![image.png](https://developer.qcloudimg.com/http-save/yehe-11543487/1d28c7826bbcf0719067ca8bb1b51396.png)
## AI 辅助开发的真实记录

刚刚写下这篇文章的时候，我的红包小助理刚刚跑完第三次完整测试，弹窗和语音都工作正常。整个过程从想法到可用代码，只花了一个半钟头——如果不是用 QClaw，我估计得折腾一整天。

---

## 一、从一次"手慢无"说起

事情要从上周说起。

那天中午我正在调试一个棘手的 bug，突然听到同事手机"叮"的一声——微信红包。等我放下手头工作点开微信，群里已经冒出来十几条"谢谢老板"的消息。红包？早就被抢光了。

说实话，这种感觉挺不爽的。不是在乎那几块钱，而是那种"明明就在电脑前却错过了"的落差感。我又不是 24 小时盯着微信的人，工作专注的时候哪顾得上看手机？

晚上回家我就想，能不能做个小工具，专门帮我盯着微信通知，一旦有红包相关消息就提醒我一声？

我觉得龙虾做这个真的能帮我省很多时间，也能避免遗漏很多红包。

---

## 二、技术选型：在 Windows 上"合规"地监听通知

定了底线之后，接下来就是怎么实现的问题。

我的第一个想法是：**能不能不碰微信的私有数据，只监听系统的通知？**

答案是可以的。Windows 有一套完整的 Toast Notification 机制，任何应用（包括微信）发送通知时，系统都会暴露一个 API 给其它程序监听。这意味着我可以"听到"微信发出来的通知，但不需要去翻微信的数据库，更不需要 Hook 它的进程。

技术栈很快就定下来了：

**Python 3.11** 当主语言，原因很简单——我熟悉，而且生态丰富。监听 Windows 通知用 **winrt**（Windows Runtime 的 Python 绑定），这是微软官方的 API，合规可靠。语音播报用 **pyttsx3**，这是个离线 TTS 引擎，不需要联网，调用本地语音合成接口，响应速度快，也不会有隐私泄露的问题。弹窗通知用 **plyer**，一个简单的跨平台通知库，接口干净，Windows 上调用的是系统原生的通知机制。

至于配置，我用 YAML 格式写了一个 `config.yaml`，里面可以自定义监听的关键词、语音播报的语速和音量、弹窗的持续时间等等。YAML 的好处是人类可读，哪怕不懂编程的人也能改。

整个架构我设计成三层：**本地感知层**负责监听系统通知，**云端推理层**（可选）负责 AI 增强识别，**本地提醒层**负责用户交互（弹窗 + 语音）。三层之间完全解耦，哪怕云端服务挂了，本地提醒依然正常工作。

---

## 三、写代码：QClaw 帮我搞定了 80% 的脏活累活

说实话，要不是有 QClaw，光是研究 Windows Runtime 的 API 文档我就得花掉大半天。

对话如图所示：
![cb8055b06e49a7e605773e69e8267510.png](https://developer.qcloudimg.com/http-save/yehe-11543487/3ec17676538ca8be62630b4e7b66e0b0.png)

我记得第一次跟 QClaw 说我想做什么的时候，它没有直接给我代码，而是先问了我几个问题：**你是想监听所有通知还是只监听微信？关键词是写死的还是让用户自己配置？语音播报用在线 API 还是本地引擎？**

这几个问题问下来，我突然发现自己的需求清晰了很多。原来我脑子里只有一个模糊的"做个提醒工具"的想法，但具体到实现层面，有很多细节我根本没想过。

等我把需求聊清楚了，QClaw 开始帮我写代码。它不是一次性把所有代码都扔给我，而是一层一层来：**先写配置加载器，再写通知监听器，然后是提醒引擎，最后是主程序入口**。每一层都先给核心逻辑，然后问我"需不需要加日志？需不需要错误处理？"

整个对话过程大概是这样：

**我**："帮我写个通知监听模块，用 Windows 的 Toast API。"  
**QClaw**："好的，我给你一个基于 winrt 的实现。不过要注意，直接调用 `ToastNotificationManager.create_toast_notifier()` 可能会报错，因为需要正确的 AppUserModelId。我给你一个兼容方案。"

然后它就真的给了。不是伪代码，是能直接运行的代码。

当然，中间也有翻车的时候。比如语音播报那块，第一次写的时候没考虑到 `pyttsx3` 的 `runAndWait()` 会跟 asyncio 的事件循环冲突，结果第二次播报就报了个 "run loop already started" 的错误。我把它贴给 QClaw，它想了想说："这个问题是因为 pyttsx3 的引擎实例不能在多个线程里共享，你试试每次播报时创建新的引擎实例。"

我照做了，果然就好了。

---

## 四、踩过的那些坑（以及怎么爬出来的）

### 坑一：winrt 包装不上

我在 PowerShell 里敲 `pip install winrt`，结果报了个 "Could not find a version that satisfies the requirement winrt"。

我当时有点懵，QClaw 提醒我去 PyPI 上搜了一下，才发现 Windows Runtime 的 Python 绑定不是叫 `winrt`，而是分成了十几个细分包，比如 `winrt-Windows.UI.Notifications`、`winrt-Windows.Data.Xml.Dom` 这种。正确的安装命令是：

```bash
pip install winrt-Windows.UI.Notifications winrt-Windows.Data.Xml.Dom
```

这种事情，如果不踩一次坑，我估计得在文档里翻半天才能搞清楚。

### 坑二：Toast 监听器启动失败

代码写完了，一运行，报了个 "'ToastNotificationManagerForUser' object has no attribute 'add_notification_received'"。

这个错误的意思是，我用的 API 接口不对。`ToastNotificationManager` 在 Windows 上有几种不同的初始化方式，有的返回的是 `ToastNotificationManagerForUser` 对象，有的返回的是 `ToastNotifier` 对象，它们支持的方法不一样。

QClaw 给我的解决方案是用 `try-except` 包裹两层初始化逻辑：先试 `get_default()`，如果失败了，再降级到用 Python 可执行文件的 AppUserModelId 来创建通知器。这样一来，不管在哪种 Windows 环境下运行，都有备用方案。

### 坑三：语音播报第二次就跪了

这个坑前面提到过。`pyttsx3` 的 `runAndWait()` 是个阻塞调用，而且它的引擎实例不是线程安全的。如果主线程里跑着 asyncio 的事件循环，又在另一个线程里调用 `runAndWait()`，就会发生冲突。

最终的解决方案是把语音播报放到一个完全独立的线程里，每次播报时创建新的引擎实例，播完就销毁。虽然有点浪费资源，但对于一个轻量级的桌面小工具来说，这点开销完全可以接受。

---

## 五、测试：听到那句"红包来啦"，我笑了

代码写得差不多的时候，我面临一个问题：**怎么测试？**

Toast 监听器需要正确的 AppUserModelId 注册才能工作，但我本地环境还没配置这个。难道要为了测试去改系统注册表？太麻烦了。

QClaw 给了我一个很聪明的建议：**写个模拟测试模式**。

它在 `notification_listener.py` 里加了一个 `start_mock_mode()` 方法，会模拟三条微信通知（"小明发来一个红包，快去抢！"、"工作群：老板发了现金奖励"、"转账到账：100元"），然后走完整的提醒流程。这样我不用真的去配置系统注册，就能验证关键词匹配、弹窗通知、语音播报这一整套逻辑是不是通的。

第一次跑通的时候，电脑屏幕上弹出了"🎁 红包来啦！快去微信查看！"的弹窗，同时音箱里传来了微软 Huihui 中文语音："红包来啦！快去微信查看！"

效果如下：
![d21aaf7a0b1dfbd9e7509feacfaa8ba6.png](https://developer.qcloudimg.com/http-save/yehe-11543487/5283afd06e34214a1e210fe0ba06faaf.png)

那一瞬间，我觉得这玩意儿还真有点意思。

后来我测了三次，每次都正常。弹窗能弹出来，语音能播出去，关键词匹配也没问题。唯一的小瑕疵是第二次和第三次语音播报的时候，偶尔会报个 "run loop already started" 的错误（就是前面说的那个坑），但弹窗不受影响，提醒功能完全可用。

---

## 六、为什么我坚持"只提醒、不代劳"？

文章写到这儿，我猜肯定有人会问：**"你都能监听通知了，为啥不顺便把抢红包的功能也做了？"**

这个问题我跟 QClaw 讨论过。它的回答很克制，说这是我的项目，它不会替我做合规判断。但它在回复里特意提到了微信的服务条款，还列出了自动抢红包工具可能涉及的法律风险。

我认真想了想，决定不做。

不是因为技术上有多难——事实上，如果要 Hook 微信进程、模拟点击操作，以我的技术能力不是做不到。而是因为**我觉得有些事情不该做**。

自动抢红包工具需要做的事情包括：Hook 微信进程注入代码、模拟用户点击操作绕过反作弊机制、实时分析聊天界面识别红包位置。这些行为，轻则违反微信的服务条款，重则可能触犯《计算机软件保护条例》。而且用户的账号有可能被封禁——为了抢几个红包冒这个险，值得吗？

我给这个项目定了个 slogan：**打造一只「守规矩的消息小助理」—— 只提醒、不代劳**。

它做的事情很简单：监听系统通知，发现包含"红包"、"现金"、"转账"等关键词的消息时，弹个窗，播个音，提醒我一声。仅此而已。

不读取微信的数据库，不 Hook 微信的进程，不模拟点击，不自动抢红包。所有的数据处理都在本地完成，不会上传到任何云端服务器。配置文件完全开放，任何人都可以审查它的代码，确认它没有在干坏事。

我觉得，这才是一个"助手"应该有的样子。

---

## 七、用 QClaw 做开发是什么体验？

文章的最后，想聊聊我用 QClaw 做这个项目的真实感受。

如果要用一句话概括，那就是：**它把我的角色从"代码打字员"变成了"架构设计师"**。

以前我写代码，大部分时间都花在查文档、调 API、改 bug 上。一个功能能不能实现，往往取决于我知不知道某个库的存在，或者我能不能在 Stack Overflow 上找到相似的例子。但用 QClaw 之后，我发现很多以前需要花几个小时去研究的东西，现在对话几分钟就能搞定。

比如 Windows Runtime 的 API，如果让我自己去啃微软的文档，我估计得花掉大半天。但 QClaw 直接给了我一个完整可用的实现，还附带了异常处理和兼容方案。再比如 `pyttsx3` 的线程安全问题，如果让我自己调试，我可能得在那儿 `print` 半天才能定位到问题。但 QClaw 看到报错日志之后，几乎是一秒钟就给出了正确的修复方案。

当然，QClaw 不是万能的。它有的时候也会犯错，比如生成的代码里有个把语法错误（比如 f-string 里不能包含反斜杠），或者给出的建议不完全适合我的使用场景。但这没关系，因为**最终的判断权在我手里**。它是我的助手，不是我的老板。

我觉得 AI 辅助开发的未来，大概就是这个样子：**人类负责想清楚要做什么，AI 负责帮你想清楚怎么做，然后把你想要的代码写出来**。人类不再需要把大把的时间花在重复性的编码工作上，而是可以把精力放在更有创造性的事情上——比如怎么把架构设计得更好，怎么让用户体验更流畅，怎么在功能和合规性之间找到平衡点。

这次做一个红包提醒助手，从想法到可用代码，我只花了一个半钟头。如果换成以前，这得是一整天的活。这中间的差距，不全是因为 QClaw 写代码比我快（虽然它确实很快），而是因为它帮我把很多以前需要反复试错才能搞定的事情，压缩成了几次高效的对话。

这种感觉，用过就回不去了。

---

## 八、写在最后

红包小助理这个项目，技术上没什么特别高深的地方。它本质上就是个桌面小工具，监听系统通知，匹配关键词，触发提醒。但我之所以愿意花时间去做它，之所以愿意写这篇文章分享给大家，是因为我觉得**做一个"守规矩"的工具，比做一个"强大"的工具更有意义**。

我们希望生活更方便，但不应该以牺牲安全和合规为代价。

希望这篇博客能帮到正在探索 AI 辅助开发的你。如果你用 QClaw 做出了有趣的项目，欢迎分享你的故事。

---

## 附录：如果你想试试这个项目

代码我已经整理好了，放在 `C:\Users\wudi\.openclaw\workspace\red-packet-assistant\` 目录下。如果你想在本地跑一跑，步骤很简单：

先装依赖。PowerShell 里 cd 到项目目录，然后执行：

```bash
python -m venv venv
.\venv\Scripts\Activate.ps1
pip install -r requirements.txt
```

依赖装完之后，直接运行：

```bash
python src\main.py
```

程序启动之后会进入模拟测试模式，你会看到三条模拟的微信通知，每条都会触发弹窗和语音播报。如果想改成真正监听系统通知，需要配置一下 AppUserModelId（这部分 QClaw 在 `docs/architecture.md` 里有详细说明）。

配置文件是 `config.yaml`，你可以往里面加任何你想监听的关键词。比如我除了"红包"、"现金"、"转账"之外，还加了个"外卖"，这样外卖到了的时候它也会提醒我一声。





刚刚写下这篇文章的时候，我的红包小助理刚刚跑完第三次完整测试，弹窗和语音都工作正常。整个过程从想法到可用代码，只花了一个半钟头——如果不是用 QClaw，我估计得折腾一整天。

我教这个龙虾学会抢微信红包： QClaw说我帮你搞定语音提醒 ！

程序员

人工智能

开发工具

客户端

AI辅助开发如何快速实现微信红包提醒助手？本文记录用QClaw开发工具的全过程：仅用1.5小时完成Python桌面应用，通过Windows系统通知合规监听微信红包消息，实现弹窗+语音提醒功能。文章详解技术架构选型、代码实现步骤及避坑指南，重点分享"只提醒不代劳"的合规开发理念，展示AI辅助如何将开发效率提升80%。

语音合成

数据库

服务器

Windows

Python

QClaw 

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我教这个龙虾学会抢微信红包： QClaw说我帮你搞定语音提醒 ！-腾讯云开发者社区-腾讯云

我教这个龙虾学会抢微信红包： QClaw说我帮你搞定语音提醒！

我教这个龙虾学会抢微信红包： QClaw说我帮你搞定语音提醒！

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

我教这个龙虾学会抢微信红包： QClaw说我帮你搞定语音提醒 ！

我教这个龙虾学会抢微信红包： QClaw说我帮你搞定语音提醒 ！

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

我教这个龙虾学会抢微信红包： QClaw说我帮你搞定语音提醒！

我教这个龙虾学会抢微信红包： QClaw说我帮你搞定语音提醒！