把 DeepSeek、GPT、Claude 接进微信、QQ、飞书、Telegram，不用写一行代码。
你可能已经习惯在网页里和 AI 聊天，但有没有想过：如果 AI 就住在你每天用的聊天软件里，在群里帮大家答疑，在私聊里当你的助理，或者在公司的企业微信里做 7×24 小时客服，会方便多少？
LangBot 做的就是这件事。它是一个开源的 AI 聊天机器人平台：一头连着各种大模型，一头连着各种聊天软件，中间再提供一个网页管理面板，鼠标点几下就能配置好。
这篇教程面向完全没有经验的新手，会讲清楚四件事：LangBot 是什么、怎么装、怎么让机器人第一次开口说话，以及之后怎么把它变得更聪明。
一、LangBot 是什么？
一句话：LangBot 是 AI 和聊天软件之间的「万能转接头」。
- 支持的聊天平台很多：QQ（个人号和官方机器人）、个人微信、微信公众号、企业微信、飞书、钉钉、Discord、Telegram、Slack、LINE、KOOK 等，还能把聊天窗口嵌进自己的网站。
- 支持的大模型很多：OpenAI、Anthropic（Claude）、Google Gemini、DeepSeek、月之暗面、智谱，以及阿里云百炼、硅基流动、火山方舟等国内平台，也能接本地运行的 Ollama、LM Studio。
- 能对接现成的 AI 应用平台：如果你已经在 Dify、Coze、n8n、Langflow 上搭好了工作流，可以直接接到聊天软件里，不用重做。
- 功能完整：知识库（RAG）、插件市场、MCP 工具、访问控制、限流、敏感词过滤、运行监控都有。
- 开源免费：代码公开在 GitHub，可以部署在自己的电脑或服务器上，数据由你自己掌握。
二、先认识四个概念
LangBot 的管理面板里，你主要会和下面四样东西打交道。先把它们的关系弄清楚，后面的操作会顺很多。
| 概念 | 通俗理解 | 作用 |
|---|---|---|
| 模型 | 机器人的「大脑」 | 负责理解问题、生成回答，比如 DeepSeek、GPT-4o |
| 机器人 | 机器人的「嘴和耳朵」 | 连接某个聊天平台，负责收发消息 |
| 流水线 | 机器人的「做事规矩」 | 决定收到消息后怎么处理：什么时候回复、用哪个模型、人设是什么、能不能查知识库 |
| 知识库 | 机器人的「参考资料」 | 上传你的文档，让机器人根据资料回答 |
一条消息走过的路线大致是：
用户发消息 → 机器人接收 → 流水线处理（调用模型、查知识库、用工具）→ 机器人把回答发回去
还有两点规则：
- 一个机器人绑定一条流水线，一条流水线可以同时给多个机器人用。
- LangBot 首次启动时会自动建好一条默认流水线。你配置的第一个对话模型会自动设为它的模型，新建的机器人也会自动绑定它。所以新手几乎不用碰流水线，就能先跑起来。
在新版面板里，流水线、Agent、插件处理器统称为「处理器」，都是用来处理消息事件的。新手先用流水线就够了。
三、安装：三种方式选一种
方式 A：LangBot Cloud（最省事）
完全不想碰命令行的话，可以访问 space.langbot.app/cloud 注册使用云端版本，不用部署。
云端版还有一个好处：企业微信、公众号、QQ 官方机器人、飞书、钉钉这些平台要求填写一个公网可访问的「回调地址」，自己部署就得准备公网服务器、域名和 HTTPS 证书，Cloud 版把这些都处理好了。
方式 B：一行命令启动（适合个人尝鲜）
- 按 uv 官方文档安装
uv（一个 Python 工具管理器）。 - 新建一个空文件夹，在里面打开终端，执行：
uvx langbot@latest
- 等启动完成后，用浏览器打开
http://localhost:5300。
这个文件夹会被当作 LangBot 的工作目录，配置和数据都存在里面。这种方式适合测试和个人使用；正式长期运行建议用 Docker。
方式 C：Docker 部署（推荐长期使用）
- 安装 Git 和 Docker（Windows / macOS 装 Docker Desktop 并保持运行，Linux 装 Docker 和 Docker Compose）。
- 在终端中执行：
git clone https://github.com/langbot-app/LangBot
cd LangBot/docker
docker compose --profile all up -d
- 本机部署打开
http://localhost:5300；部署在服务器上则打开http://你的服务器IP:5300。
几个小提示：
- 中国大陆用户如果拉取镜像很慢，可以先编辑
docker/docker-compose.yaml，把里面所有的rockchin/langbot:latest替换成docker.langbot.app/langbot-public/rockchin/langbot:latest，再启动。 - Linux 用户建议把项目放在
/opt这类普通目录，不要放在/root、/etc等系统目录。 - 部署在服务器上时，请用防火墙限制管理端口的访问，只允许可信的来源连接。
四、初始化：创建管理员账号
第一次打开管理页面，会看到「初始化 LangBot」页面，有两种方式：
- 通过 LangBot 账号初始化（推荐）：用 LangBot Space 账号登录。初始化后，官方的 LangBot Models 模型服务会自动加入你的实例，并附带一定的免费调用额度，不用自己申请 API Key，马上就能和机器人对话。
- 注册本地账号：用邮箱加密码注册，不依赖任何云服务。这种方式之后需要自己添加模型。
无论选哪种，这里注册的账号都是管理员账号。登录方式也不影响其他功能，以后随时可以添加其他来源的模型。
五、跟着向导，让机器人第一次开口
初始化完成后，可以使用面板里的「快速开始向导」。向导一共四步：
- 平台接入：选择要接入的聊天平台。
- 机器人配置：填入该平台要求的凭据（比如 Token、AppID、密钥等），点击「保存并启用」，然后去聊天软件里给机器人发一条消息。向导检测到消息后，才会让你进入下一步。这样连接是否成功一目了然。
- AI 引擎：如果用 LangBot 账号初始化，默认 AI 已经配好，可以直接用；也可以选「改成使用自己的模型」，或者「接入外部平台 Agent」（Dify、n8n、Coze 等）。
- 完成：机器人和流水线会自动关联，回到工作台即可管理。
跳过了向导也没关系，之后可以在账户菜单里重新进入，也可以按下面的方法手动配置。
以 Telegram 为例
Telegram 不需要公网 IP，也不用配置回调地址，很适合第一次练手：
- 在 Telegram 里找到官方的 BotFather，发送
/newbot，按提示设置机器人名称和用户名（用户名要以bot结尾）。 - BotFather 会返回一串 Token，请妥善保存，不要发到群里或截图外传。
- 在 LangBot 的「机器人」页面新建机器人，平台选 Telegram，填入 Token，启用并保存。
- 在 Telegram 里打开你的机器人，点击 Start，发一句「你好」。
几秒后收到回复，就说明成功了。
注意：运行 LangBot 的机器需要能访问 Telegram 的服务器；同一个 Token 只能由一个 LangBot 实例使用，否则会冲突。
其他平台的接入步骤各不相同，官方文档的「机器人」章节为每个平台都准备了单独的教程。
六、自己添加模型
如果你注册的是本地账号，或者想换用自己的模型，到「模型」页面添加即可。LangBot 用的是「供应商 + 模型」两层结构：
- 供应商：填写 API 地址（Base URL）和 API Key，比如 DeepSeek、OpenAI，或者某个中转站。
- 模型：挂在某个供应商下面，填写具体的模型名称，比如
deepseek-chat、gpt-4o。同一个供应商下的模型共用地址和密钥，不用重复填写。
添加模型时还要留意两个能力开关：
- 视觉能力：开启后机器人才能看懂图片（前提是模型本身支持）。
- 工具使用能力：开启后机器人才能调用工具。之后想用 MCP、插件工具、技能等功能，必须打开这个开关，否则机器人不会调用任何工具。
模型页面还有「嵌入模型」和「重排序模型」，它们是给知识库用的，后面会讲到。
七、调教你的机器人：流水线常用设置
在「流水线」页面打开默认流水线，就能修改机器人的「做事规矩」。最常用的有以下几项。
1. 改人设和模型（AI 能力）
运行器选 内置 Agent 时，可以设置：
- 模型：选一个主模型，还可以设置备用模型，主模型出错时自动切换。
- 提示词：就是机器人的「人设」。比如写上「你是一家咖啡店的客服，说话亲切简洁，只回答和咖啡、门店相关的问题」，机器人就会照这个风格回答。
- 知识库：选择要参考的知识库。
运行器也可以换成 Dify、n8n、Coze 等外部平台。这时模型、提示词和工具都由外部平台提供。
2. 群里什么时候回复（触发条件）
机器人在群聊里不会每条消息都回，否则会刷屏。默认规则是：
- 有人 @机器人 时回复；
- 或者消息以
ai开头时回复。
你可以改前缀、加正则匹配，也可以设置一个「随机回复概率」，让机器人偶尔主动插话。私聊则每条都会回复。
这里还能设置黑名单 / 白名单，控制哪些人或哪些群可以使用机器人。
3. 防刷屏和内容安全（安全控制）
- 敏感词过滤：默认开启。
- 限流：默认每 60 秒最多处理 60 条消息，超出的直接丢弃，防止被人恶意刷爆额度。
4. 回复格式（输出处理）
可以设置回复时是否 @ 提问者、是否引用原消息、出错时显示什么提示、是否去掉推理模型的「思考过程」等。
5. 改完先测试：对话调试
流水线页面自带「对话调试」，可以直接在网页里和机器人聊天、检验效果，不用每改一次就去聊天软件里试一遍。确认满意后再保存。
如果想让不同的群用不同的人设，比如技术群一个「技术顾问」、闲聊群一个「段子手」，就新建多条流水线，分别绑定到不同的机器人。
八、进阶：让机器人更聪明
知识库：让机器人根据你的资料回答
如果你希望机器人回答公司产品、内部规章这类专属问题，就该用知识库：
- 先在「模型」页面配置一个嵌入模型。不想额外花钱的话，可以直接选系统内置的「chroma-内置」嵌入模型，不用填任何参数。
- 知识库功能由 RAG 引擎插件提供，需要先从插件市场安装一个 RAG 引擎插件。
- 在「知识库」页面创建知识库，选择 RAG 引擎，填写参数，然后上传文档。LangBot 会在后台自动解析和建立索引。
- 回到流水线的「AI 能力」页（运行器需为内置 Agent），选中这个知识库。
之后机器人就会先查资料再回答。如果还想提高准确度，可以再配置一个重排序模型，让检索结果更精准。
插件市场：一键安装新功能
在「扩展」区域可以浏览扩展市场，一键安装插件；也可以安装别人分享的 .lbpkg 插件包，或者从 GitHub 安装。插件可以给机器人增加新工具、新命令、新的事件处理逻辑。有些插件需要填写配置项，点进插件详情页按提示填写即可。
MCP：接入成百上千种外部工具
MCP（模型上下文协议）是一个通用的 AI 工具标准，比如联网搜索、查天气、读写各种在线服务。在「MCP 服务器」页面可以从 LangBot Space 市场一键安装，也可以手动粘贴远程 MCP 服务的 URL。
使用 MCP 工具需要同时满足三个条件：
- 流水线使用内置 Agent；
- 所选模型打开了工具使用能力；
- 在流水线的扩展配置里启用了这个 MCP 服务器。
九、常见问题速查
问：机器人完全不回复？
答：按顺序检查：机器人是否已启用并保存；群聊里是否 @ 了机器人或使用了 ai 前缀；是否被黑白名单拦截；Telegram 私聊是否先点了 Start。最后去看机器人日志和监控页面里的报错。
问：回复「出错了」或者超时？ 答：多半是模型的问题。检查 API Key 是否正确、额度是否用完、模型名称是否写对，以及服务器能否访问模型的 API 地址。
问：机器人看不懂图片？ 答：确认模型本身支持视觉，并且在模型设置里打开了「视觉能力」。
问：装了 MCP 或插件工具，机器人却不用？ 答：确认模型打开了「工具使用能力」、流水线运行器是内置 Agent，并且在流水线里启用了相应扩展。
问：企业微信、飞书等平台要求填回调地址，我没有服务器怎么办？ 答：这类平台需要公网地址加 HTTPS。没有条件的话，可以使用 LangBot Cloud，或者先用 Telegram、Discord、QQ 个人号这类不需要回调地址的平台练手。
写在最后
回顾一下整个流程：安装 → 初始化账号 → 接入聊天平台 → 配置模型 → 调整流水线。走完这五步，你就有了一个属于自己的 AI 机器人。之后再按需求加上知识库、插件和 MCP，它可以是群聊里的气氛担当，也可以是企业里可靠的智能客服。
想了解更多：
- 官网与文档：
langbot.app - 源代码：
github.com/langbot-app/LangBot（喜欢的话可以点个 Star） - 插件市场与云服务：
space.langbot.app
祝你玩得开心！
