AstrBot:轻松将大模型接入QQ、微信等消息平台,打造多功能AI聊天机器人的开发框架,附详细教程

本文涉及的产品
图像搜索,7款服务类型 1个月
简介: AstrBot 是一个开源的多平台聊天机器人及开发框架,支持多种大语言模型和消息平台,具备多轮对话、语音转文字等功能。

❤️ 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 AstrBot 这个开源的多消息平台聊天机器人及开发框架。

🚀 快速阅读

AstrBot 是一个多平台聊天机器人及开发框架,支持多种大语言模型和消息平台。

  1. 核心功能:支持 OpenAI GPT、Google Gemini、Llama 等大语言模型,以及 QQ、Telegram、微信等消息平台。
  2. 技术原理:基于异步通信架构、事件驱动机制和流水线处理,确保高效稳定的系统性能。

AstrBot 是什么

AstrBot

AstrBot 是一个开源的多平台聊天机器人及开发框架,支持多种大语言模型(如 OpenAI GPT、Google Gemini、Llama 等)和多种消息平台(如 QQ、Telegram、微信等)。它具备多轮对话、语音转文字、网页搜索等功能,提供代码执行器和可视化管理面板,方便用户配置和扩展。

AstrBot 基于模块化设计,支持插件开发,能一键部署到多种环境(如 Docker、Windows、Replit 等),具有高稳定性和可扩展性。

AstrBot 的主要功能

  • 多语言模型支持:支持 OpenAI GPT、Google Gemini、Llama、DeepSeek、ChatGLM 等多种大语言模型,且支持基于 Ollama 和 LLMTuner 接入本地部署的大模型。
  • 多平台接入:支持 QQ(OneBot)、QQ频道、微信(Gewechat、企业微信)、Telegram 等消息平台,后续将支持钉钉、飞书、Discord 等。
  • Agent 功能:原生支持代码执行器、自然语言待办事项、网页搜索等功能,能对接 Dify 平台,实现智能助手和知识库的接入。
  • 插件扩展:提供深度优化的插件机制,支持开发者基于插件扩展功能,降低开发门槛。
  • 可视化管理:提供可视化面板,支持配置修改、插件管理、日志查看等功能,集成 WebChat,在面板上与机器人直接对话。
  • 多模态交互:支持图片理解和语音转文字(Whisper),具备多轮对话和人格情境功能。

AstrBot 的技术原理

  • 异步通信架构:基于异步编程模型,高效处理多平台的消息交互,提升系统响应速度和并发处理能力。
  • 事件驱动机制:基于事件总线设计,将消息接收、处理和发送解耦,让各个模块独立运行,提高系统的灵活性和可扩展性。
  • 流水线处理:消息处理采用流水线模式,将消息解析、预处理、模型调用、后处理等步骤按顺序执行,便于功能扩展和维护。
  • 插件系统:基于插件机制,开发者能轻松扩展机器人功能。插件支持独立开发和部署,不影响主程序运行。
  • 多语言模型接入:支持多种大语言模型的接入,基于标准化的接口与不同模型进行通信,实现灵活的模型切换和扩展。

如何使用 Docker 部署 AstrBot

环境准备

在开始部署 AstrBot 之前,请确保您的环境中已经安装了 Docker。如果尚未安装,请参考Docker 文档进行安装。

如果您在中国大陆,可能无法正常拉取 Docker 镜像。建议使用国内镜像源,或者在 Docker 设置中配置代理。可以参考国内可用 Docker 镜像源汇总

通过 Docker Compose 部署

1. 克隆 AstrBot 仓库

首先,使用以下命令将 AstrBot 仓库克隆到本地:

git clone https://github.com/Soulter/AstrBot
cd AstrBot

2. 运行 Docker Compose

接下来,使用 docker compose 命令启动 AstrBot:

sudo docker compose up -d
  • 注意:在 Windows 系统上不需要使用 sudo

3. 配置沙箱代码执行器(可选)

默认情况下,docker-compose.yml 文件没有映射宿主机的 docker.sock 文件,因此无法使用沙箱代码执行器。如果您需要使用沙箱代码执行器,可以在 docker-compose.yml 文件中添加以下内容:

volumes:
  - /var/run/docker.sock:/var/run/docker.sock

通过 Docker 部署

1. 创建目录并运行容器

如果您不想使用 Docker Compose,可以直接通过 Docker 命令来部署 AstrBot。首先,创建一个目录用于存储数据:

mkdir astrbot

然后,使用以下命令启动 AstrBot 容器:

sudo docker run -itd -p 6180-6200:6180-6200 -p 11451:11451 -v $PWD/data:/AstrBot/data --name astrbot soulter/astrbot:latest
  • 注意:在 Windows 系统上不需要使用 sudo

2. 查看日志

通过以下命令查看 AstrBot 的日志输出:

sudo docker logs -f astrbot

3. 配置沙箱代码执行器(可选)

如果您需要使用沙箱代码执行器,可以在启动容器时添加以下参数:

sudo docker run -itd -p 6180-6200:6180-6200 -p 11451:11451 -v $PWD/data:/AstrBot/data -v /var/run/docker.sock:/var/run/docker.sock --name astrbot soulter/astrbot:latest

🎉 大功告成!

如果一切顺利,您会在日志中看到类似以下的输出:

🌈 管理面板已启动,可访问

接下来,您可以打开浏览器,访问日志中提供的链接来访问 AstrBot 的管理面板。默认的用户名和密码都是 astrbot

  • 提示:由于 Docker 隔离了网络环境,因此不能使用 localhost 访问管理面板。请使用您的服务器 IP 地址或域名进行访问。

如何运行 AstrBot 管理面板

1. 管理面板概述

AstrBot 管理面板是一个功能强大的工具,提供了管理插件、查看日志、可视化配置和查看统计信息等功能。通过管理面板,用户可以方便地管理和监控 AstrBot 的运行状态。下图展示了管理面板的界面,其中显示了占用内存为 1GB,这是因为在该时刻 AstrBot 加载了一个自部署的微调大语言模型。

AstrBot 管理面板

2. 访问管理面板

2.1 本地访问

当启动 AstrBot 之后,你可以通过浏览器访问 http://localhost:6185 来访问管理面板。

2.2 云服务器访问

如果你正在云服务器上部署 AstrBot,需要将 localhost 替换为你的服务器 IP 地址。例如,如果你的服务器 IP 地址是 192.168.1.100,则访问地址为 http://192.168.1.100:6185

3. 登录

默认的用户名和密码均为 astrbot。首次登录后,建议修改默认的用户名和密码以增强安全性。

4. 可视化配置

在管理面板中,你可以通过可视化配置来管理 AstrBot 的插件。点击左栏的 配置 即可进入配置页面。

AstrBot-ini

顶部的两个按钮可以切换 可视化编辑配置代码编辑配置 两种模式。

  • 可视化编辑配置:通过图形界面进行配置,修改完成后需要点击右下角的 保存 按钮来保存配置。
  • 代码编辑配置:直接编辑配置文件,编辑完成后首先点击 应用此配置,此时配置将应用到可视化配置中,然后再点击右下角的 保存 按钮来保存配置。

AstrBot-save

  • 警告:在 代码编辑配置 中编辑配置文件时,如果你不点击 应用此配置,那么你的修改将不会生效。

5. 插件管理

在管理面板中,你可以通过左栏的 插件 来查看已安装的插件。点击右下角的添加按钮,可以安装新的插件。

AstrBot-plugin

6. 更新管理面板

AstrBot 在启动时会自动检查管理面板是否需要更新。如果需要更新,第一条日志(黄色)会提示你进行更新。

6.1 手动更新

你可以使用 /dashboard_update 命令手动更新管理面板。该命令是管理员指令,只有管理员用户可以执行。

6.2 手动替换更新

如果你需要手动替换管理面板文件,可以在AstrBot GitHub Releases下载 dist.zip,然后解压到 data/dist 目录下。

7. 常见问题

7.1 无法访问管理面板

如果你无法访问管理面板,可能是由于以下原因:

  • 确保 AstrBot 已正确启动。
  • 检查是否使用了正确的 IP 地址和端口。
  • 如果在云服务器上部署,确保服务器防火墙已允许 6185 端口的访问。

7.2 更新后管理面板无法正常工作

如果你在更新管理面板后遇到问题,建议尝试以下步骤:

  • 检查日志文件,查看是否有错误信息。
  • 确保 data/dist 目录下的文件已正确解压。
  • 重新启动 AstrBot,确保更新生效。

通过以上步骤,你可以轻松管理和配置 AstrBot,确保其稳定运行并充分发挥其功能。

资源


❤️ 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 🥦

相关实践学习
阿里巴巴智能语音交互技术与应用
智能语音交互,是基于语音识别、语音合成、自然语言理解等技术,为企业在多种实际应用场景下,赋予产品“能听、会说、懂你”式的智能人机交互体验。适用于多个应用场景中,包括智能问答、智能质检、法庭庭审实时记录、实时演讲字幕、访谈录音转写等。 本课程主要讲解智能语音相关技术,包括语音识别、人机交互、语音合成等。  
相关文章
|
2天前
|
机器学习/深度学习 存储 人工智能
MNN-LLM App:在手机上离线运行大模型,阿里巴巴开源基于 MNN-LLM 框架开发的手机 AI 助手应用
MNN-LLM App 是阿里巴巴基于 MNN-LLM 框架开发的 Android 应用,支持多模态交互、多种主流模型选择、离线运行及性能优化。
258 13
MNN-LLM App:在手机上离线运行大模型,阿里巴巴开源基于 MNN-LLM 框架开发的手机 AI 助手应用
|
14天前
|
机器学习/深度学习 人工智能 自然语言处理
Baichuan-M1-14B:AI 助力医疗推理,为患者提供专业的建议!百川智能开源业内首个医疗增强大模型,普及医学的新渠道!
Baichuan-M1-14B 是百川智能推出的首个开源医疗增强大模型,专为医疗场景优化,支持多语言、快速推理,具备强大的医疗推理能力和通用能力。
145 16
Baichuan-M1-14B:AI 助力医疗推理,为患者提供专业的建议!百川智能开源业内首个医疗增强大模型,普及医学的新渠道!
|
20天前
|
人工智能 自然语言处理 搜索推荐
GLM-Realtime:智谱推出多模态交互AI模型,融入清唱功能,支持视频和语音交互
GLM-Realtime 是智谱推出的端到端多模态模型,具备低延迟的视频理解与语音交互能力,支持清唱功能、2分钟内容记忆及灵活调用外部工具,适用于多种智能场景。
53 4
GLM-Realtime:智谱推出多模态交互AI模型,融入清唱功能,支持视频和语音交互
|
18天前
|
人工智能 测试技术 Python
VideoChat-Flash:上海AI Lab开源高效处理超长视频的多模态大模型
VideoChat-Flash 是上海人工智能实验室等机构推出的多模态大模型,通过分层压缩技术高效处理长视频,支持长达数小时的视频输入,推理速度提升5-10倍。
60 1
VideoChat-Flash:上海AI Lab开源高效处理超长视频的多模态大模型
|
24天前
|
弹性计算 人工智能 自然语言处理
OS Copilot——面向未来的AI大模型
阿里云的智能助手`OS Copilot`是一款基于大模型构建的操作系统智能助手,支持自然语言问答、辅助命令执行、系统运维调优等功能。
72 8
OS Copilot——面向未来的AI大模型
|
5天前
|
人工智能 安全 数据库
AiCodeAudit-基于Ai大模型的自动代码审计工具
本文介绍了基于OpenAI大模型的自动化代码安全审计工具AiCodeAudit,通过图结构构建项目依赖关系,提高代码审计准确性。文章涵盖概要、整体架构流程、技术名词解释及效果演示,详细说明了工具的工作原理和使用方法。未来,AI大模型有望成为代码审计的重要工具,助力软件安全。项目地址:[GitHub](https://github.com/xy200303/AiCodeAudit)。
|
5天前
|
人工智能 IDE 程序员
与1.0 相比,通义灵码 2.0 AI 程序员有哪些功能、亮点、优势、场景?
通义灵码2.0相比1.0新增了工程级编码任务、单元测试生成和图片多模态问答等功能,支持多文件代码修改、批量生成单元测试及根据图片内容生成代码建议。亮点包括支持主流IDE、垂直智能体覆盖更多场景、企业级检索增强和灵活对话交互体验。技术优势涵盖多模态上下文感知、快速推理、企业数据个性化及一流代码生成效果。典型应用场景有新功能开发、跨语言编程、单元测试自动生成和错误排查修复。
128 7
|
17天前
|
人工智能 供应链 搜索推荐
大模型进化论:AI产业落地将卷向何方?
大模型进化论:AI产业落地将卷向何方?
62 11
|
25天前
|
机器学习/深度学习 存储 人工智能
淘天算法工程师玩转《黑神话》,多模态大模型如何成为天命AI
淘天集团未来生活实验室的算法工程师们以ARPG游戏《黑神话:悟空》为平台,探索多模态大模型(VLM)在仅需纯视觉输入和复杂动作输出场景中的能力边界。他们提出了一种名为VARP的新框架,该框架由动作规划系统和人类引导的轨迹系统组成,成功在90%的简单和中等难度战斗场景中取得胜利。研究展示了VLMs在传统上由强化学习主导的任务中的潜力,并提供了宝贵的人类操作数据集,为未来研究奠定了基础。
|
25天前
|
人工智能 缓存 安全
每一个大模型应用都需要一个 AI 网关|场景和能力
本次分享的主题是每一个大模型应用都需要一个 AI 网关|场景和能力。由 API 网关产品经理张裕(子丑)进行分享。主要分为三个部分: 1. 企业应用 AI 场景面临的挑战 2. AI 网关的产品方案 3. AI 网关的场景演示

热门文章

最新文章