LangBot：无缝集成到QQ、微信等消息平台的AI聊天机器人平台

最新推荐文章于 2025-04-25 15:24:01 发布

蚝油菜花

最新推荐文章于 2025-04-25 15:24:01 发布

阅读量1.4k

点赞数 24

分类专栏：每日 AI 项目与应用实例文章标签：微信人工智能机器人人工智能开源

本文链接：https://blog.csdn.net/qq_19841021/article/details/145580823

版权

每日 AI 项目与应用实例专栏收录该内容

659 篇文章

订阅专栏

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发感兴趣，我会每日分享大模型与 AI 领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

大家好，我是蚝油菜花，今天跟大家分享一下 LangBot 这个开源的多模态即时聊天机器人平台。

🚀 快速阅读

LangBot 是一个支持多平台和多种大语言模型的开源即时聊天机器人平台。

主要功能：支持文本、语音、图片等多种输入输出形式，内置访问控制、限速和敏感词过滤机制，确保稳定运行和内容安全。
技术原理：基于事件驱动架构，集成即时通信平台的 API 和多种大语言模型，支持插件扩展和 Web 管理面板。

LangBot 是什么

LangBot

LangBot 是一个开源的即时聊天机器人平台，支持多平台（如 QQ、微信、飞书、Discord 等）和多种大语言模型（如 ChatGPT、DeepSeek、Gemini 等）。它具备多模态交互能力，支持文本、语音、图片等多种输入输出形式，能够进行多轮对话和工具调用。通过内置的访问控制、限速和敏感词过滤机制，LangBot 确保了稳定运行和内容安全。此外，LangBot 提供丰富的插件扩展功能和 Web 管理面板，方便用户根据需求定制和管理机器人。

LangBot 的主要功能

多平台支持：无缝集成到多种主流即时通信平台，如 QQ、微信（包括企业微信和个人微信）、飞书、Discord 等。
多模态交互：支持文本、语音、图片等多种输入输出形式，处理复杂的交互任务，如图片识别和语音识别，为用户提供更丰富的互动体验。
多模型适配：支持接入多种主流的大语言模型（LLM），如 OpenAI 的 ChatGPT、DeepSeek、Claude、Gemini、Ollama 等，用户可以根据需求选择合适的模型进行对话任务。
高稳定性：内置访问控制、限速和敏感词过滤等机制，确保机器人稳定运行，避免滥用和不当内容传播。
插件扩展：支持强大的插件系统，用户可以根据业务需求定制功能模块，拓展机器人的能力。
Web 管理面板：提供直观的 Web 管理面板，方便用户配置和管理机器人实例，无需频繁编辑配置文件，即可快速调试和优化机器人。

LangBot 的技术原理

即时通信平台的 API 集成：基于调用各个即时通信平台提供的 API 接口，实现与用户的交互。
大语言模型（LLM）的集成：LangBot 支持多种主流的大语言模型，模型提供强大的自然语言处理能力。LangBot 将用户的输入发送到选定的 LLM，将模型生成的响应返回给用户。
事件驱动和插件机制：基于事件驱动架构，根据不同的事件（如消息接收、用户操作等）触发相应的处理逻辑。LangBot 支持插件扩展，开发者可以基于编写插件扩展机器人的功能，例如添加数据分析、内容创作辅助等功能。
安全和管理机制：内置访问控制、限速和敏感词过滤等安全机制，确保机器人的稳定运行和内容安全。访问控制机制限制只有授权的用户才能与机器人交互；限速机制防止过多的请求导致系统过载；敏感词过滤机制避免不当内容的传播。

如何手动部署 LangBot

请使用 Python 3.10.1（不包含 3.10.0）及以上版本，推荐 3.10.14 版本。如果没有 Python，请自行安装。

安装主程序

1. 下载并解压最新版本的压缩包

前往 LangBot 的 Release 页面 下载最新版本的压缩包，推荐下载 langbot-xxx-all.zip（请勿下载 Source Code，因为其中不包含 WebUI）。解压后，在解压目录打开命令行（终端）。

LangBot 的 Release 页面：https://github.com/RockChinQ/LangBot/releases

LangBot-release

2. 克隆最新代码（可选）

如果您希望使用最新的代码（可能包含不稳定的代码），可以使用以下命令克隆仓库并构建前端（需要 NodeJS >= 22）：

git clone https://github.com/RockChinQ/LangBot
cd LangBot
cd web
npm install && npm run build
cd ..

3. 创建虚拟环境（建议）

在一些使用系统包管理器管理 Python 依赖的 Linux 系统上，可能会出现依赖冲突，因此建议使用 venv 创建虚拟环境。Windows 用户可以跳过此步骤。

python -m venv venv
source venv/bin/activate

4. 安装依赖

安装项目所需的依赖项，可以使用默认的 PyPI 源或清华源以加快下载速度。

使用默认源：

pip install -r requirements.txt

使用清华源：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

5. 生成配置文件

首次运行主程序时，系统会自动生成所需的配置文件。运行以下命令：

python main.py

程序会输出类似以下信息，提示生成了配置文件：

 _                   ___      _   
| |   __ _ _ _  __ _| _ ) ___| |_ 
| |__/ _` | ' \/ _` | _ \/ _ \  _|
|____\__,_|_||_\__, |___/\___/\__|
               |___/              

⭐️开源地址: https://github.com/RockChinQ/LangBot
📖文档地址: https://docs.langbot.app

以下文件不存在，已自动生成，请按需修改配置文件后重启：
- plugins/__init__.py
- plugins/plugins.json
- data/config/command.json
- data/config/pipeline.json
- data/config/platform.json
- data/config/provider.json
- data/config/system.json
- data/config/sensitive-words.json
- data/scenario/default.json