一日无书,百事荒废。——陈寿

做 IM 机器人,难的不是模型,是那十一个渠道

先说一件容易搞反的事

很多人以为做聊天机器人,核心是模型。

接个 API,写段提示词,能聊天了——demo 完成。然后你把它放到群里,问题开始出现:消息太长被截断、图片收不到、@ 的解析不对、群里有人刷屏、有人发广告、某个人一天调了三千次、某个平台要求三秒内必须返回否则重试。

模型一行没改,产品已经不可用了。

LangBot 就是从这个现实出发的项目。它的定位只有一句:生产级的 agentic IM 机器人平台。

项目地址:https://github.com/langbot-app/LangBot

副标题更直白:快速构建、调试,然后把 AI 机器人发到 Slack、Discord、Telegram、微信,以及更多地方。

注意动词的顺序:构建、调试、发布。

大多数同类工具停在第二个动词。

那一列渠道,才是真正的护城河

支持列表里有一张表,我建议你横着读,别竖着读。

Discord、Telegram、Slack、LINE、QQ、企业微信、微信、飞书、钉钉、KOOK、Satori、Email、Matrix。

十三个。

如果你只做英文市场,前四个就够了。而它把后面那一串也做了,意味着它接下了一堆别人不愿意碰的活。

比如 QQ——个人号和官方 API 两套,覆盖频道、私聊、群聊。这三个场景的消息模型完全不一样,一套代码要同时伺候。

比如微信——个人号和公众号。这两个东西的技术栈、审核流程、能力边界都不同,而它把两个都列成了「支持」。

比如企业微信——企业微信、外部客服、AI 机器人,三个入口。

再比如 Matrix——它自己是个协议,但下面桥接着 Signal、WhatsApp、Messenger、iMessage、Mattermost、Google Chat、IRC、XMPP、Zulip 等一堆平台。接一个 Matrix,相当于间接接了一串。

这些活有一个共同点:脏、碎、文档差、还经常变。

而它们恰好是「一个机器人能不能真的用起来」的分界线。你做了一个只支持 Discord 的机器人,那叫玩具;你做了一个同时支持 QQ 群和企微的机器人,那才叫能进公司。

「生产级」这三个字,落在五个词上

文档给这个词配了五个具体的东西:访问控制、限流、敏感词过滤、监控、异常处理。

这五样,没有一样是 demo 需要的,全都是上线之后才疼的地方。

访问控制——谁能用这个机器人?全员开放,还是只给某个部门?群里所有人都能触发,还是只有 @ 它的时候?

限流——一个人一分钟问三十次,你怎么办?把整个机器人拖慢,还是让第 31 次排队?

敏感词过滤——这一条在国内几乎是必选项,而且往往不是「过滤掉」这么简单,还要留痕、要能申诉。

监控——那张 dashboard 截图就在说这件事:消息量、模型调用、成功率、活跃会话,四个数字实时摆着。

异常处理——模型超时了怎么办?渠道断了怎么办?返回一个空白,还是返回一句「我这边出了点问题」?

这五个词凑在一起,才叫「生产级」。单独拿任何一个出来,都是半个功能。

它把「编排」这件事外包了

RAG 那一栏,有一个设计取向值得说。

它内置了知识库,但同时「深度集成」了 Dify、Coze、n8n、Langflow、Deerflow、Weknora。

这句话的意思是:它不打算自己做完整个 AI 编排。

工作流你用 n8n 搭,Agent 你用 Dify 配,知识库你用 Coze 管——LangBot 只负责最后一公里:把这些东西接到十三个 IM 渠道上,加上权限、限流、监控。

这个分工很清醒。AI 编排这个领域,工具迭代得比谁都快;今天流行 DAG,明天流行 graph,后天流行 agent handoff。一个做渠道的工具如果跟进去卷编排,两年后一定落后。

而渠道那部分恰好相反:它变化慢、脏活多、还离不开人肉适配。做这块,护城河反而更深。

装起来:四条路,最短的那条是一行

部署选项给得很全,而且明显分了层。

最快的是云:零部署,直接用。

自托管推荐一行脚本:macOS 和 Linux 上,用 curl 拉下官方安装脚本,直接管道给 bash;Windows 上是 PowerShell 的对应写法,irm 拉下来交给 iex。

这一行会先装 lbctl,也就是它的 CLI,然后用它部署 LangBot——默认原生方式,Python 自动配好;也可以选 Docker。不需要管理员权限。跑完之后打开 localhost:5300,以后升级就一句 lbctl upgrade。

标准的 Docker Compose 也在。把仓库克隆下来,然后:

1
2
cd LangBot/docker
docker compose --profile all up -d

此外还有 Zeabur、Railway 的一键部署,以及 Docker、手动、宝塔面板、Kubernetes 四份文档。

四条路对应四种人:想先看一眼的、想在自己机器上跑的、想丢到云上的、以及公司里必须走 K8s 的。

顺便说一句那个「不需要管理员权限」。这句话是写给一类人的:公司电脑上没 root,但又想跑个东西试试。这类人很多,而大部分文档不会想到他们。

两个不显眼但很实用的设计

网页面板。 文档特意写了一句:配置、管理、监控都在浏览器里,不用编辑 YAML。

这句话是写给被 YAML 折磨过的人的。自托管项目最常见的入门门槛,不是装不上,是装上了之后要改三个配置文件才能跑通第一条消息。而面板能把它变成一串表单。

多流水线。 同一个实例里,可以为一个场景配一条独立的机器人流水线——客服一条、内部工具一条、社区管理一条,各自有自己的配置和监控。

这条设计解决了一个很现实的矛盾:一个公司只有一个 IT,但业务部门各有各的需求。用一条流水线硬塞,最后所有配置都变成「为了兼容 X 场景」的补丁;拆成多条,谁出问题查谁。

「为 agent 而生」这一段,写得比很多同类项目硬

我原以为这一节会是「我们支持 MCP」这种一句话带过,结果它给了五样东西。

MCP 服务器。 内置在 /mcp 端点,镜像了 HTTP API。所以一个 agent 可以用它管理机器人、流水线、插件、模型。认证用的是同一套 API key——全局的在 config.yaml 里设,也可以给每个用户单独的 key——不需要登录流程。

「不需要登录流程」这五个字,是给 agent 用的关键。一个 agent 没法帮你点验证码、填表单、等邮件。

CLI。 lbctl 是独立仓库的,能通过 Service API 管理一个跑着的 LangBot 工作区,覆盖机器人、流水线、知识库、模型、插件、技能、MCP 服务器。

仓库内的 skills 目录。 文档说它是「和 LangBot 打交道的唯一真源」——插件开发、核心开发、端到端测试、部署、以及操作两个 MCP 服务器,全在里面。把 agent 指向这个目录,它就知道怎么干活。

AGENTS.md。 每个仓库都带一份,并且符号链接到 CLAUDE.md。它描述架构、约定,以及一条规矩:API 变更必须让 MCP 服务器和 skills 保持同步。

这条规矩值得单独夸一句。

因为「给 agent 写文档」最常见的失败方式,就是文档和代码各自漂移。三个月后 agent 按文档调一个已经不存在的接口,然后开始瞎猜。

而这里把它写成了一条约束,还写在了 agent 会读的那个文件里。等于告诉每一个改代码的人:你改的不只是 API,还有两处消费它的东西。

llms.txt。 网站上也发了一份给模型读的项目上下文。

五样东西凑起来,是一套完整的「让 agent 能自己操作你」的准备。不是加个 MCP 端点就完事,而是把文档、CLI、约束一起对齐了。

四个使用场景,都是「公司里真会发生的事」

那一节的表格,列了四类:客服、内部工具、社区管理、多平台存在。

客服:把 agent 放到 Slack、Discord、Telegram,用你的知识库回答。

内部工具:把 n8n 或 Dify 的工作流接到企微、钉钉,跑自动化流程。

社区管理:用 AI 做内容过滤和互动,管 QQ 群、Discord 群。

多平台存在:一个机器人,所有平台,一个面板管。

第三行最有意思。「社区管理」听起来轻,其实是国内运营最痛的场景之一——群里发广告的、拉人的、骂人的,靠人盯是盯不住的。而这类需求的特点是:它必须跑在你已经在用的那个 IM 里,不能要求用户再装一个 app。

这也是为什么渠道支持值钱。你要管 QQ 群,就得在 QQ 里;你要管企微,就得在企微里。没有第二选择。

最后

回到开头那句话。

做 IM 机器人,难的不是模型,是那十一个渠道,加上五个「上线之后才疼」的功能。

LangBot 的选择是把这两块都吃下来:十三种平台的消息模型、五种生产环境的保障、一个不用改 YAML 的网页面板,再加上一套让 agent 能自己操作它的接口。

它没有去做一个更强的模型,也没有去做一个更炫的编排引擎——那些东西别人在做,而且做得更快。它做的是那块没人愿意做、但缺了就活不成的部分。

一个项目愿意在这块地上蹲很久,通常说明它见过真实的群里长什么样。

至于那行 `curl bash` 的安装脚本——装完打开 5300 端口,你就能看到那张 dashboard 了。剩下的活,是去把企微的后台配置翻出来。