用 Python 10 行代码给企业微信接入 AI 客服（附完整源码）

背景

公司用企业微信做客服，每天重复回答大量相似问题。试过龙虾（OpenClaw），个人聊天场景确实好用，但企业客服场景有些不够：

• 需要对接企微的客服 API（不是个人聊天）
• 需要自选模型（Claude/GPT/DeepSeek，哪个便宜用哪个）
• 需要对话记忆（客户分多次问，上下文不能丢）
• 需要自部署（客户数据不能跑到第三方平台）

找了一圈没有现成的轻量方案，就自己写了一个开源框架：WeComBot。

GitHub：github.com/hi-xXX/weco… PyPI：pip install wecom-ai-bot

分享一下实现过程，希望对有类似需求的同学有帮助。

最终效果

10 行核心代码，企微客服就能自动回复 AI 生成的内容：

from wecombot import WeComBot
from wecombot.ai import AIChatHandler
from wecombot.ai.providers import AnthropicProvider
from wecombot.memory import LocalMemory

bot = WeComBot("config.yaml")
provider = AnthropicProvider(api_key="你的API Key")
memory = LocalMemory("./history")
ai = AIChatHandler(provider=provider, memory=memory,
                   system_prompt="你是XX公司的客服助手，回答要简洁专业。")

@bot.on_text
async def handle(bot, msg):
    reply = await ai.handle(msg.content, msg.external_userid)
    await bot.reply(msg, reply)

bot.run()

技术方案

为什么用企微客服 API 而不是 Webhook？

企微有两种机器人接入方式：

	Webhook 机器人	客服 API
能力	只能往群里发消息	完整收发、加解密、客户管理
场景	告警通知	对外客服
双向通信	❌	✅
适合 AI 对话	不适合	适合

客服 API 才是做 AI 客服的正确选择。

架构

客户微信 → 企微客服 → Webhook回调 → WeComBot → AI模型 → 回复
                         ↓
                    AES-CBC 解密
                    消息去重
                    异步处理

核心模块：

• 消息加解密：企微回调消息是 AES-CBC 加密的，必须正确解密
• Token 管理：access_token 有效期 2 小时，需缓存+自动刷新
• 消息去重：企微可能重复推送同一条消息，用 msgid 做去重
• 异步处理：收到回调立即返回 200，AI 处理放后台

多模型支持

不绑定任何一家 AI 服务，通过 Provider 抽象层支持所有主流模型：

# Claude
from wecombot.ai.providers import AnthropicProvider
provider = AnthropicProvider(api_key="sk-ant-xxx")

# GPT
from wecombot.ai.providers import OpenAIProvider
provider = OpenAIProvider(api_key="sk-xxx")

# DeepSeek（或任何 OpenAI 兼容接口）
provider = OpenAIProvider(
    api_key="你的key",
    base_url="https://api.deepseek.com/v1"
)

# 本地 Ollama
provider = OpenAIProvider(base_url="http://localhost:11434/v1")

所有 Provider 都是纯 httpx 实现，不依赖任何官方 SDK，零外部依赖冲突。

对话记忆

客服场景需要记住上下文。框架内置两种记忆方案：

• LocalMemory：JSON 文件存储，每个客户一个文件，适合单机部署
• RedisMemory：Redis 存储，支持多实例共享，适合集群部署

# 单机
memory = LocalMemory("./history")

# 集群
from wecombot.memory import RedisMemory
memory = RedisMemory(redis_url="redis://localhost:6379")

插件系统

除了 AI 对话，还可以用插件处理特定场景：

from wecombot.plugins import BasePlugin

class PriceQueryPlugin(BasePlugin):
    name = "price_query"
    description = "查询产品价格"

    async def can_handle(self, message):
        return "价格" in message.content or "多少钱" in message.content

    async def handle(self, bot, message):
        # 查数据库，返回价格
        return "我们的标准版价格是 999 元/年，详情请咨询销售。"

bot.use(PriceQueryPlugin())

插件优先于 AI 处理——匹配到插件就直接回复，不消耗 AI token。

部署

Docker 一键启动：

docker compose -f docker/docker-compose.yml up -d

用 cloudflared 暴露到公网（免费）：

cloudflared tunnel --url http://localhost:8000

把 tunnel URL 填到企微后台的回调地址里就完事了。

企微后台配置（5 分钟）

1. 登录 企微管理后台
2. 进入「客服」→ 创建客服账号
3. 记下 corp_id、secret、kf_account
4. 设置回调 URL，获取 token 和 encoding_aes_key
5. 填入 config.yaml

详细图文教程见 文档。

合规说明

项目仅使用企业微信官方开放 API，不涉及任何逆向工程或非授权协议。

这和 WeChatPadPro、itchat 等方案有本质区别——那些走的是非官方协议，有法律风险（已有判赔 500 万的案例）。企微客服 API 是腾讯自己开放的，完全合规。

源码

MIT 协议开源，欢迎 Star 和 PR：

• GitHub：github.com/hi-xXX/weco…
• PyPI：pip install wecom-ai-bot

如果你也在做企微 AI 客服，欢迎交流。