🔍 WeChat AI Agent Bridge — 微信接入通用Agent

把微信变成你的通用小助手。
已完成： 新闻资讯-事实核查入口。
已完成： PDF 论文自动翻译（BabelDOC）
待更新： 开源项目复现-分析助手
截图发给微信机器人，几分钟后收到深度验证报告。

在 GPT Image 2 让任何人都能一键生成以假乱真的社媒截图的今天，很多人都需要一个触手可及的事实核查工具——

不用装新的App，不用打开网页，直接在大家使用最多的微信中，把群里刷到的异常图片传上去，等几分钟，直接拿到一份带原始链接和权威信源交叉验证的分析报告，岂不是美滋滋？

本来新闻事实核查只是一个简单的skill提示词，但为了方便的在微信中使用，所以我把之前简单改装过的cursor cli和codex cli和微信clawbot的桥接一起开源了。

本项目将 微信 与 Cursor Agent CLI / OpenAI Codex CLI 桥接，让你可以在微信对话中直接驱动本地 AI Agent——不仅能核查新闻，还能远程写代码、操作文件、执行任何 Agent 能做的事。

默认推荐 Cursor 版：在微信事实核查场景下，Cursor 的 WebSearch 更适合先做原帖定位与多源交叉验证；Codex 版更适合强调 sandbox 权限控制和自动化执行的场景。

我们假定，本项目的用户，已经在系统上部署过codex，或者cursor的cli，暂时没有封装Claude code的桥接，如果安装CC的用户，可以直接让cc模仿封装一个，上下文都提供了，很快的。

本项目部署也很简单，在你的agent中，输入：

请你部署一下https://github.com/kaixindelele/wechat_agent_bridge_skills

然后等待微信扫码，再启动一下后台服务即可。

✨ 核心能力

---

📁 项目结构

wechat_agent_bridge_skills/
├── README.md                              ← 你在这里
├── news-fact-checker/                     ← 新闻截图事实核查 Skill
│   ├── SKILL.md
│   └── dependencies/                      ← 推荐预装依赖 skills 的清单与安装脚本
│       ├── README.md
│       ├── install-skill-deps.sh
│       └── skills.lock.json
├── babeldoc-trans/                        ← PDF 论文自动翻译 Skill（BabelDOC）
│   ├── SKILL.md
│   ├── README.md
│   ├── scripts/
│   │   ├── setup.sh                      ← 一键安装依赖
│   │   └── translate.py                  ← 翻译执行脚本
│   └── references/
│       └── usage_guide.md                ← 详细参数与排查指南
├── wechat-codex_agent_bridge-skill/       ← 微信 ↔ OpenAI Codex CLI 桥接
│   ├── SKILL.md
│   ├── 快速启动.md
│   └── templates/                         ← 可独立运行的 Node 桥接服务
├── wechat-cursor_agent_bridge-skill/      ← 微信 ↔ Cursor Agent CLI 桥接
│   ├── SKILL.md
│   ├── 快速启动.md
│   └── templates/                         ← 可独立运行的 Node 桥接服务
└── openclaw-weixin/                       ← 微信 ilink 通信协议 SDK (fork)

---

🚀 快速开始

前置条件

• Node.js 18+
• 已安装并登录你选择的 Agent CLI:
  • Cursor 用户: agent --version（确认 CLI 可用）
  • Codex 用户: codex login

一、选择你的 Agent，启动桥接

默认推荐先走 Cursor Agent CLI 路线：对新闻截图、社媒截图、爆料截图这类核查任务，cursor的网页检索能力通常更合适。

二、安装新闻事实核查 Skill 与推荐依赖

桥接跑起来后，还需要让 Agent 知道怎么做事实核查。

Cursor 用户（将 Skill 安装到 Cursor 技能目录）：

# 复制 skill 到 Cursor 能读到的位置
mkdir -p ~/.cursor/skills/news-fact-checker
cp news-fact-checker/SKILL.md ~/.cursor/skills/news-fact-checker/SKILL.md

# 推荐：在首次配置时一并安装最近 30 天研究依赖
bash news-fact-checker/dependencies/install-skill-deps.sh cursor

上述脚本会把：

• last30days 安装到 ~/.cursor/skills/last30days
• last30days-cn 安装到 ~/.cursor/skills/last30days-cn

Codex 用户（将 Skill 安装到 Codex 技能目录）：

# 复制 skill 到 Codex 能读到的位置
mkdir -p ~/.codex/skills/news-fact-checker
cp news-fact-checker/SKILL.md ~/.codex/skills/news-fact-checker/SKILL.md

# 推荐：在首次配置时一并安装最近 30 天研究依赖
bash news-fact-checker/dependencies/install-skill-deps.sh codex

上述脚本会把：

• last30days 安装到 ~/.codex/skills/last30days
• last30days-cn 安装到 ~/.codex/skills/last30days-cn

如果你在 OpenClaw / ClawHub 环境里使用这些 skills，可执行：

bash news-fact-checker/dependencies/install-skill-deps.sh agents

会安装到：

• ~/.agents/skills/last30days
• ~/.agents/skills/last30days-cn

依赖详情见 news-fact-checker/dependencies/README.md。这两个依赖 skill 的定位是：

• last30days：补充最近 30 天的英文/全球社区讨论、开发者反馈、跨平台热度
• last30days-cn：补充最近 30 天的中文平台传播、热搜轨迹、社区反馈

这样用户在初次配置完成后，Agent 就已经具备了“截图核查 + 最近 30 天上下文研究”的组合能力。

二（可选）、安装 PDF 论文翻译 Skill

Cursor 用户：

# 复制 skill
mkdir -p ~/.cursor/skills/babeldoc-trans
cp -r babeldoc-trans/* ~/.cursor/skills/babeldoc-trans/

# 安装 Python 依赖
bash ~/.cursor/skills/babeldoc-trans/scripts/setup.sh

# 配置 API Key（加入 ~/.bashrc 持久化）
export BABELDOC_API_KEY=sk-your-api-key-here

Codex 用户：

mkdir -p ~/.codex/skills/babeldoc-trans
cp -r babeldoc-trans/* ~/.codex/skills/babeldoc-trans/
bash ~/.codex/skills/babeldoc-trans/scripts/setup.sh
export BABELDOC_API_KEY=sk-your-api-key-here

安装完成后，在微信中发送 arxiv 链接即可自动触发翻译：

https://arxiv.org/abs/2412.13211

等待 1-3 分钟，你会收到翻译好的中文 PDF，保留原始版式。

三、开始使用

打开微信，找到你绑定的 ClawBot 机器人对话，发送一张新闻截图，然后说：

“帮我验证一下这个新闻是不是真的”

等待 1-3 分钟，你会收到一份包含以下内容的验证报告：

✅ 经核实，此消息属实。

Meta 于4月21日宣布将在美国员工电脑上安装追踪软件...

参考链接：
- 原文：Reuters — https://www.reuters.com/...
- BBC：https://www.bbc.com/...

或者：

❌ 经核实，此消息为假。

截图中的"官方公告"实际不存在，相关官方账号从未发布过此内容。
多家辟谣平台已确认该信息为伪造。

参考链接：
- 原文：xxx — https://www.xxx.com

---

⚙️ 配置参考

Cursor 版 bridge.config.json

Codex 版 bridge.config.json

---

📱 微信端指令

两个版本通用：

Codex 版额外支持：

---

🔐 安全须知

• credentials.json 和 bridge-state.json 是本地凭据文件，不要提交到 Git（已在 .gitignore 中排除）
• 使用 allowedUserIds 限制哪些微信用户可以使用你的 Agent
• Codex 版：通过 sandboxMode 控制 Agent 执行权限
• Cursor 版：force: false 时，每次危险操作都需要微信端确认
• 不要将 cwd 指向你不信任的仓库——Agent 可以读写其中所有文件

---

🏗️ 架构概览

┌──────────┐     ilink API      ┌──────────────┐     exec/query     ┌────────────┐
│  微信用户 │ ◄──────────────► │  Node 桥接层  │ ◄────────────────► │ Agent CLI  │
│  (手机)   │   ClawBot 协议    │  (bridge.ts)  │   codex exec      │ (Codex /   │
└──────────┘                    └──────────────┘   agent --query     │  Cursor)   │
                                      │                              └────────────┘
                                      │ 媒体解密/编码                       │
                                      ▼                                    ▼
                                 本地文件系统                        你的项目代码
                               (图片/文件缓存)                    + 互联网搜索能力

数据流：微信消息 → ilink 长轮询 → 桥接层分发 → Agent CLI 执行 → 结果回传微信

---

🛠️ 进阶用法

作为通用 AI 助手

桥接本身不限于事实核查——它是一个通用的微信 ↔ Agent 桥接层。你可以：

• 发消息让 Agent 帮你写代码、调 bug
• 发文件让 Agent 分析
• 安装其他 Skill 扩展 Agent 能力
• 在微信里切换模型（/model gpt-5.4）

自定义 Skill

参考 news-fact-checker/SKILL.md 的格式，你可以为 Agent 编写任何 Skill：

---
name: my-custom-skill
description: >
  简要描述这个 skill 做什么，以及什么时候触发。
---

# Skill 标题

## 工作流程

### Step 1: ...
### Step 2: ...

多用户部署

在 bridge.config.json 中设置 allowedUserIds 和 replyAllowedUserIds，可以精细控制哪些微信用户能发指令、哪些能查看 Agent 回复。

---

❓ 常见问题

---

🤝 贡献

欢迎提交 Issue 和 PR。如果你编写了有趣的 Skill，也欢迎提交到本仓库分享。

---

📄 License

MIT

---

免责声明：事实核查结果基于 AI 的搜索和分析能力，不构成专业的新闻审核意见。对于重大决策，请以官方信源为准。