不装 OpenClaw，我用 30 行 Python 搞了个 QQ AI 机器人

ofox
3 阅读4分钟

刷掘金热榜全是 OpenClaw 接 QQ Bot 的教程，看起来很香：扫码创建机器人、一键接入 AI、5 分钟搞定。

但我下载完 OpenClaw 一看——800MB 的客户端，Electron 套壳，内存 1.2G 起步。我就想让机器人在群里回答问题而已，有必要装这么重的东西？

于是我试了另一条路：QQ 官方 Python SDK + 任意大模型 API，30 行代码搞定一个能在 QQ 群里聊天的 AI 机器人。不用装任何桌面客户端，一个 Python 脚本跑在服务器上就行。

先说结论

方案部署方式资源占用灵活性上手难度
OpenClaw + QQ桌面客户端内存 1.2G+开箱即用但定制难⭐
botpy + AI APIPython 脚本内存 50MB想接什么模型接什么⭐⭐
go-cqhttp（非官方）Docker/二进制内存 30MB功能最全但有封号风险⭐⭐⭐

我最终选了 botpy（QQ 官方 SDK），原因很简单：官方支持 = 不怕封号。

准备工作：3 分钟注册 QQ 机器人

腾讯上周刚开放了个人开发者注册（终于！），流程很快：

  1. 打开 QQ 开放平台，手机 QQ 扫码登录
  2. 点「创建机器人」，填个名字和简介
  3. 拿到 appid 和 token

一个 QQ 号最多创建 5 个机器人。注意：目前个人开发者只能在群聊里用，私聊功能还没开放。

核心代码：30 行搞定

先装依赖：

pip install qq-botpy openai

然后就是完整代码了：

# qq_ai_bot.py
import botpy
from botpy.message import GroupMessage
from openai import OpenAI

# AI 客户端 - 兼容 OpenAI 协议的都能用
ai = OpenAI(
    api_key="your-api-key",
    base_url="https://api.ofox.ai/v1"  # 我用的聚合接口，Claude/GPT/Gemini 随便切
)

class MyBot(botpy.Client):
    async def on_group_at_message_create(self, message: GroupMessage):
        """群里被 @ 时触发"""
        user_msg = message.content.strip()
        if not user_msg:
            return

        # 调大模型
        resp = ai.chat.completions.create(
            model="claude-sonnet-4-20250514",  # 换成任意模型
            messages=[
                {"role": "system", "content": "你是一个 QQ 群里的 AI 助手，回复简洁有趣。"},
                {"role": "user", "content": user_msg}
            ],
            max_tokens=500
        )
        answer = resp.choices[0].message.content

        # 回复消息
        await message.reply(content=answer)

intents = botpy.Intents(public_messages=True)
client = MyBot(intents=intents)
client.run(appid="your-appid", secret="your-secret")

没错，就这么多。on_group_at_message_create 是群里 @机器人 时的回调，拿到用户消息 → 丢给大模型 → 回复。

进阶：加上多轮对话记忆

光能一问一答太无聊了，加个简单的上下文记忆：

from collections import defaultdict, deque

# 每个群维护最近 10 轮对话
chat_history = defaultdict(lambda: deque(maxlen=20))

class MyBot(botpy.Client):
    async def on_group_at_message_create(self, message: GroupMessage):
        user_msg = message.content.strip()
        if not user_msg:
            return

        group_id = message.group_openid
        history = chat_history[group_id]
        history.append({"role": "user", "content": user_msg})

        messages = [
            {"role": "system", "content": "你是 QQ 群里的 AI 助手，回复简洁有趣，不超过 200 字。"}
        ] + list(history)

        resp = ai.chat.completions.create(
            model="claude-sonnet-4-20250514",
            messages=messages,
            max_tokens=500
        )
        answer = resp.choices[0].message.content
        history.append({"role": "assistant", "content": answer})

        await message.reply(content=answer)

用 deque(maxlen=20) 自动滚动，内存占用几乎为零。如果你想更持久，换成 Redis 或 SQLite 都行，但对于群聊机器人来说，记住最近几轮就够了。

踩坑记录

坑 1：botpy 版本混乱

pip install botpy 装的不是官方版本！QQ 官方的包名是 qq-botpy：

# ❌ 错误
pip install botpy

# ✅ 正确
pip install qq-botpy

装错了会报一堆莫名其妙的 import 错误，我在这上面浪费了半小时。

坑 2：群聊需要额外申请

个人开发者创建完机器人后，默认只有频道权限。想在QQ 群里用，需要在开放平台后台额外勾选「群聊」场景，然后等审核（大概 1-2 小时）。

很多教程没提这一步，导致代码写好了机器人死活不响应。

坑 3：消息里的 @前缀 要处理

用户在群里 @机器人 发消息时，message.content 前面会带一个 @机器人名字 的前缀（注意有个空格）。如果不处理，这段文字会一起发给大模型，导致回复很奇怪。

# 清理 @ 前缀
user_msg = message.content.strip()
if user_msg.startswith(f"@{bot_name}"):
    user_msg = user_msg[len(f"@{bot_name}"):].strip()

坑 4：回复有频率限制

QQ 机器人有频率限制：被动回复每分钟最多 5 条（个人开发者），超过会被静默丢弃，不报错。

解决方案：对于长回复，先截断到 500 字以内；对于高频群，加个 cooldown：

import time

last_reply = {}

async def on_group_at_message_create(self, message: GroupMessage):
    group_id = message.group_openid
    now = time.time()
    if now - last_reply.get(group_id, 0) < 12:  # 12秒冷却
        return
    last_reply[group_id] = now
    # ... 正常处理

模型怎么选？

QQ 群聊场景比较特殊：消息短、要求响应快、上下文碎片化。我试了几个模型的体验：

模型响应速度群聊效果适合场景
GPT-4.1-mini0.8s回复质量高但偶尔太长技术群
Claude Sonnet1.2s语气自然，长度适中通用群
Gemini Flash0.5s最快，但中文偶尔拉胯对速度要求高
Qwen-Plus0.6s中文最好，回复接地气中文闲聊群

我最后在代码里用的是 Claude Sonnet，因为群聊场景下它的回复长度和语气最合适。如果你更在意速度，Gemini Flash 是最快的。这些模型我都是通过一个聚合接口调的，改个 model 参数就切换了，不用管各家 API 的差异。

部署：丢到服务器上跑

本地测试没问题后，直接 nohup 挂后台就行：

nohup python3 qq_ai_bot.py > /tmp/qqbot.log 2>&1 &

想更稳定可以用 systemd 或 supervisor，但说实话对于个人用的小机器人，nohup 够了。

小结

全网都在装 OpenClaw 搞 QQ 机器人，但如果你只是想让机器人能聊天、能回答问题，完全没必要装一个 800MB 的桌面客户端。QQ 官方 SDK + 一个 AI API，30 行 Python 就够了。

当然 OpenClaw 的优势在于它的多 Agent 能力和可视化配置，如果你需要复杂的工作流编排，那确实比自己写代码方便。但对于「群里 @机器人问个问题」这种简单场景，轻量方案完全够用。

代码我放 GitHub 了，有问题评论区聊。

avatar
文章
阅读
粉丝