每个人都会遇到的问题
你想在团队的聊天工具里加个 AI 助手。也许是 Telegram 上的客服机器人，也许是 Discord 里的编程助手，也许是企业微信或飞书群里的知识库问答机器人。 然后现实来了：- 每个平台都有自己的 Bot API、Webhook 格式和认证流程
- 你需要处理消息队列、会话管理、错误恢复
- 切换大模型供应商意味着重写整个集成层
- 加上 RAG 或工具调用又是一个独立项目
LangBot 的独特之处
13+ 即时通讯平台，一套代码
部署一个 LangBot 实例，即可连接： 海外平台： Discord、Telegram、Slack、LINE、WhatsApp 国内平台： 微信公众号、企业微信、QQ、飞书、钉钉、KOOK 每个平台都有独立的适配器 —— 你只需要在 WebUI 中填入 Bot Token 即可上线。
20+ 大模型，零锁定
通过 LangBot Space，开箱即用 20 个云端模型 —— 无需管理 API Key：- Claude（Opus 4.6、Sonnet 4.5、Haiku 4.5）
- GPT（GPT-5.2、GPT-5-mini、GPT-4.1-mini）
- Gemini（3 Pro、2.5 Pro、2.5 Flash）
- DeepSeek（R1、V3）
- Grok（4、4.1）
- Qwen（通义千问 3 Max）
内置 Agent 与工具调用
LangBot 的本地 Agent 不仅仅是聊天封装 —— 它是一个完整的智能体运行时：- 多轮对话 —— 可配置的上下文记忆
- 函数调用 / 工具使用 —— LLM 驱动的动作执行
- MCP（模型上下文协议） —— 连接 100+ 预置工具
- 知识库（RAG） —— 内置向量检索
插件市场
37+ 社区插件，持续增长 —— 一键安装：- WebSearch —— 让机器人搜索网页
- AI Image Generator —— 文字生成图片
- LinkAnaly —— 自动预览聊天中的链接
- ScheNotify —— 用自然语言设置定时提醒
- Google Search、Tavily Search、RAGFlow Retriever 等
5 分钟部署 —— 真的只要 5 分钟
第 1 步：运行 Docker Compose
http://localhost:5300。
第 2 步：用 LangBot Space 初始化
打开 WebUI，点击 「Initialize with Space」。这会将你的实例连接到 LangBot Space，获得：- 20 个开箱即用的云端模型（附赠免费额度）
- 一键安装插件
- 托管式 API Key 管理
第 3 步：配置流水线
进入 流水线 页面，编辑默认的ChatPipeline：
- 选择模型（如
deepseek-v3、gpt-5-mini、claude-sonnet-4-5） - 自定义系统提示词
- 可选：关联知识库或启用工具调用
第 4 步：接入平台
进入 机器人 → 点击 + → 选择平台（Discord、Telegram 等） → 填入 Bot Token。 搞定。你的机器人已经上线了。第 5 步：测试
使用内置的 Debug Chat 在上线前测试流水线：
真实对话，真实价值
下面是 LangBot 在 QQ 群中运行的实际效果 —— 用户提出技术问题，即刻获得准确回答：
为生产环境打造的架构
LangBot 为生产环境而生：- 流水线架构 —— 每个机器人绑定一条流水线，流水线处理 AI 逻辑、触发条件、安全控制和输出格式
- 跨进程插件隔离 —— 一个有问题的插件不会崩溃你的机器人
- 多运行器后端 —— 使用 LangBot 内置 Agent，或接入 Dify、n8n、Langflow、Coze 构建复杂工作流
- 灵活的数据库 —— 开发用 SQLite，生产用 PostgreSQL
- 多种向量数据库 —— Chroma、Qdrant、Milvus、pgvector、SeekDB
为什么 15,000+ 开发者选择 LangBot
立即开始
- GitHub： github.com/langbot-app/LangBot —— 来点个 Star 吧！
- 文档： docs.langbot.app
- 插件市场： space.langbot.app