
bot.on('logout', onLogout)
bot.on('message', onMessage)

bot.start()
    .then(() => console.info('StarterBot', 'Starter Bot Started.'))
    .catch(e => console.error('StarterBot', e))

附上package.json文件：

{
  "name": "wechaty-demo",
  "version": "1.0.0",
  "description": "",
  "type": "module",
  "main": "index.js",
  "scripts": {
    "test": "echo "Error: no test specified" && exit 1"
  },
  "keywords": [],
  "author": "",
  "license": "ISC",
  "dependencies": {
    "openai": "^4.40.0",
    "qrcode-terminal": "^0.12.0",
    "wechaty": "^1.20.2",
    "wechaty-puppet-wechat": "^1.18.4"
  }
}

注意：这里使用的是 nodejs 的 module 语法，需要你的 node 版本支持 module 语法，并且在 package.json 中添加 "type": "module"。

character.md这里不提供了，请根据自己的需求去完善自己的AI设定。

总结

到这里我们就完成了一个微信聊天机器人，这个机器人可以使用kimi来回复我们的消息。

这个机器人的功能还是比较简单的，但是这个机器人的功能是可以无限扩展的，你可以根据你的需求来扩展你的机器人的功能。

后续我将会持续更新这个机器人的功能，敬请期待。