如何在微信或飞书群部署跨境Ai机器人

最近有很多新手朋友来问我一些基础的入门问题，确实有点回复不过来了，我就想着做一个coze Ai机器人来帮我回复一些简单的问题。

同时，这两天我把Coze专业版开通了，大致功能和普通版是一样的，只是调用api的次数不再限制到100次，而是无限次调用。现在有1元资源包可以购买，够玩一年了。既然调用次数不受限制了，我就可以把coze机器人接入到微信群或者其他平台，不再限于飞书APP。

摸索了一波之后，终于做出了第一版的跨境电商领域的问答机器人Ai小星。这次，我会把所有的流程都梳理清楚，做出教程。有能力的朋友可以自行部署，想体验的朋友，可以在文章末尾找到二维码进群体验，目前暂时免费。如果不想看教程的朋友，请直接滑到文章最后。

Coze制作机器人

需求

我已经做过了几个agent机器人，深刻体会到了技术并不是最关键的，而是在于对行业、对业务的理解，不断的去完善整个流程，优化提示词。其中，最耗时间的是调试环节。所以，我对第一版跨境小星的要求是先具有基础功能，后续功能可以持续迭代。

第一版的需求是：

联网搜索回答用户问题
引用知识库
每天定时推送跨境热点新闻目前，coze的知识库功能不是很好用，对于知识文档的识别分段能力相对弱一点。但是我先把功能做好，说不定后面有更新。联网搜索功能可以借助一些扣子官方的插件实现。每天推送新闻就是一个定时触发的功能。不同的能力通过不同的工作流来编排，减少响应时间。

创建

目前第一版是两个功能，联网搜索回答和新闻推送，分别用了两个工作流去实现。

工作流 qa_search_rag

联网搜索回复是类似于秘塔搜索或者Perplexity这种搜索引擎。工作流中我使用扣子官方的bing search插件去实现联网搜索。国内版本中用必应搜索引擎，效果已经够用了。

知识库共用的是之前做过的几个机器人的资料。说实话，知识库效果不好，应该说差的远。因为制作知识库是两个过程，一个是整理资料，一个是分段embedding。

资料收集本身就是一件很费时间的工作，而且有可能收效甚微，高质量的信息源很可贵，文件的格式也是五花八门的。而文件的分段对纯文本资料比较友好，图片，pdf类型的效果不好。所以就需要一些专门做知识库RAG的平台，如fastGPT，MaxKB等。

还是先埋下一颗种子，等到技术成熟，或者我掌握了更多技能再去测试。在这里，你需要知道的是，目前这版机器人的知识库能力很弱。

工作流 get_news

第二个工作流是利用字节的微头条产品，获取跨境电商相关的新闻。普通类的新闻不用太纠结媒体渠道，对于热点新闻，各大媒体都会有所报道。

测试

由于专业版目前只能选择豆包pro的大模型，所以我在工作流内和外层的bot中都使用了doubao-pro-32k/functioncall版本。图中看到已经可以正常调用两个工作流，回复问题和新闻推送。

调试是个体力活，要不断的根据输出结果去调整提示词或者功能，慢慢靠近自己想要的效果。我觉得不断去迭代这个机器人才会在长期的工作中帮得上忙。如果做完一次就不更新了，那其实用处并不大。因为大模型在变，agent的能力在变，业务环境逻辑都在变，但机器人不变，能用就奇怪了。

所以说调试或制作agent，技术并不是最关键的。**关键的是足够深的业务理解和恰到好处的技术能力，再加上一些灵光乍现的创意。**不深耕业务的话，提示词很难优化到生产级别，因为你不知道什么样的输出是一个好的效果。

发布

发布需要勾选扣子商店（可选）、飞书和Bot as API。

发布到飞书需要先在飞书创建一个团队，授权扣子，用管理员权限，然后去通过这个APP。

用API发布需要创建一个token，这个是接入微信或者其他平台用的。先保存token，暂时不用，接着往下进行。

同时在这里获取机器人的bot id，也是先保存，等下再用。

Coze部署飞书

由于是字节自家产品，部署飞书比较方便。可以在应用管理界面打开免审权限，这样不用每次审核。应用权限可以根据实际情况去开关。

部署飞书会比微信有一个额外的好处，就是可以不限制的私聊。微信机器人私聊需要加好友，而好友加的多了就会触发风控。但是飞书可以直接私聊，完全不用担心风控。下图演示的就是私聊的界面。

微信Ai机器人

购买服务器

Coze机器人部署微信需要在云服务器上运行，也可以在本地电脑运行。如果有nas的话，也可以部署在docker。我实际测试了云服务器和nas docker的部署。

大多数朋友应该还是会部署在云服务器上。阿里云和腾讯云或者其他什么云都可以，选最低配置就行。这里以腾讯云为例，购买第一年服务器只需99元。

在腾讯云优惠界面选择云服务器，地址可以选择离自己的实际位置较近的地方。系统选择Linux Ubuntu带docker版本。购买完成会发送ip地址，账号密码。

登录服务器

可以直接在腾讯云后台登录，也可以在本地电脑用系统自带的功能或者第三方软件实现登录，方法略有差异。我是MacOS系统，加上颜值党在线，就选择了Termius第三方登录。这是Termius和腾讯云的登录界面，大家根据自己的情况来选择。

登录服务器后用命令检查下系统是否配置了Python，如果返回了python版本的号就是正常的。

python3 --version

云服务器部署COW

部署微信Ai机器人用到的githup代码库是chatgpt-on-wechat，简称COW，下面放的代码都是来自于原作者。

源码：https://github.com/zhayujie/chatgpt-on-wechat

1 下载源码

首先从githup下载代码。由于云服务器ip选择的是国内的，代码经常下载不下来，需要多试几次。实在下载不来，可以提前在自己电脑存一份，上传到云服务器。

git clone https://github.com/zhayujie/chatgpt-on-wechat
cd chatgpt-on-wechat/

2 安装依赖

安装依赖还是会用到网速，下载不下来，继续多下载几次，至少确保必选依赖全部安装成功。

pip3 install -r requirements.txt                # 必选依赖
pip3 install -r requirements-optional.txt       # 可选依赖，语音、tool插件等功能需要

3 配置

复制config template模板文件，需要自定义大模型api的可以参考config.py文件里的配置，把需要用到的api和地址更换到config.json即可。

cp config-template.json config.json

4 运行程序

先创建nohup.out的日志，再执行程序。nohup命令可以让程序持续运行。

touch nohup.out                                   # 首次运行需要新建日志文件  
nohup python3 app.py & tail -f nohup.out          # 在后台运行程序并通过日志输出二维码

5 停止程序

如果需要停止程序，先找到pid，再kill掉。

ps -ef | grep app.py | grep -v grep              # 查看当前进程的pid
kill -9 <pid>                                    # 关闭程序

如果你只需要让微信Ai机器人接入大模型，原作者的教程到这里就结束了。实际使用中会有一个问题，重复部署不会关闭之前扫码登录过的微信小号，这样会导致占用进程，耗费服务器资源，拖慢机器人回复的速度。所以有技术大佬多写了几行代码解决了这个问题，由于教程没有公开，我就不放代码了，相信原作者也会在后面优化的。

Docker部署COW

互联网时代，中年油腻的三大特征，路由器，充电头和nas。我竟然都集齐了。。。好吧，既然都有nas了，还要什么云服务器，有道理，说干就干。

我入的是极空间的Z4Pro，买的时候就想到了自己肯定会折腾docker，就买了16g内存版本。Nas中拉取COW镜像还是挺方便的，拉取完成后直接启动，安装依赖，简直就是一气呵成。安装代码和上文列出的一致，有nas的朋友可以自行测试。

因为nas的docker相当原生，我又安装了nano编辑器。主打一个缺什么，装什么。安装完成后，实测跑微信机器人还是挺丝滑的。

Coze部署微信

好了，现在进入重头戏。Coze部署微信的原理是改动几个核心的配置，在代码中添加coze的模型和api。教程来自于WaytoAGI梦飞的飞书公开文档，下面我按自己的理解说明。

原教程：https://waytoagi.feishu.cn/wiki/NB3nwtUC0iDLYxkIkSYc0WRznGg

修改代码

1.在chatgpt-on-wechat根目录中，修改config.py，在available setting字典末尾增加coze api接口地址。

    # Coze
    "model": "coze",
    "coze_api_base": "https://api.coze.cn/open_api/v2",
    "coze_api_key": "",
    "coze_bot_id": "",

2.在chatgpt-on-wechat/bot目录中，创建文件夹，命名为“bytedance”。然后在文件夹中上传bytedance_coze_bot.py文件。

3.在chatgpt-on-wechat/bot目录中，修改bot_factory.py，在create_bot函数末尾引用coze机器人程序。

elif bot_type == const.COZE:
    from bot.bytedance.bytedance_coze_bot import ByteDanceCozeBot
    return ByteDanceCozeBot()

4.在chatgpt-on-wechat/common目录中，修改const.py，在bot_type末尾添加bot。

COZE = "coze"

5.在chatgpt-on-wechat/bridge目录中，修改bridge.py，在model_type中添加模型。

if model_type in [const.COZE]:
    self.btype["chat"] = const.COZE

修改配置

最后在config.json中填写coze api的接口地址和自制机器人的bot id。还记得刚刚在发布飞书机器人时候保存的bot id和token吗，这里派上了用场。

  "model": "coze",
  "coze_api_base": "https://api.coze.cn/open_api/v2",
  "coze_api_key": "填写coze token",
  "coze_bot_id": "填写bot id",

好了，微信机器人的步骤到此结束。我们运行代码，看下实际效果。

大家想体验的可以进入微信群，或者飞书群。微信小号怕麻烦，就取消了私聊。如果你想私聊机器人，可以进飞书团队，找到机器人私聊。想在微信群体验，就扫微信二维码。想进飞书私聊，就扫飞书二维码。

未来计划

抛开Agent的制作过程和部署微信的繁琐，我希望给机器人加上更多可以实现业务需求的功能，做一款跨境Ai版的瑞士军刀。在不重复造轮子的前提下，实现用Ai重塑实际工作中的SOP。

也许今天你玩了一下，说这不就是个垃圾吗。但我希望在不断的优化下，让他能够成为一个真正可以达到生产级别的Ai机器人，真正的用Ai提升工作效率，不只是拿来当玩具。这是我目前发布的几款机器人，都深度结合了工作，不只是给个提示词那么简单。

国内扣子：https://www.coze.cn/user/3283617400501600

国外coze：https://www.coze.com/user/7329456968954135553

未来我会从这些方面优化：

小功能的增加：对待玩具，我的思路是先广再精。如果一开始我不断的优化一个功能，那肯定是出不来了。我计划增加一些实用的小功能，增加可玩性，如第一版的新闻功能。
主要能力的增加：新鲜感很快会过去，冷静下来，我们会思考这个机器人会给我们带来什么帮助。我计划增加一些主力的功能，让机器人能够往生产级别靠近。
知识库的完善：该啃的骨头还是要啃的。我会着重对文档分段做进一步的了解。我知道一些可以更好分段的工具，但是没有时间去尝试。
平台迁移：考虑到coze知识库功能不够完善，有可能迁移到FastGPT、MaxKB这类知识库更强的平台。也会考虑用dify进行私有化部署尝试，根据实际工作需求定制。扣子这类的Ai Agent平台给了我们这些非程序员实现自己想法的一个途径。Ai时代的来临已经是大势所趋，Ai并不会取代人的工作，取代的是不会用Ai的人。

参考资料

LinkAI教程：https://docs.link-ai.tech/cow/quick-start

梦飞教程：https://waytoagi.feishu.cn/wiki/NB3nwtUC0iDLYxkIkSYc0WRznGg