WePChat AI聊天v1.3.7 安卓最新版

WePChat聊天是基于纯Dart语言开发的本地优先AI聊天安卓应用，同时作为完整AI Agent运行范例，完整实现模型协议适配、流式输出、上下文管理、工具调用、权限管控、工作区隔离、本地记忆持久化、任务中断恢复等全套能力，全程不依赖Python、Node辅助进程与云端编排，所有核心逻辑通过Dart代码与标准化数据类型完成，数据存储在本地设备，隐私性更强。

WePChat聊天怎么用

1、打开软件后，点左上角的菜单功能。

2、进入后点下面的设置按钮。

3、在设置页面，选择模型服务。

4、可以看到支持的模型非常多。

5、选择一个要配置的模型点开编辑页面。

6、输入key后点保存。

7、然后回到对话窗口聊天即可。

8、还有很多功能可以自行配置使用。

9、支持自由添加MCP服务器。

WePChat ai聊天可以干什么

流式输出可以增量呈现，也能可靠地收尾。

每个工具调用都有对应结果；失败、拒绝和取消不会把上下文弄坏。

内置文件和脚本工具只能操作当前会话工作区，路径越界在基础设施层被拦截；高级功能中明确启用的 MCP 工具有独立边界。

工具执行经过统一的 Schema 校验、权限门和取消检查。

网络重试、超时、迭代上限和输出预算都是明确的控制流。

会话、工具结果和记忆可以落到本地，进程中断后仍能恢复可理解的状态。

支持的功能

Agent runtime

多协议 Provider：Anthropic Messages、OpenAI Chat Completions、OpenAI Responses。

统一流式事件：文本、思考、工具调用、用量和结束状态统一转换。

Agent Loop：模型 → 工具 → 工具结果 → 下一轮模型请求。

稳定上下文：canonical context、稳定工具排序、工具版本与 prefix hash。

可控执行：最大迭代次数、工具调用数、输出 token 和总时长预算。

可取消网络层：流式请求、指数退避和 Retry-After 处理支持中断。

工具与边界

MCP 高级功能：Android 支持 Streamable HTTP／SSE，Windows 额外支持 stdio；默认关闭，启用时明确提示外部工具不受工作区门禁限制。配置和使用见 MCP 说明。

工作区工具：列出、读取、搜索、新建、编辑和删除文件。

网络与图片工具：web_search、web_fetch、gen_image、edit_image。

全局记忆：save_memory、list_memory、read_memory、delete_memory，由 SQLite 统一持久化。

受限脚本：run_js 通过宿主桥接访问工作区，不开放任意 Shell、进程、环境变量或工作区外路径。

权限门：每个工具调用可配置为禁用、询问或允许；拒绝会以领域结果回到模型上下文。

写入串行化：同一工作区的写入、编辑和删除通过统一队列执行，读取类工具可以并行。

宿主应用

本地优先的会话、消息、工具调用和记忆存储。

Windows / Android 的聊天界面、工作区浏览与文件预览。

Markdown、代码、表格、图片和 HTML 结果展示。

Provider、模型、权限、记忆和工作区设置。

WePChat聊天适用人群

1、希望使用本地离线大模型，注重对话隐私、拒绝对话数据上传云端的普通AI聊天用户。

2、Flutter与Dart开发工程师，需要完整可运行AI Agent runtime开源范例用于学习二次开发。

3、本地大模型部署爱好者，需要轻量化前端实现流式对话、工具调用、权限管控等完整功能。

4、AI底层研发人员，想要参考标准化数据类型、无第三方附属进程的独立Agent实现方案。

WePChat聊天常见问题解答

WePChat运行是否需要连接云端后台服务？

该应用为本地优先架构，核心Agent运行逻辑全部在设备本地执行，无需云端编排、Python或Node附属进程，仅对接本地或本地部署大模型。

软件适合哪些开发人员参考学习？

适合Flutter/Dart开发者、AI Agent底层 runtime 研发人员，覆盖流式对话、工具调用、权限隔离等容易遗漏的工程化实现逻辑。

对话记忆数据会上传网络吗？

记忆数据采用本地持久化存储方案，无自动上传逻辑，所有对话上下文、历史记录保存在本机工作区，用户可手动清除本地缓存。