安装与配置

按用途安装

用途	安装	其他要求
人生画像、网页、助手接入	uv pip install -e .	Codex CLI 或任意 OpenAI 兼容 API，不需要 GPU
说话风格（build-profile --purpose clone）	另装 ltp、scipy	LTP 模型，CPU 即可运行
微调分身	uv pip install --group main -e .	NVIDIA GPU、CUDA 12.6 及以上、spaCy 模型

基础安装

需要 Python 3.12，推荐使用 uv 管理环境，安装 uv 参考 uv 官方文档。下载较慢时可以开启代理或使用镜像：

git clone https://github.com/xming521/WeClone.git && cd WeClone
uv venv .venv --python=3.12
source .venv/bin/activate   # Windows 下执行 .venv\Scripts\activate
uv pip install -e .         # 国内镜像：-i https://pypi.tuna.tsinghua.edu.cn/simple/
cp settings.template.jsonc settings.jsonc

NOTE

所有配置都在 settings.jsonc 中修改，各项说明见配置文件。也可以用 weclone-cli --config-path <文件> 或环境变量 WECLONE_CONFIG_PATH 指定其他配置文件。

配置模型后端

抽取画像、整理记忆和生成板块总结都调用 API 模型，由 agent_distill_args.llm_provider 选择后端：

• codex_exec（默认）：通过本机的 Codex CLI 调用模型，需要先安装并登录。模型、推理强度和并发数在 codex_exec_args 中设置。
• api：任意 OpenAI 兼容接口。地址、密钥和模型名填在 make_dataset_args 的 base_url、llm_api_key、model_name，并发数、超时和输出上限在 agent_distill_args 的 batch_size、timeout、max_tokens 中设置。运行 build-profile 时必须用 --max-context-tokens 指定模型的输入上限。

"agent_distill_args": {
    "llm_provider": "api",
    "batch_size": 10,
    "timeout": 120
},
"make_dataset_args": {
    "base_url": "https://xxx/v1",
    "llm_api_key": "xxxxx",
    "model_name": "xxx",
    ...
}

WARNING

绘制画像时，聊天内容会发送给所选的模型服务。开始前命令行会显示模型后端并请你确认。

说话风格依赖

只在选择做分身（build-profile --purpose clone）时需要：

uv pip install ltp scipy
hf download LTP/base --local-dir models/LTPbase

LTP 用于中文分词和句法分析，默认在 CPU 上运行。国内下载较慢时，可以在命令前加上 HF_ENDPOINT=https://hf-mirror.com。

微调依赖

1. 安装 CUDA 12.6 及以上版本（已安装可跳过），参考 LLaMA Factory 安装文档。
2. 安装微调依赖，以及隐私过滤使用的 spaCy 模型（英文聊天换成 en_core_web_sm）：

   uv pip install --group main -e .
   uv pip install https://github.com/explosion/spacy-models/releases/download/zh_core_web_sm-3.8.0/zh_core_web_sm-3.8.0-py3-none-any.whl

3. 检查 PyTorch 能否识别 CUDA（NVIDIA GPU 用户）：

   python -c "import torch; print('CUDA是否可用:', torch.cuda.is_available())"

4. （可选）安装 FlashAttention，加速训练和推理：

   uv pip install flash-attn --no-build-isolation

   版本不匹配时，可以使用 prebuild-wheels 的预编译包。

Windows

Windows 环境未经严格测试。vLLM 只支持 Linux，所以 Windows 下不能用本地模型清洗训练数据。建议使用 WSL2（GPU 性能损耗约 5%），请参考 WSL2 安装。