前言

最近内测MsgHelper工具时发现它开放了两大核心接口：读取微信未读消息、一键向聊天对象发送回复。作为程序员瞬间有了思路，直接基于 Coze 工作流 搭配 MsgHelper API，不用写复杂本地代码，仅靠两个接口就实现了微信私聊 + 群聊 AI 自动回复。

免责声明：本文仅为技术原理交流、工作流搭建教程，请勿用于违规营销、骚扰他人等不合规场景，违规使用后果自行承担，与本人无关。

一、最终实现效果

1. 微信私聊：用户发送任意消息，AI 自动秒回拟人化话术，智能匹配聊天语境；
2. 微信群聊：群内有人 @或发言，同样支持 AI 自动回复，适配群聊对话场景；
3. 全程自动化：循环定时检测未读消息，无需人工值守，全自动应答。

二、整体架构思路

整体基于 Coze 可视化工作流搭建，核心逻辑链路： 初始化基础参数 → MsgHelper 账号登录 → 解析授权 Token → 校验已登录微信 → 循环轮询检测未读消息 → 解析消息内容 → 大模型生成回复 → 调用 API 自动发送回复

三、Coze 工作流逐节点拆解

1. 开始节点：初始化全局基础参数

作为工作流入口，统一配置全局变量，向下传递给所有后续节点，需配置 5 个核心参数：

表格

变量名	类型	作用说明
baseUrl	字符串	MsgHelper 接口地址（需搭配内网穿透使用）
username	字符串	MsgHelper 平台注册用户名
password	字符串	MsgHelper 平台登录密码
userWxName	字符串	需要开启自动回复的微信昵称
sleepTime	整型	轮询检测未读消息的时间间隔

2. 登录节点：调用 MsgHelper 登录接口

采用POST 请求调用登录接口： {{baseUrl}}/api/auth/login

• 请求头：Content-Type: application/json
• 请求体：传入开始节点的 username 和 password
• 作用：完成账号鉴权，获取登录返回的 JSON 数据，为后续提取 Token 做准备。

3. 处理用户授权变量：解析 Token 信息

通过代码节点解析登录接口返回的 JSON 报文，提取后续接口请求必备的授权参数：accessToken、refreshToken、userId、tenantId。

核心 JS 处理代码：

javascript

运行

async function main({ params }) {
    // 解析登录返回的响应体和请求头
    const resBodyJson = JSON.parse(params.loginBody)
    const resHeaders = JSON.parse(params.loginHeaders)

    // 提取授权关键信息
    const accessInfo = {
        "accessToken": resBodyJson.data.data.accessToken,
        "refreshToken": resBodyJson.data.data.refreshToken,
        "userId": resBodyJson.data.data.userId,
        "tenantId": resHeaders["X-Tenant-Id"] 
    }
    console.log("授权信息",accessInfo)
    return accessInfo;
}

4. 处理已登录微信数据：校验目标微信

调用接口获取当前 MsgHelper 已绑定登录的所有微信，根据配置的userWxName匹配目标微信，提取微信 hwnd 窗口句柄。

• 作用：前置合法性校验，非绑定微信直接拦截，确保只对指定微信生效；
• 输出：目标微信 hwnd，作为后续消息读取、回复的唯一标识。

5. 核心循环体：轮询检测 + AI 自动回复

这是整个工作流的核心，依靠循环节点实现不间断监听，包含 5 个子流程：

5.1 获取未读消息

POST 请求调用 MsgHelper 未读消息接口： {{baseUrl}}/api/mcp/read_unread_once

• 请求头：携带 Authorization、tenant-id、refresh-token 授权信息；
• 请求体：传入微信昵称、hwnd、历史消息窗口、群聊回复模式等配置；
• 特性：接口单次只读取一次未读消息，放入循环才能实现持续轮询。

5.2 处理未读消息

对接口返回的复杂 JSON 数据做结构化解析，提取核心字段：是否存在未读消息、未读数量、消息列表、最新消息内容，简化后续节点调用难度。

5.3 条件分支判断

通过IF 选择器做逻辑分流：

• 有未读消息：进入大模型处理流程；
• 无未读消息：直接结束单次循环，等待下一轮轮询。

5.4 大模型生成回复

对接 Coze 内置大模型，传入解析到的用户消息内容，通过预设人设、话术模板，让大模型生成自然流畅的回复文本。

5.5 快捷 API 发送回复

拿到大模型回复内容后，调用 MsgHelper 回复接口： {{baseUrl}}/api/mcp/send_current_chat_reply

• 携带授权请求头、微信昵称、hwnd；
• 请求体传入大模型生成的 reply_text，设置清空未读标记；
• 一键将 AI 生成的内容发送给微信私聊 / 群聊对象，完成全流程自动回复。

四、部署关键注意点

1. 内网穿透：MsgHelper 接口需配置内网穿透，保证 Coze 工作流能正常访问本地接口地址；
2. 授权有效期：Token 有过期时间，工作流可自行增加 Token 刷新逻辑；
3. 轮询间隔：sleepTime建议设置 3~5 秒，避免请求过于频繁导致接口限流；
4. 合规使用：仅限个人学习、私域日常聊天辅助，禁止用于营销群发、恶意自动回复。

五、总结

无需本地开发部署，依靠Coze 可视化工作流 + MsgHelper 开放 API，就能零代码快速搭建微信 AI 自动回复机器人。整个流程模块化拆分、节点解耦，后续还可拓展：关键词拦截、指定人群免回复、定时话术、多微信同时管理等功能，非常适合新手入门自动化、AI 办公场景。

以上内容由内测用户提供，官方还未正式开放API, 可关注官方更新。

msghelper.top