pip install wxauto -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install pytesseract
pip install pywinauto -q
pip install openai
pip install dashscope    # 通义千问
pip install pyautogui pillow -q

安装 Tesseract 引擎本体（带中文包）： 👉 下载地址：https://github.com/UB-Mannheim/tesseract/wiki

下载 tesseract-ocr-w64-setup-5.x.x.exe，安装时勾选 Chinese Simplified 语言包。

# -*- coding: utf-8 -*-
"""
微信智能自动回复 v23
========================================
核心改进（相对v22）：
  1. 截图改用 PrintWindow(PW_RENDERFULLCONTENT)
     → 解决微信4.x GPU渲染导致 BitBlt 截图为空白的问题
  2. 通过白色气泡背景定位对方消息（左侧x=0.20~0.52）
     → 不再依赖头像检测（之前找到的是错误位置）
  3. 只截最新一条气泡（找白色气泡块的底部，往上找到顶部）
  4. 发消息前先还原窗口，发完保持前台
 
关键参数（已调试确认）：
  聊天区：y=[5%, 78%]*h
  对方气泡：x=[0.20, 0.52]*w（白色背景，R>245）
  最新气泡：从底部往上找连续白色行，断4行停止
========================================
"""
import sys, re, time, hashlib, ctypes, ctypes.wintypes
sys.stdout.reconfigure(encoding="utf-8")
 
import pyperclip
import win32gui, win32con, win32ui, win32api
import numpy as np
from PIL import Image, ImageEnhance
import pytesseract
from http import HTTPStatus
import dashscope
from dashscope import Generation
 
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
ctypes.windll.shcore.SetProcessDpiAwareness(2)
 
# ===== ⚙️ 配置 =====
TARGET_NAME    = "涂斯博"
QWEN_API_KEY   = "88888888"
CHECK_INTERVAL = 4
SYSTEM_PROMPT  = (
    "你是一个聊天助手，正在代替主人回复微信消息。"
    "请根据对方发来的消息，用自然友好简短的中文回复，1~3句即可，不要说自己是AI。"
)
# ====================
 
dashscope.api_key = QWEN_API_KEY
 
 
# ───────────────────────────────
# AI 回复
# ───────────────────────────────
def ask_qwen(user_message: str) -> str:
    try:
        response = Generation.call(
            model='qwen-turbo',
            messages=[
                {"role": "system", "content": SYSTEM_PROMPT},
                {"role": "user",   "content": user_message},
            ],
            result_format='message',
            max_tokens=200,
        )
        if response.status_code == HTTPStatus.OK:
            reply = response.output.choices[0].message.content.strip()
            print(f"  [AI回复] {reply}")
            return reply
        print(f"  [AI错误] {response.code}: {response.message}")
        return "收到，稍后回复你。"
    except Exception as e:
        print(f"  [AI异常] {e}")
        return "收到，稍后回复你。"
 
 
# ───────────────────────────────
# 窗口工具
# ───────────────────────────────
def get_hwnd():
    return (win32gui.FindWindow('Qt51514QWindowIcon', None) or
            win32gui.FindWindow(None, '微信') or
            win32gui.FindWindow(None, 'WeChat'))
 
def get_rect(hwnd):
    rect = ctypes.wintypes.RECT()
    ctypes.windll.dwmapi.DwmGetWindowAttribute(
        hwnd, 9, ctypes.byref(rect), ctypes.sizeof(rect))
    return rect.left, rect.top, rect.right, rect.bottom
 
def ensure_visible(hwnd):
    """确保窗口可见（不最小化），但不强制置顶"""
    if win32gui.IsIconic(hwnd):
        win32gui.ShowWindow(hwnd, win32con.SW_RESTORE)
        time.sleep(0.4)
 
def bring_to_front(hwnd):
    ensure_visible(hwnd)
    try:
        ctypes.windll.user32.SetForegroundWindow(hwnd)
        time.sleep(0.3)
    except Exception:
        pass
 
 
# ───────────────────────────────
# PrintWindow 截图（支持GPU渲染）
# ───────────────────────────────
def pw_shot(hwnd) -> Image.Image:
    """
    用 PrintWindow(PW_RENDERFULLCONTENT=2) 截整个窗口。
    返回以窗口左上角为原点的 PIL Image。
    """
    ensure_visible(hwnd)
    l, t, r, b = get_rect(hwnd)
    w, h = r - l, b - t
    hwnd_dc = win32gui.GetWindowDC(hwnd)
    mfc_dc  = win32ui.CreateDCFromHandle(hwnd_dc)
    save_dc = mfc_dc.CreateCompatibleDC()
    bmp = win32ui.CreateBitmap()
    bmp.CreateCompatibleBitmap(mfc_dc, w, h)
    save_dc.SelectObject(bmp)
    ctypes.windll.user32.PrintWindow(hwnd, save_dc.GetSafeHdc(), 2)
    info = bmp.GetInfo()
    bits = bmp.GetBitmapBits(True)
    img  = Image.frombuffer('RGB', (info['bmWidth'], info['bmHeight']),
                            bits, 'raw', 'BGRX', 0, 1)
    save_dc.DeleteDC(); mfc_dc.DeleteDC()
    win32gui.ReleaseDC(hwnd, hwnd_dc)
    win32gui.DeleteObject(bmp.GetHandle())
    return img  # 坐标原点 = 窗口左上角
 
 
# ───────────────────────────────
# 截图 hash（检测消息变化）
# 只截聊天记录区中部，避免输入框变化误触发
# ───────────────────────────────
def snap_hash(hwnd) -> str:
    img = pw_shot(hwnd)
    w, h = img.size
    # 对方气泡区（x=43%~79%，y扩到85%以覆盖5行长消息）
    crop = img.crop((int(w*0.43), int(h*0.06), int(w*0.79), int(h*0.85)))
    return hashlib.md5(crop.tobytes()).hexdigest()
 
 
# ───────────────────────────────
# 读对方最新消息（白色气泡定位 + OCR）
# ───────────────────────────────
def read_msg_by_ocr(hwnd) -> str:
    """
    读取对方最新消息。
    ──────────────────────────────────────────────────
    已调试确认参数（1321x1416窗口）：
      - 对方气泡背景色(222,222,224)浅灰，文字色(25,25,26)深色
      - 对方气泡文字列：x=43%~77%（左侧头像x<43%，右侧不超x=77%）
      - 截图X：x=44%~79%（跳过昵称，右边留余量）
      - chat_y2 需到 85%（长消息最多5行，底部约y=83%）
      - 消息行间距约10px，消息间距约60px；gap=15可正确跨行合并
    ──────────────────────────────────────────────────
    """
    img = pw_shot(hwnd)
    w, h = img.size
    arr = np.array(img)
 
    # 聊天记录区
    # chat_y2 扩展到 85%：长消息(5行)底部约在83.4%，留2%余量
    chat_y1 = int(h * 0.06)
    chat_y2 = int(h * 0.85)
 
    # 对方气泡文字扫描列
    text_x1 = int(w * 0.43)
    text_x2 = int(w * 0.77)
 
    region = arr[chat_y1:chat_y2, text_x1:text_x2]
    rh = region.shape[0]
 
    # 深色文字检测（文字色约25,25,26；阈值<80覆盖子像素渲染）
    dark = (region[:,:,0] < 80) & (region[:,:,1] < 80) & (region[:,:,2] < 80)
    row_dark = dark.sum(axis=1)
 
    # 从底部往上找最新文字行
    bottom_y = -1
    for yi in range(rh - 1, -1, -1):
        if row_dark[yi] > 2:
            bottom_y = yi
            break
 
    if bottom_y < 0:
        print("  [OCR] 未找到对方文字行")
        return ""
 
    # 往上找文字块顶部
    # gap=15：行内间距约10px，消息间距约60px，gap=15可正确连接同条消息各行
    top_y = bottom_y
    gap = 0
    for yi in range(bottom_y, max(bottom_y - 800, -1), -1):
        if row_dark[yi] > 2:
            top_y = yi
            gap = 0
        else:
            gap += 1
            if gap >= 15:
                break
 
    # 截图区域（上下加15px内边距，X跳过头像/昵称，覆盖完整气泡）
    crop_y1 = chat_y1 + max(top_y - 15, 0)
    crop_y2 = chat_y1 + bottom_y + 20
    crop_x1 = int(w * 0.44)   # 跳过昵称（昵称在x=38%~40%，正文从44%开始）
    crop_x2 = int(w * 0.79)   # 文字最右端约x=76.6%，留3%余量
 
    crop_h = crop_y2 - crop_y1
    print(f"  [OCR] 文字块: y={crop_y1}~{crop_y2}({crop_h}px), x={crop_x1}~{crop_x2}")
 
    if crop_h < 8:
        print("  [OCR] 高度过小，跳过")
        return ""
    if crop_h > 700:
        # 超过700px说明扫到了多条消息混合，只取最近400px
        crop_y1 = crop_y2 - 400
        crop_h = 400
        print("  [OCR] 高度过大(>700px)，截最近400px")
 
    crop = img.crop((crop_x1, crop_y1, crop_x2, crop_y2))
 
    # OCR预处理：3倍放大 + 对比度2.5 + psm6（已测试为最优组合）
    scale = 3
    big = crop.resize((crop.width * scale, crop.height * scale), Image.LANCZOS)
    gray = big.convert('L')
    enhanced = ImageEnhance.Contrast(gray).enhance(2.5)
 
    try:
        raw = pytesseract.image_to_string(
            enhanced, config='--oem 3 --psm 6 -l chi_sim+eng'
        ).strip()
    except Exception as e:
        print(f"  [OCR] 识别失败: {e}")
        return ""
 
    # ── 后处理 ──
    lines = [ln.strip() for ln in raw.splitlines() if ln.strip()]
    clean = []
    for ln in lines:
        zh    = sum(1 for c in ln if '\u4e00' <= c <= '\u9fff')
        alpha = sum(1 for c in ln if c.isalpha())
        digit = sum(1 for c in ln if c.isdigit())
        # 保留：有中文 OR 有>=3个字母（英文内容）OR 数字+字母混合
        if zh >= 1 or alpha >= 3 or (alpha >= 1 and digit >= 1):
            # 只在行首同时有英文前缀又有中文时，才去掉行首英文（昵称合并到正文）
            if zh >= 1:
                ln = re.sub(r'^[a-zA-Z0-9 _\-\.]+(?=[\u4e00-\u9fff])', '', ln).strip()
            if ln:
                clean.append(ln)
 
    # 只过滤掉明显是短昵称的行（≤4个字符且全是字母/空格，无数字无标点）
    # 保留正常英文内容行（alpha>=3 且内容不像昵称）
    def is_nickname_line(s):
        stripped = s.strip()
        return (len(stripped) <= 6
                and all(c.isalpha() or c.isspace() for c in stripped)
                and sum(1 for c in stripped if '\u4e00' <= c <= '\u9fff') == 0)
    clean = [ln for ln in clean if not is_nickname_line(ln)]
 
    # 去掉行首孤立单字（微信气泡换行时行尾汉字被拆到下行行首，OCR前面加了空白变"上"/"丨"等）
    # 例："不太清\n上晰" → 合并前一行末尾
    merged = []
    for ln in clean:
        # 如果行首是1~2个孤立的非标点汉字（没有其他汉字跟随），并且上一行存在，把它拼到上一行末尾
        m = re.match(r'^([^\u4e00-\u9fff]{0,3})([\u4e00-\u9fff]{1,2})(\s+[\u4e00-\u9fff])', ln)
        if m and merged:
            # 行首有1~2个汉字+空格+更多汉字：可能第一个字是拆行造成的，但保留整行
            merged.append(ln)
        elif re.match(r'^[上丨|][\u4e00-\u9fff]', ln) and merged:
            # "上晰"这类行：去掉前面的"上"/"丨"，把剩余拼到上一行
            fixed = re.sub(r'^[上丨|]', '', ln)
            merged[-1] = merged[-1] + fixed
        else:
            merged.append(ln)
 
    result = " ".join(merged).strip()
    # 去掉多余的空格和噪声符号
    result = re.sub(r'\s+', ' ', result)
    result = re.sub(r'[》《|丨]{1,3}', '', result).strip()
    print(f"  [OCR结果] 「{result}」")
    return result
 
 
# ───────────────────────────────
# 发消息
# ───────────────────────────────
def send_msg(hwnd, message: str):
    import pyautogui
    orig_pos = win32api.GetCursorPos()
 
    l, t, r, b = get_rect(hwnd)
    w, h = r - l, b - t
    input_x = l + int(w * 0.60)
    input_y = t + int(h * 0.88)
 
    bring_to_front(hwnd)
    pyautogui.click(input_x, input_y)
    time.sleep(0.3)
 
    pyperclip.copy(message)
    pyautogui.hotkey('ctrl', 'v')
    time.sleep(0.25)
    pyautogui.press('enter')
    time.sleep(0.35)
 
    ctypes.windll.user32.SetForegroundWindow(hwnd)
    time.sleep(0.2)
    win32api.SetCursorPos(orig_pos)
 
 
# ───────────────────────────────
# 去重
# ───────────────────────────────
def msg_hash(text: str) -> str:
    return hashlib.md5(text.encode('utf-8')).hexdigest()[:8]
 
 
# ───────────────────────────────
# 主循环
# ───────────────────────────────
def main():
    print("=" * 55)
    print("  微信智能自动回复 v23")
    print(f"  目标：{TARGET_NAME}")
    print("  截图：PrintWindow（支持微信4.x GPU渲染）")
    print("  读消息：白色气泡定位 + OCR")
    print("=" * 55)
 
    hwnd = get_hwnd()
    if not hwnd:
        print("❌ 未找到微信窗口！")
        return
 
    print(f"\n请打开【{TARGET_NAME}】的聊天窗口，然后按回车开始...")
    input()
 
    # 初始 hash
    last_hash     = snap_hash(hwnd)
    last_msg_hash = ""
    same_count    = 0
    replied_count = 0
 
    print("✅ 监听中（Ctrl+C 退出）\n")
 
    while True:
        try:
            time.sleep(CHECK_INTERVAL)
            current_hash = snap_hash(hwnd)
 
            if current_hash == last_hash:
                continue
 
            ts = time.strftime('%H:%M:%S')
            print(f"[{ts}] 检测到变化，等待渲染...")
            time.sleep(1.5)  # 等消息完整渲染
 
            msg_text = read_msg_by_ocr(hwnd)
 
            if not msg_text:
                print("  ⚠️  未识别到有效对方消息，可能是自己发的消息变化，跳过")
                last_hash = current_hash
                continue
 
            # 去重：防止对同一条消息反复回复
            mh = msg_hash(msg_text)
            if mh == last_msg_hash:
                same_count += 1
                if same_count <= 2:
                    print(f"  ⚠️  与上一条相同({same_count}/2)，跳过（可能是自己回复刷新了屏幕）")
                    last_hash = current_hash
                    continue
                else:
                    print(f"  ⚠️  连续{same_count}次相同，强制处理")
            else:
                same_count = 0
 
            last_msg_hash = mh
 
            print(f"  [消息] 「{msg_text}」")
            ai_reply = ask_qwen(msg_text)
            send_msg(hwnd, ai_reply)
            replied_count += 1
            print(f"[{ts}] 第 {replied_count} 条已发送 ✓")
            print(f"  （等待【{TARGET_NAME}】下一条...）\n")
 
            # 回复发出后等屏幕稳定，更新 hash
            # 不用 already_replied 旗标，改为：等AI回复显示完毕后，
            # 持续等待直到hash稳定（最多等5秒），然后把稳定后的hash作为基准
            stable_wait = 0
            prev = snap_hash(hwnd)
            while stable_wait < 5:
                time.sleep(1)
                nxt = snap_hash(hwnd)
                if nxt == prev:
                    break
                prev = nxt
                stable_wait += 1
            last_hash = prev
 
        except KeyboardInterrupt:
            print(f"\n已退出，共回复 {replied_count} 次。")
            break
        except Exception as e:
            import traceback
            traceback.print_exc()
            time.sleep(CHECK_INTERVAL)
 
 
if __name__ == "__main__":
    main()

cmd运行：

cd c:/Users/geovindu/WorkBuddy/Claw
python -X utf8 wechat_auto_reply_v18.py

输出：

用本地模型，回答有限：

# -*- coding: utf-8 -*-
"""
微信智能自动回复 v24
========================================
核心改进（相对v23）：

  【BUG修复】窗口大小变化导致消息左侧文字被截断
  ─────────────────────────────────────────────
  问题根源：v23 用固定百分比 crop_x1 = w*0.44 来"跳过昵称"。
  但微信聊天布局中，头像+昵称区域是**固定像素宽度**（不随窗口变宽而扩展）：
    头像宽≈40px + 间距≈8px + 文字列起点 ≈ 头像左边缘 + 约160px
  当窗口比调试时（1321px宽）更宽时，w*0.44 的绝对值远超160px，
  导致消息开头几个字（如"唐宋"）被裁掉。

  修复方案：
  1. text_x1 / crop_x1 改用更保守的 w*0.35（比头像宽+昵称宽度还靠左）
     → 无论窗口多宽，都不会截掉对方消息文字
  2. snap_hash 检测区也同步调整到 w*0.35，保持一致性
  3. 新增 auto_crop_x1()：动态扫描消息左边界（可选增强，默认关闭）
  4. 昵称行过滤逻辑保持不变（后处理里 is_nickname_line 过滤）

  其他改进：
  - 打印窗口实际尺寸，方便调试时对照参数
  - crop_h 保护提升：最小高度从8px→10px
========================================
"""
import sys, re, time, hashlib, ctypes, ctypes.wintypes, json, urllib.request
sys.stdout.reconfigure(encoding="utf-8")

import pyperclip
import win32gui, win32con, win32ui, win32api
import numpy as np
from PIL import Image, ImageEnhance
import pytesseract

pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
ctypes.windll.shcore.SetProcessDpiAwareness(2)

# ===== ⚙️ 配置 =====
TARGET_NAME    = "涂斯博"
CHECK_INTERVAL = 4
# 本地 Ollama 配置
OLLAMA_URL     = "http://localhost:11434/api/chat"
OLLAMA_MODEL   = "deepseek-r1:8b"
SYSTEM_PROMPT  = (
    "你是一个聊天助手，正在代替主人回复微信消息。"
    "请根据对方发来的消息，用自然友好简短的中文回复，1~3句即可，不要说自己是AI。"
)
# ====================


# ───────────────────────────────
# 本地 AI 回复（Ollama deepseek-r1）
# ───────────────────────────────
def ask_local(user_message: str) -> str:
    """
    调用本地 Ollama API（流式读取），过滤 deepseek-r1 的 <think>...</think> 思维链。
    使用流式接口：边生成边收包，避免非流式模式的长时间无响应卡顿。
    超时：180秒（CPU推理 deepseek-r1:8b 约150秒）
    """
    payload = json.dumps({
        "model":   OLLAMA_MODEL,
        "stream":  True,
        "options": {"num_predict": 200, "temperature": 0.7},
        "messages": [
            {"role": "system", "content": SYSTEM_PROMPT},
            {"role": "user",   "content": user_message},
        ],
    }).encode("utf-8")

    try:
        req = urllib.request.Request(
            OLLAMA_URL,
            data=payload,
            headers={"Content-Type": "application/json"},
            method="POST",
        )
        t0 = time.time()
        full_text = []
        dot_count = 0

        with urllib.request.urlopen(req, timeout=180) as resp:
            print("  [AI] 推理中", end="", flush=True)
            for line in resp:
                line = line.strip()
                if not line:
                    continue
                try:
                    chunk = json.loads(line.decode("utf-8"))
                except Exception:
                    continue

                token = chunk.get("message", {}).get("content", "")
                if token:
                    full_text.append(token)

                dot_count += 1
                if dot_count % 20 == 0:
                    print(".", end="", flush=True)

                if chunk.get("done", False):
                    break

        elapsed = time.time() - t0
        print(f" ({elapsed:.0f}s)")

        raw_reply = "".join(full_text).strip()
        reply = re.sub(r'<think>.*?</think>', '', raw_reply, flags=re.DOTALL).strip()
        reply = re.sub(r'\n{2,}', '\n', reply).strip()

        if not reply:
            reply = "收到，稍后回复你。"

        print(f"  [AI回复] {reply}")
        return reply

    except urllib.error.URLError as e:
        print(f"\n  [AI错误] Ollama 连接失败: {e}")
        return "收到，稍后回复你。"
    except Exception as e:
        print(f"\n  [AI异常] {e}")
        return "收到，稍后回复你。"


# ───────────────────────────────
# 窗口工具
# ───────────────────────────────
def get_hwnd():
    return (win32gui.FindWindow('Qt51514QWindowIcon', None) or
            win32gui.FindWindow(None, '微信') or
            win32gui.FindWindow(None, 'WeChat'))

def get_rect(hwnd):
    rect = ctypes.wintypes.RECT()
    ctypes.windll.dwmapi.DwmGetWindowAttribute(
        hwnd, 9, ctypes.byref(rect), ctypes.sizeof(rect))
    return rect.left, rect.top, rect.right, rect.bottom

def ensure_visible(hwnd):
    """确保窗口可见（不最小化），但不强制置顶"""
    if win32gui.IsIconic(hwnd):
        win32gui.ShowWindow(hwnd, win32con.SW_RESTORE)
        time.sleep(0.4)

def bring_to_front(hwnd):
    ensure_visible(hwnd)
    try:
        ctypes.windll.user32.SetForegroundWindow(hwnd)
        time.sleep(0.3)
    except Exception:
        pass


# ───────────────────────────────
# PrintWindow 截图（支持GPU渲染）
# ───────────────────────────────
def pw_shot(hwnd) -> Image.Image:
    """
    用 PrintWindow(PW_RENDERFULLCONTENT=2) 截整个窗口。
    返回以窗口左上角为原点的 PIL Image。
    """
    ensure_visible(hwnd)
    l, t, r, b = get_rect(hwnd)
    w, h = r - l, b - t
    hwnd_dc = win32gui.GetWindowDC(hwnd)
    mfc_dc  = win32ui.CreateDCFromHandle(hwnd_dc)
    save_dc = mfc_dc.CreateCompatibleDC()
    bmp = win32ui.CreateBitmap()
    bmp.CreateCompatibleBitmap(mfc_dc, w, h)
    save_dc.SelectObject(bmp)
    ctypes.windll.user32.PrintWindow(hwnd, save_dc.GetSafeHdc(), 2)
    info = bmp.GetInfo()
    bits = bmp.GetBitmapBits(True)
    img  = Image.frombuffer('RGB', (info['bmWidth'], info['bmHeight']),
                            bits, 'raw', 'BGRX', 0, 1)
    save_dc.DeleteDC(); mfc_dc.DeleteDC()
    win32gui.ReleaseDC(hwnd, hwnd_dc)
    win32gui.DeleteObject(bmp.GetHandle())
    return img


# ───────────────────────────────
# 截图 hash（检测消息变化）
# ───────────────────────────────
def snap_hash(hwnd) -> str:
    img = pw_shot(hwnd)
    w, h = img.size
    # 对方气泡区（x从35%开始更保守，y到85%覆盖5行长消息）
    crop = img.crop((int(w*0.35), int(h*0.06), int(w*0.79), int(h*0.85)))
    return hashlib.md5(crop.tobytes()).hexdigest()


# ───────────────────────────────
# 动态检测消息文字左边界（辅助函数）
# ───────────────────────────────
def _find_text_left_boundary(arr, chat_y1, chat_y2, x_start, x_end, bottom_y, top_y):
    """
    在已找到的文字行范围内（top_y~bottom_y），从左往右扫描，
    找到深色文字像素最左侧的列坐标（相对于arr坐标系）。
    x_start/x_end 是扫描的列范围（arr列下标）。
    返回：找到的左边界列（arr坐标），若未找到则返回 x_start。
    """
    if top_y < 0 or bottom_y < 0:
        return x_start
    region = arr[chat_y1 + top_y : chat_y1 + bottom_y + 1, x_start:x_end]
    dark = (region[:,:,0] < 80) & (region[:,:,1] < 80) & (region[:,:,2] < 80)
    col_dark = dark.sum(axis=0)
    for xi in range(len(col_dark)):
        if col_dark[xi] > 0:
            # 找到有文字的列，往左多留15px余量（子像素/字间距）
            return x_start + max(xi - 15, 0)
    return x_start


# ───────────────────────────────
# 读对方最新消息（白色气泡定位 + OCR）
# ───────────────────────────────
def read_msg_by_ocr(hwnd) -> str:
    """
    读取对方最新消息。

    v24 关键修复：
    ─────────────────────────────────────────────────────────
    text_x1 / crop_x1 不再用 w*0.43/0.44（会随窗口变宽而超出文字左边缘），
    改为 w*0.35（更保守，始终在对方文字列左侧）。

    微信对方消息布局（头像在左）：
      左侧面板宽 ≈ w*0.24（联系人列表）
      头像宽 ≈ 40px，间距 ≈ 8px
      昵称/文字起点 ≈ 聊天区左边缘 + ~130px（约 w*0.24 + 130px）
      → 对于 w≥800 的窗口，文字起点的百分比约在 w*(0.24+130/w)
        宽度越大，百分比越小！固定用 0.35 始终保守安全。

    后处理阶段的 is_nickname_line() 会过滤掉误识别的昵称行。
    ─────────────────────────────────────────────────────────
    """
    img = pw_shot(hwnd)
    w, h = img.size
    arr = np.array(img)

    print(f"  [OCR] 窗口大小: {w}x{h}")

    # 聊天记录区 Y 范围
    chat_y1 = int(h * 0.06)
    chat_y2 = int(h * 0.85)

    # ★ 修复点：text_x1 改为 w*0.35（原 w*0.43），保守覆盖对方文字左边缘
    # text_x2 保持 w*0.77（对方气泡文字最右端约 w*0.76，留余量）
    text_x1 = int(w * 0.35)
    text_x2 = int(w * 0.77)

    region = arr[chat_y1:chat_y2, text_x1:text_x2]
    rh = region.shape[0]

    # 深色文字检测（文字色约25,25,26；阈值<80覆盖子像素渲染）
    dark = (region[:,:,0] < 80) & (region[:,:,1] < 80) & (region[:,:,2] < 80)
    row_dark = dark.sum(axis=1)

    # 从底部往上找最新文字行
    bottom_y = -1
    for yi in range(rh - 1, -1, -1):
        if row_dark[yi] > 2:
            bottom_y = yi
            break

    if bottom_y < 0:
        print("  [OCR] 未找到对方文字行")
        return ""

    # 往上找文字块顶部
    # gap=15：行内间距约10px，消息间距约60px，gap=15可正确连接同条消息各行
    top_y = bottom_y
    gap = 0
    for yi in range(bottom_y, max(bottom_y - 800, -1), -1):
        if row_dark[yi] > 2:
            top_y = yi
            gap = 0
        else:
            gap += 1
            if gap >= 15:
                break

    # ★ 修复点：crop_x1 改为 w*0.35（原 w*0.44）
    # 动态收紧左边界（在已知文字行范围内从左扫描），减少昵称误读概率
    safe_x1 = int(w * 0.35)
    dyn_x1  = _find_text_left_boundary(arr, chat_y1, chat_y2,
                                        safe_x1, text_x2,
                                        bottom_y, top_y)
    crop_x1 = dyn_x1                  # 动态左边界（比 safe_x1 稍靠右，不会过度）
    crop_x2 = int(w * 0.79)           # 右边留余量

    crop_y1 = chat_y1 + max(top_y - 15, 0)
    crop_y2 = chat_y1 + bottom_y + 20

    crop_h = crop_y2 - crop_y1
    print(f"  [OCR] 文字块: y={crop_y1}~{crop_y2}({crop_h}px), x={crop_x1}~{crop_x2}"
          f"  (safe_x1={safe_x1}, dyn_x1={dyn_x1})")

    if crop_h < 10:
        print("  [OCR] 高度过小，跳过")
        return ""
    if crop_h > 700:
        crop_y1 = crop_y2 - 400
        crop_h = 400
        print("  [OCR] 高度过大(>700px)，截最近400px")

    crop = img.crop((crop_x1, crop_y1, crop_x2, crop_y2))

    # OCR预处理：3倍放大 + 对比度2.5 + psm6（已测试为最优组合）
    scale = 3
    big = crop.resize((crop.width * scale, crop.height * scale), Image.LANCZOS)
    gray = big.convert('L')
    enhanced = ImageEnhance.Contrast(gray).enhance(2.5)

    try:
        raw = pytesseract.image_to_string(
            enhanced, config='--oem 3 --psm 6 -l chi_sim+eng'
        ).strip()
    except Exception as e:
        print(f"  [OCR] 识别失败: {e}")
        return ""

    # ── 后处理 ──
    lines = [ln.strip() for ln in raw.splitlines() if ln.strip()]
    clean = []
    for ln in lines:
        zh    = sum(1 for c in ln if '\u4e00' <= c <= '\u9fff')
        alpha = sum(1 for c in ln if c.isalpha())
        digit = sum(1 for c in ln if c.isdigit())
        if zh >= 1 or alpha >= 3 or (alpha >= 1 and digit >= 1):
            if zh >= 1:
                ln = re.sub(r'^[a-zA-Z0-9 _\-\.]+(?=[\u4e00-\u9fff])', '', ln).strip()
            if ln:
                clean.append(ln)

    # 过滤短昵称行（≤6字符，全字母/空格，无中文）
    def is_nickname_line(s):
        stripped = s.strip()
        return (len(stripped) <= 6
                and all(c.isalpha() or c.isspace() for c in stripped)
                and sum(1 for c in stripped if '\u4e00' <= c <= '\u9fff') == 0)
    clean = [ln for ln in clean if not is_nickname_line(ln)]

    # 合并拆行行首孤立字
    merged = []
    for ln in clean:
        m = re.match(r'^([^\u4e00-\u9fff]{0,3})([\u4e00-\u9fff]{1,2})(\s+[\u4e00-\u9fff])', ln)
        if m and merged:
            merged.append(ln)
        elif re.match(r'^[上丨|][\u4e00-\u9fff]', ln) and merged:
            fixed = re.sub(r'^[上丨|]', '', ln)
            merged[-1] = merged[-1] + fixed
        else:
            merged.append(ln)

    result = " ".join(merged).strip()
    result = re.sub(r'\s+', ' ', result)
    result = re.sub(r'[》《|丨]{1,3}', '', result).strip()
    print(f"  [OCR结果] 「{result}」")
    return result


# ───────────────────────────────
# 发消息
# ───────────────────────────────
def send_msg(hwnd, message: str):
    import pyautogui
    orig_pos = win32api.GetCursorPos()

    l, t, r, b = get_rect(hwnd)
    w, h = r - l, b - t
    input_x = l + int(w * 0.60)
    input_y = t + int(h * 0.88)

    bring_to_front(hwnd)
    pyautogui.click(input_x, input_y)
    time.sleep(0.3)

    pyperclip.copy(message)
    pyautogui.hotkey('ctrl', 'v')
    time.sleep(0.25)
    pyautogui.press('enter')
    time.sleep(0.35)

    ctypes.windll.user32.SetForegroundWindow(hwnd)
    time.sleep(0.2)
    win32api.SetCursorPos(orig_pos)


# ───────────────────────────────
# 去重
# ───────────────────────────────
def msg_hash(text: str) -> str:
    return hashlib.md5(text.encode('utf-8')).hexdigest()[:8]


# ───────────────────────────────
# 主循环
# ───────────────────────────────
def main():
    print("=" * 55)
    print("  微信智能自动回复 v24")
    print(f"  目标：{TARGET_NAME}")
    print("  截图：PrintWindow（支持微信4.x GPU渲染）")
    print("  读消息：文字行扫描 + 动态左边界 + OCR")
    print("  [v24修复] 窗口大小变化时不再截断消息左侧文字")
    print("=" * 55)

    hwnd = get_hwnd()
    if not hwnd:
        print("❌ 未找到微信窗口！")
        return

    print(f"\n请打开【{TARGET_NAME}】的聊天窗口，然后按回车开始...")
    input()

    last_hash     = snap_hash(hwnd)
    last_msg_hash = ""
    same_count    = 0
    replied_count = 0

    print("✅ 监听中（Ctrl+C 退出）\n")

    while True:
        try:
            time.sleep(CHECK_INTERVAL)
            current_hash = snap_hash(hwnd)

            if current_hash == last_hash:
                continue

            ts = time.strftime('%H:%M:%S')
            print(f"[{ts}] 检测到变化，等待渲染...")
            time.sleep(1.5)

            msg_text = read_msg_by_ocr(hwnd)

            if not msg_text:
                print("  ⚠️  未识别到有效对方消息，可能是自己发的消息变化，跳过")
                last_hash = current_hash
                continue

            mh = msg_hash(msg_text)
            if mh == last_msg_hash:
                same_count += 1
                if same_count <= 2:
                    print(f"  ⚠️  与上一条相同({same_count}/2)，跳过（可能是自己回复刷新了屏幕）")
                    last_hash = current_hash
                    continue
                else:
                    print(f"  ⚠️  连续{same_count}次相同，强制处理")
            else:
                same_count = 0

            last_msg_hash = mh

            print(f"  [消息] 「{msg_text}」")
            ai_reply = ask_local(msg_text)
            send_msg(hwnd, ai_reply)
            replied_count += 1
            print(f"[{ts}] 第 {replied_count} 条已发送 ✓")
            print(f"  （等待【{TARGET_NAME}】下一条...）\n")

            # 等回复渲染稳定后更新 hash
            stable_wait = 0
            prev = snap_hash(hwnd)
            while stable_wait < 5:
                time.sleep(1)
                nxt = snap_hash(hwnd)
                if nxt == prev:
                    break
                prev = nxt
                stable_wait += 1
            last_hash = prev

        except KeyboardInterrupt:
            print(f"\n已退出，共回复 {replied_count} 次。")
            break
        except Exception as e:
            import traceback
            traceback.print_exc()
            time.sleep(CHECK_INTERVAL)


if __name__ == "__main__":
    main()

输出：