随着生成式 AI 的爆发利用大语言模型打造 7×24 小时全自动智能客服已成为各行业标配。本文将手把手带大家用 Node.js 构建一个完整的微信 AI 客服桥接服务。一、 架构工作流用户在微信发来咨询问题。Webhook 接收到文本消息并提取内容。程序调用大模型 API如 OpenAI / 通义千问等进行流式或同步推理。将大模型生成的回答通过接口原样回传给用户或群聊。二、 核心代码实现Node.js Express Axios以下是连接微信通道与大模型的轻量级桥接服务核心逻辑const express require(express); const axios require(axios); const app express(); app.use(express.json()); // 微信网关配置 const WEECHAT_API_BASE https://api.geweapi.com; const API_TOKEN your_gewe_token; // 模拟大模型问答接口 async function getLLMAnswer(prompt) { // 实际项目中可替换为 OpenAI 或其他 LLM SDK return 您好收到您的咨询“${prompt}”。系统正在为您处理请稍候。; } app.post(/webhook/ai-bot, async (req, res) { const { type, data } req.body; // 仅处理文本私聊或被的群消息 if (type text || type group_text) { const senderWxid data.senderWxid || data.fromWxid; const roomWxid data.roomWxid; // 如果有值说明在群里 const question data.content; // 1. 调用大模型获取回复 const aiReply await getLLMAnswer(question); // 2. 组装发送目标群聊优先或私聊 const targetWxid roomWxid ? roomWxid : senderWxid; // 3. 调用底层接口发送回复 try { await axios.post(${WEECHAT_API_BASE}/v1/message/postText, { appId: ai_bot_instance_01, toWxid: targetWxid, content: aiReply }, { headers: { X-Token: API_TOKEN } }); } catch (error) { console.error(Failed to send message back to WeChat:, error.message); } } res.status(200).send({ status: ok }); }); app.listen(3000, () { console.log(AI Bot bridge service running on port 3000); });三、 生产调优与进阶上下文记忆为了让 AI 客服具备多轮对话能力需将用户的wxid作为 Key使用 Redis 缓存最近 5-10 条对话历史并在每次请求 LLM 时带上上下文。敏感词过滤大模型偶尔会产生“幻觉”或输出不合规内容建议在回复发送给微信用户之前增加一层本地敏感词正则过滤网关确保输出内容的安全性。