核心能力一览
- AI 对话与 Agent —— 多轮对话、工具调用（Function Calling）、多模态（图片/语音/文件）、流式输出，开箱即用。
- RAG 知识库 —— 内置知识库引擎（向量检索 + Rerank 重排序），让机器人基于你的私有知识作答；并支持通过插件扩展，可无缝接入 RAGFlow、Dify、FastGPT 等外部知识库服务。
- 全平台覆盖 —— 一套代码同时接入 QQ、微信、企业微信、飞书、钉钉、Discord、Telegram、Slack、LINE、KOOK、Matrix 等平台。
- 深度集成 Agent 平台 —— 原生对接 Dify、Coze、n8n、Langflow、Deerflow、阿里云百炼、蚂蚁百宝箱等编排与工作流平台。
- 技能（Skills）与代码沙箱 —— 按需激活的指令包，配合安全隔离的代码执行沙箱，让 Agent 真正”动手做事”。
- MCP 协议 —— 作为客户端接入 Model Context Protocol 工具生态，支持 Stdio 与 HTTP 两种传输方式。
- Web 管理面板 —— 在浏览器里可视化配置、管理、监控机器人，无需手动编辑配置文件。
- 生产级插件系统 —— 数百个社区插件，基于跨进程、事件驱动架构，安全且可热插拔。
- 多流水线架构 —— 一个实例运行多条流水线，不同机器人服务不同场景，具备访问控制、限速、敏感词过滤与全面监控。
即时通信平台支持性
LangBot 用统一的适配层覆盖全球主流即时通信平台，一次开发，多端触达。
🚧：正在开发中
各即时通信平台的细粒度功能支持性（收发图片、语音、文件、富文本、流式响应等）请查看平台特性文档。
模型与 Agent 平台支持性
LangBot 以 LiteLLM 作为统一的模型请求后端，因此除下表内置的供应商外，还可接入任意 OpenAI / Anthropic 接口格式或 LiteLLM 支持的模型。大模型与聚合 / GPU 平台
Agent 平台
将已有的工作流或智能体直接接入即时通信平台，无需重写业务逻辑。Rerank 重排序模型
LLM 应用范式实现
LangBot 把主流的 LLM 应用范式做成了开箱即用的能力，覆盖从”能聊天”到”能干活”的完整链路。- 技能（Skills）：把一段专业流程、模板或脚本封装为按需激活的指令包，用户描述匹配时 Agent 才把它拉进上下文，不污染 System Prompt。详见技能文档。
- 代码沙箱（Sandbox）：为 Agent 提供安全隔离的代码执行能力，自动在 Docker / nsjail / E2B 后端中择优运行，是技能与原生工具的运行底座。详见沙箱文档。
系统扩展性
LangBot 为二次开发与企业集成提供了完整的扩展面。- HTTP Service API：通过基于 API Key 鉴权的 HTTP 接口访问 LangBot 的各类实体，便于与现有系统集成。
- Outgoing Webhook：将 LangBot 内部事件实时推送到外部系统，构建事件驱动的自动化。
- 生产级插件系统：基于跨进程通信与异步技术实现，支持多种组件扩展，安全、稳定、可热插拔；数百个社区插件可在扩展市场一键安装。
- Web 管理面板：可视化完成机器人、模型、流水线、知识库、插件的全部配置与监控。
部署方式
LangBot 支持从一行命令到 Kubernetes 集群的多种部署方式：- LangBot Cloud（推荐）：免部署、开箱即用的托管版本。
- 一键启动：
uvx langbot，随后访问http://localhost:5300。 - Docker Compose、宝塔面板、Kubernetes、Zeabur / Railway 一键云部署等。
案例截图
