你有没有过这样的经历：工作忙得焦头烂额，消息响个不停，回也不是不回也不是。或者有时候就是懒得打字，但又不想让朋友觉得被冷落。

最近折腾了一个有意思的小工具，叫「聊」（Liao），可以让大语言模型帮你自动回复消息。不是那种傻乎乎的固定回复，而是真的能看懂对话内容，根据上下文生成回复的那种。

项目地址：https://github.com/cycleuser/Liao

这玩意儿怎么工作的？

原理其实不复杂：截图 → OCR 识别文字 → 扔给大模型生成回复 → 模拟键盘输入发送。

听起来简单，但要做到好用还是费了不少功夫。比如怎么准确识别哪些是对方发的、哪些是自己发的；怎么知道该什么时候回复（总不能对方还没说完就抢话）；还有输入法切换、窗口焦点这些琐碎但烦人的问题。

为什么不直接调接口？

因为没有。

有的软件没有开放个人聊天的 API，第三方接口要么收费要么有封号风险。

「聊」走的是纯视觉路线——它不关心你用的是什么软件，只要是个聊天窗口就行。这样既不违反任何服务条款，也不用担心账号安全问题。

能用什么模型？

这是我比较喜欢的一点：支持本地部署的 Ollama，也支持 OpenAI、Claude 这些云端 API，甚至任何兼容 OpenAI 格式的接口都能用。

如果你担心隐私（毕竟是聊天记录），可以完全在本地跑。装个 Ollama，下载个小模型，所有数据都不出你的电脑。

云端模型当然更聪明，但要看你对隐私的敏感程度了。

手把手教你安装

说了这么多，来点实际的。安装过程根据系统不同会有些差异，我尽量写清楚。

前置条件

首先你得有 Python，版本 3.12 以上就行。现在大多数人电脑上应该都有。

然后你需要一个 LLM 后端，以下任选其一：

Ollama（推荐）：本地运行，隐私有保障，去 https://ollama.ai/ 下载安装
OpenAI API：需要 API Key，按量付费
Claude API：Anthropic 家的，也需要 Key
其他兼容接口：比如各种国产大模型的 API，只要兼容 OpenAI 格式就行

Windows 安装

Windows 用户最省心，一行命令搞定：

pip install liao[ocr]

这个 [ocr] 会自动装上文字识别需要的库。如果你网络环境不好装不上，也可以先装基础版：

pip install liao

然后单独装 OCR 引擎（后面会说怎么选）。

想从源码装也行：

git clone https://github.com/cycleuser/Liao.git
cd Liao
pip install -r requirements.txt

Linux 安装

Linux 稍微麻烦一点，需要先装几个系统包。这些主要是给输入模拟和截图用的：

sudo apt install xdotool wl-clipboard xclip tesseract-ocr tesseract-ocr-chi-sim gnome-screenshot

如果你用的是 Wayland 桌面（现在 Ubuntu 默认就是），还需要这些：

sudo apt install gstreamer1.0-plugins-good pipewire python3-gi python3-dbus

系统包装好之后，再装 Python 包：

pip install liao

或者从源码：

git clone https://github.com/cycleuser/Liao.git
cd Liao
pip install -r requirements-linux.txt

有个好消息是，虽然 Linux 现在普遍用 Wayland，但微信这些聊天软件大多还是跑在 XWayland 兼容层上，所以 xdotool 还是能用的。

OCR 引擎怎么选？

「聊」支持三种 OCR 引擎，至少装一个：

引擎	安装命令	特点
EasyOCR	`pip install easyocr`	最准，但要下载 PyTorch，体积大（约 2GB）
RapidOCR	`pip install rapidocr-onnxruntime`	轻量快速，但不支持 Python 3.13
pytesseract	`pip install pytesseract`	通用方案，需要额外装 tesseract 程序

个人建议：如果硬盘空间够、网络也还行，就装 EasyOCR，识别效果最好。要是想轻量一点，RapidOCR 也不错。

实际使用流程

装好之后，命令行敲 liao 就能启动图形界面。下面一步步说怎么用。

第一步：连接 LLM

打开程序，首先要配置 LLM 连接。

启动界面

界面上需要填两个东西：

API 地址：Ollama 本地的话填 http://localhost:11434，云端 API 就填对应的接口地址，也可以用局域网的地址。
模型名称：比如 gemma3、qwen3 这些

如果用 OpenAI 或 Claude，还需要填 API Key。

第二步：设置语言（可选）

界面默认是英文的，可以在右上角切换成中文。

语言设置

这个随便你，功能都一样。

第三步：选择模型

连上 LLM 服务之后，点「刷新模型列表」，会列出所有可用的模型。

选一个你喜欢的。

选择模型

小模型响应快但可能不够聪明，大模型更靠谱但吃资源。根据自己电脑配置来选吧。

第四步：选择目标窗口

切到「窗口选择」页面，点「刷新窗口列表」，会列出当前打开的所有程序窗口。

选择窗口

找到你要自动回复的聊天窗口，双击选中它。程序会自动检测这是不是聊天类应用。

第五步：设置聊天区域

这一步是告诉程序「哪里是聊天内容」和「哪里是输入框」。

设置区域

点「截图并检测」，程序会自动识别。

大多数情况下自动检测就够用了。

如果检测不准，也可以手动框选区域。

界面上有可视化的覆盖层，让你精确指定聊天区域、输入框位置、还有发送按钮的位置。

第六步：开始自动对话

最后一步，设置一下 AI 的「人设」。

开始对话

在提示词框里写上你希望 AI 怎么聊天，比如：

「热情友好，喜欢用表情」
「惜字如金，回复简短」
「专业严谨，像个客服」

然后设置对话轮数。可以设固定次数（比如 10 轮），也可以勾上「无限制」让它一直聊下去。

点「开始自动对话」，程序就开始工作了。它会：

监控聊天窗口
识别对方发来的新消息
根据上下文生成回复
自动输入并发送

你可以在界面上实时看到对话内容和日志，随时可以点「停止」暂停。

靠谱吗？会不会翻车？

说实话，目前更适合不太正式的场景。

跟朋友瞎聊、群里水群这种没问题。重要的工作对话还是自己来吧。

OCR 偶尔会认错字，模型有时候也会说些奇怪的话。

工具提供了日志功能，发送之前可以看看 AI 生成了什么，不满意随时停下来。

另外程序有个「回复门控」机制——只有检测到对方发了新消息，才会生成回复。不会出现自说自话的尴尬场面。

常见问题

装好之后可能会遇到一些小问题，这里列几个常见的：

Windows：

提示「pywin32 not found」：运行 pip install pywin32，然后重启 Python
截图失败：某些受保护的窗口需要管理员权限

Linux：

提示「xdotool not found」：运行 sudo apt install xdotool
输入不生效：确保目标窗口是 X11 或 XWayland 窗口
Wayland 截图失败：需要装 GStreamer 和 PipeWire 相关包，授权时同意屏幕捕获
OCR 返回空：装一下 OCR 引擎，推荐 pip install easyocr

最后

这工具适合什么人？大概是那些既想保持社交又懒得打字的开发人员吧（比如我）。

当然，真正重要的对话还是要亲自参与。AI 再聪明，也替代不了真实的人际交流。

但如果只是想在摸鱼的时候维持一下「在线」的假象……这个工具还挺好使的。

代码开源在 GitHub：https://github.com/cycleuser/Liao

采用 GPL v3 协议，欢迎 Star 和 PR。

预览时标签不可点

Name cleared

微信扫一扫赞赏作者

Like the AuthorOther Amount

赞赏后展示我的头像

作品

暂无作品

Like the Author

Other Amount

最低赞赏 ¥0

Back

Other Amount

赞赏金额

最低赞赏 ¥0

虚拟化，操作系统，以及一些小工具 · 目录

虚拟化，操作系统，以及一些小工具

上一篇Chou（瞅）——一个Python小工具，让你的论文PDF文件名不再是乱码下一篇VidToGif-一个简单高效的视频转 GIF 工具

搜索「」网络结果

调整当前正文文字大小

100%