LangBot

大多数聊天机器人框架的"插件系统"不过是一个 Python 模块的动态导入。LangBot 4.0 选择了一条更难但更正确的路——每个插件运行在独立进程中，通过结构化的 JSON-RPC 风格协议与宿主通信。 这篇文章将从源码出发，完整拆解这套系统的设计。 整体架构：三层进程模型 LangBot 的插件系统由三层进程协作： 三个层次各司其职： LangBot 主进程：运行业务逻辑（消息处理流水线、平台适配、模型调用），通过 PluginRuntimeConnector 连接 Runtime。 Plugin Runtime：插件的"编排层"，负责发现、启动、管理所有插件子进程，接收主进程的指令并分发到对应插件。 插件子进程：每个插件独立运行在自己的 Python 进程中，通过 stdio 管道与 Runtime 通信。 为什么要三层而不是两层？ 直觉的设计是主进程直接管理插件进程。LangBot 选择中间加一层 Runtime 的原因是部署灵活性： 本地开发：主进程通过 stdio 直接启动 Runtime 子进程（零配置） Docker 生产环境：Runtime 作为独立容器运行，主进程通过 WebSocket 连接 Windows 兼容：由于 Windows 的 asyncio 不完整支持 stdio 子进程，Windows 上自动降级为 WebSocket 通信 这意味着同一套代码，不改配置，就能适配从开发到生产的全部场景。 通信协议：JSON-RPC 风格的请求/响应 所有跨进程通信基于一个统一的协议层。核心数据结构非常简洁： # 请求 class ActionRequest(pydantic.BaseModel): seq_id: int # 序列号，用于匹配请求和响应 action: str # 动作名称 data: dict # 载荷 # 响应 class ActionResponse(pydantic.BaseModel): seq_id: int code: int # 0 = 成功 message: str data: dict chunk_status: str # "continue" | "end"（支持流式响应） 通信层 Handler 是整个系统的核心抽象。它同时扮演 RPC 客户端和服务端： ...

DeepSeek 已经引爆了 AI 圈。其 R1 推理模型在逻辑能力上媲美 OpenAI o1，但它是开源的，而且 API 价格极低（甚至免费）。 然而，DeepSeek 官方目前仅宣布与微信搜索整合，我们在微信群聊、私聊中依然无法直接使用 DeepSeek R1 进行即时问答或协作。 想在你的微信群、企业微信、钉钉或 Discord 频道里直接拥有一个满血版的 DeepSeek R1 机器人吗？ 使用 LangBot，你只需要 5 分钟就能搞定。 为什么选择 LangBot？ LangBot 是一个开源的、生产级的即时通信机器人平台。与 GitHub 上零散的 Python 脚本不同，LangBot 提供： 统一平台： 一次配置，同时部署到微信、QQ、Discord、Telegram、钉钉、飞书等 10+ 个平台。 模型聚合： 支持 DeepSeek (R1/V3), Claude, GPT-4, Gemini, 以及本地 Ollama 模型。 零代码： 全图形化 WebUI 配置，无需懂编程。 企业级功能： 内置知识库 (RAG)、插件系统（联网搜索、绘图）和多用户管理。 准备工作 一台服务器或电脑： 安装好 Docker (VPS, 本地电脑, 或群晖 NAS 均可)。 DeepSeek API Key： 官方平台： platform.deepseek.com 硅基流动 (推荐): cloud.siliconflow.cn (国内访问更快，并发更高)。 第一步：部署 LangBot 如果你还没有部署 LangBot，只需一行命令： ...

想让你的 Dify Agent 突破浏览器限制，直接在 QQ、微信、Telegram 里对话？LangBot 配合 Dify，十分钟就能搞定。 为什么要这么搭？ LangBot 是目前最强大的开源多平台聊天机器人框架，支持国内主流 IM（QQ、微信、飞书、钉钉）以及国际平台（Telegram、Discord、Slack、LINE）。它的核心能力就是把各种 AI 后端接入到聊天软件里。 Dify 是当下最火的 AI 应用开发平台，提供可视化 Agent 编排、50 多个内置工具、RAG 知识库等功能。两者结合，可以快速打造跨平台 AI 助手。 部署 LangBot 用 uvx 三行命令搞定： mkdir langbot-instance cd langbot-instance uvx langbot@latest 访问 http://127.0.0.1:5300，注册管理员账号： 创建 Dify Agent 登录 cloud.dify.ai 创建新应用。选择 Agent 类型——与普通聊天应用不同，Agent 可以自主推理并调用工具完成复杂任务。 配置 Agent 在编排界面配置： System Instructions - 定义 Agent 角色： Y 1 2 3 P o . . . l u e A Q R a a n u e s r s e t e e w r r e y i a a r e l n w v w v e e a i a a y n r t w s t i h e e o e b m l u r p a l s a i i i g n g u n e t e s f a n e o c i t r r o n m n a q a t a s u t e s e i n f i s o t r s t n i t i e a o n n n d t s l y t h a a n t d h p e r l o p f s e s u s s i e o r n s a l c o a m t p t l i e t t u e d e v . a r I i f o u y s o u t a n s e k e s d . t Y o o u u s h e a v t e o o t l h s e t f o o l g l e o t w i i n n g f o c r a m p a a t b i i o l n i , t i p e r s o : a c t i v e l y c a l l t h e r e l e v a n t t o o l s . 添加工具 - 从 Dify 的 50+ 内置工具中选择，比如天气查询和网页抓取： ...

LangBot 4.6.0 引入了外部知识库功能，允许用户将 Dify、RAGFlow 等外部知识检索服务集成到对话流水线中。本教程演示如何将 Dify 知识库与 LangBot 结合，实现基于领域知识的智能对话。 功能概述 外部知识库功能使 LangBot 能够： 连接各种外部知识检索服务（Dify、RAGFlow 等） 基于领域专业知识提供专业回答 通过插件系统灵活扩展知识检索能力 通过 WebUI 便捷配置，无需手动编辑配置文件 准备工作 开始之前，你需要： 部署 LangBot 4.6.0 或更高版本 拥有 Dify 账号（在 https://cloud.dify.ai 注册） 配置一个对话模型（本教程使用 claude-opus-4-1-20250805） 第一步：部署 LangBot 1.1 查看 LangBot 仓库 首先访问 LangBot GitHub 仓库 了解项目。LangBot 是一个生产级的即时通讯机器人开发平台，支持多种消息平台和 LLM 服务。 1.2 了解外部知识库功能 访问 LangBot 官方文档 查看外部知识库使用说明。文档详细介绍了如何构建内置知识库和连接外部知识库。 1.3 启动 LangBot 使用 uvx langbot 命令快速启动 LangBot，然后访问 http://127.0.0.1:5300 进行初始化。填写邮箱和密码完成注册，然后登录。 1.4 登录后的控制台 成功登录后，你将看到 LangBot WebUI 控制台。 第二步：配置对话模型 使用知识库之前，需要先配置一个对话模型。 2.1 进入模型配置页面 点击左侧导航栏的 “Models” 进入模型配置页面。 ...