利用 QiweAPI 群消息实时回调与大模型（LLM）的总结能力，将海量群聊碎片转化为结构化的每日简报。
能力介绍
- 群消息全量监听：通过 API 实时获取指定企微群内的所有对话内容，包括文本、@信息、图片描述及文件记录。
- 长文本语义压缩：采用词向量或分段聚合技术，将上千条聊天记录喂给 AI，自动剔除无意义表情与闲聊。
- 核心议题提取：AI 自动识别群内讨论的热点问题、客户反馈、待办事项及意向线索。
- 多维简报生成：支持按小时、按天或按周自动生成 HTML/Markdown 格式的任务摘要，并定时推送到指定的管理群。
10 分钟接入 Demo
- 开启群回调：在 QiweAPI 后台绑定目标群聊 ID，设置接收消息的服务器地址。
- 数据流存储：后端接收 POST 推送的消息，按
chat_id和timestamp存入临时数据库（如 Redis 或 MongoDB）。 - 定时触发总结：设定 Cron 任务（如每晚 22:00），调用总结脚本将当日数据发送至 LLM 处理。
- 摘要回传：将 AI 生成的简报通过
send_group_msg接口发送至负责人或运营群。
API 示例代码
以下展示了如何自动化收集并总结群消息的核心流程：
import requests
# 接口与配置
QIWE_MSG_LOGS = "http://api.qiweapi.com/get_group_chat_log"
QIWE_SEND_URL = "http://api.qiweapi.com/send_group_msg"
AI_SUMMARIZE_URL = "https://api.openai.com/v1/chat/completions"
def daily_group_summary(group_id):
# 1. 拉取当日群聊记录
res = requests.get(QIWE_MSG_LOGS, params={"group_id": group_id, "limit": 1000})
messages = [m['content'] for m in res.json()['data']]
combined_text = "\n".join(messages)
# 2. 调用 AI 提取摘要
prompt = f"请总结以下群聊记录，提取：1.核心议题 2.待办事项 3.客户情绪\n内容：{combined_text}"
ai_res = requests.post(AI_SUMMARIZE_URL, json={
"model": "gpt-4-turbo",
"messages": [{"role": "user", "content": prompt}]
}, headers={"Authorization": "Bearer KEY"}).json()
summary = ai_res['choices'][0]['message']['content']
# 3. 将简报推送到管理群
requests.post(QIWE_SEND_URL, json={
"to_group": "MANAGER_GROUP_ID",
"content": f"📝 今日群动态摘要：\n{summary}",
"api_key": "YOUR_KEY"
})
使用场景说明
- 客户服务质量抽检：无需逐个翻看服务群，AI 自动汇总每日投诉点与高频咨询，辅助决策。
- 项目协同进度跟踪：在开发或交付群中，自动提取成员汇报的完成情况，一键生成项目周报。
- 社群活跃度分析：识别群内最活跃的话题和贡献者，评估运营活动的效果及用户参与度。
- 商机线索捕获：在大型行业交流群中，AI 自动筛选带有“需求”、“报价”、“寻找”等意图的发言。
FAQ
-
Q：群消息太多，超过了大模型的 Token 限制怎么办？
- A：建议采用“滑动窗口”模式，按每 100 条消息为一个批次进行初步摘要，最后将所有批次的摘要合并做二次提炼。
-
Q：可以只总结特定成员或 @ 机器人的消息吗？
- A：可以。在过滤逻辑中根据
sender_id或is_at_me字段进行筛选，仅处理目标数据。
- A：可以。在过滤逻辑中根据
-
Q：如何确保实时性？
- A：除了定时任务，您也可以设置触发机制，例如当群内出现关键词“紧急”或“总结”时，API 立即触发 AI 生成即时快报。
