这里还有一个官方团队的机器人，也可以使用，相对来讲没有Dify可能更轻量一些：https://github.com/JustinTanCQ/im-with-qcli
相对应的官方博客地址：https://aws.amazon.com/cn/blogs/china/amazon-q-developer-cli-and-lark-building-a-conversational-ai-agent-intelligent-platform/

这是一个将Dify AI应用快速对接到飞书的机器人项目，支持对接不同类型的Dify应用（聊天机器人、Agent、Flow），实现在飞书中与AI应用进行交互。

• 🤖 支持对接Dify所有类型的应用：聊天机器人、Agent、Flow
• 💬 支持私聊和群聊（@机器人）
• 📝 支持自定义命令系统，快速调用不同功能
• 🔄 支持对话上下文保持，记忆用户历史对话
• 🧠 支持多模型切换，根据场景选择不同的模型
• 👥 支持多用户管理，区分管理员和普通用户
• 🌐 提供Web管理界面，方便配置和管理
• 📊 支持日志查看和会话管理
• 🔔 支持Webhook事件通知系统，实现外部系统集成
• 🔌 支持事件订阅机制，用户可选择订阅感兴趣的通知

• 架构原理
• 安装部署指南
  • 前置条件
  • 步骤一：安装Dify
  • 步骤二：创建飞书机器人
  • 步骤三：部署本项目
  • 步骤四：初始化并配置机器人
  • 步骤五：使用机器人
• 可用命令列表
  • 通用命令
  • 管理员命令
• Web管理界面
• 数据存储
• Webhook系统
  • Webhook功能特点
  • 创建Webhook
  • 订阅事件
  • 取消订阅
  • 查看订阅
  • 集成外部系统
  • 实战示例：AWS Lambda集成
• 高级配置
  • 环境变量
  • 会话超时配置
  • 自定义命令系统
  • Webhook提示词模板
• 与其他系统集成
  • GitHub集成
  • 监控系统集成
  • Slack/Teams消息转发
• 常见问题
• 性能优化
  • 多线程支持
  • 会话管理
• 项目扩展
• 最佳实践/实践案例
• 许可证
• 贡献
• 更新日志

graph TD
    A[飞书用户] -->|发送消息| B[飞书服务器]
    B -->|事件推送| C[Dify飞书机器人]
    C -->|处理消息| D{是否是命令?}
    D -->|是| E[命令处理器]
    D -->|否| F[对话处理器]
    E -->|系统命令| G[内置功能]
    E -->|自定义命令| H[调用关联模型]
    F -->|普通对话| H
    H -->|API请求| I[Dify API]
    I -->|返回结果| C
    C -->|发送回复| B
    B -->|显示回复| A
    C -->|管理功能| J[Web管理界面]
    J -->|配置管理| C
    
    K[外部系统] -->|调用Webhook| C
    C -->|推送通知| L[订阅用户/群组]
    
    M[管理员] -->|访问| J

安全相关说明参考安全文档

1. 已经创建好的Dify应用
2. 有飞书管理员权限，可以创建机器人
3. 公网可访问的服务器（或内网穿透服务）
4. Python 3.7+

如果您还没有安装Dify，请按照以下步骤操作：

1. 访问 Dify官网，根据指南安装Dify云服务或自托管版本

2. 创建一个新的应用（聊天机器人、Agent或Flow均可）

3. 获取API密钥

   • 进入应用设置 > API访问
   • 获取并记录API密钥（API Key）
   • 记录应用端点URL

1. 登录 飞书开发者平台

2. 创建自建应用

   • 点击"创建应用"
   • 填写应用名称、描述等信息
   • 上传一个机器人头像

3. 配置机器人权限

   • 在左侧菜单选择"权限管理"
   • 添加以下权限：
     • im:message:receive_v1（接收消息）
     • im:message:send_v1（发送消息）
     • im:message.group:read（读取群组信息，可选）
     • im:message.p2p:read（读取单聊信息，可选）

4. 事件订阅配置

   • 在左侧菜单选择"事件订阅"
   • 填写"请求网址"（您部署此项目的URL）
     • 例如：https://your-domain.com/webhook/event
   • 点击"验证"（此时可能验证失败，稍后我们会解决）
   • 添加事件：im.message.receive_v1（接收消息事件）

5. 获取机器人凭证

   • 在左侧菜单选择"凭证与基础信息"
   • 记录以下信息：
     • App ID
     • App Secret
     • Verification Token（事件订阅页面）

6. 发布版本

   • 提交审核并发布（内部应用可以跳过审核）

1. 克隆代码

   git clone <repository-url>
   cd FeishuRBT

2. 安装依赖

   pip install bottle waitress

3. 配置环境变量

   # 飞书机器人凭证
   export VERIFICATION_TOKEN="your_verification_token"
   export APP_ID="your_app_id"
   export APP_SECRET="your_app_secret"
   export BOT_NAME="Dify机器人"  # 机器人的名称，用于识别@消息

4. 启动服务

   python app.py

5. 使用内网穿透工具（如果在本地开发）

   • 如Ngrok、Frp等
   • 将本地8080端口映射到公网URL
   • 复制公网URL并在飞书开发者平台"事件订阅"中更新"请求网址"

6. 完成事件订阅验证

   • 在飞书开发者平台点击"验证"按钮
   • 如果配置正确，会显示验证成功

1. 添加机器人为好友或拉入群组

2. 初始化管理员（首次使用）

   • 私聊机器人发送 \init-admin
   • 收到确认消息后，您将成为管理员

3. 登录Web管理界面

   • 发送 \admin-login 命令
   • 点击返回的链接访问管理界面

4. 添加Dify模型

   • 在管理界面选择"模型管理" > "添加模型"
   • 填写以下信息：
     • 模型名称：自定义名称
     • 模型描述：对模型的简单描述
     • Dify API地址：Dify应用的API端点（例如：https://api.dify.ai/v1）
     • 模型类型：选择对应类型（chatbot/agent/flow）
     • API密钥：Dify应用的API Key

5. 设置默认模型

   • 在"系统配置"页面设置默认模型
   • 设置会话超时时间（默认30分钟）

1. 基本聊天

   • 私聊：直接发送消息给机器人
   • 群聊：@机器人 + 消息内容

2. 使用命令查看帮助

   • 发送 \help 查看可用命令

3. 切换模型

   • 发送 \change-model 模型名称 切换当前会话的模型

4. 添加自定义命令（管理员）

   • 通过管理界面添加自定义命令
   • 或发送 \command-add 名称 简介 启动指令 模型 命令

• \help - 显示帮助信息
• \model-list - 列出所有可用模型
• \model-info [模型名称] - 查看指定模型详情
• \command-list - 列出所有可用自定义命令
• \change-model [模型名称] - 切换当前对话使用的模型
• \clear - 清除当前会话历史
• \session-info - 查看当前会话状态
• \subscribe-event [配置令牌] - 订阅指定事件通知
• \unsubscribe-event [配置令牌] - 取消订阅指定事件
• \list-subscriptions - 查看您当前的所有订阅

• \init-admin - 初始化管理员（仅首次使用）
• \admin-login - 管理员登录Web界面
• \admin-logout - 管理员退出Web界面
• \admin-add [用户ID] - 添加管理员权限
• \admin-remove [用户ID] - 移除管理员权限
• \model-add [名称] [描述] [Dify地址] [类型] [密钥] - 添加模型
• \model-delete [名称] - 删除模型
• \model-update [名称] [参数] [新值] - 更新模型参数
• \set-default-model [名称] - 设置默认模型
• \set-session-timeout [分钟] - 设置会话超时时间
• \command-add [名称] [简介] [启动指令] [模型] - 添加命令
• \command-delete [名称] - 删除命令
• \command-update [名称] [参数] [新值] - 更新命令
• \webhook-list - 查看可用的Webhook事件
• \webhook-add [名称] [描述] [模型] - 添加Webhook
• \webhook-delete [ID] - 删除Webhook
• \webhook-status [ID] [启用/禁用] - 修改Webhook状态

Web管理界面提供直观的方式管理机器人，包括以下功能：

• 模型管理：添加、编辑和删除模型
• 命令管理：添加、编辑和删除自定义命令
• Webhook管理：创建和管理Webhook，查看订阅情况和调用日志
• 系统配置：设置默认模型和会话超时时间
• 用户管理：查看用户并管理管理员权限
• 日志查看：查看系统日志

Web 管理界面需要管理员执行\admin-login，并通过响应的地址进行操作（未操作60分钟后自动失效）

本项目使用SQLite数据库存储配置和会话数据，包括：

• 用户信息
• 模型配置
• 自定义命令
• 会话历史
• 系统设置
• Webhook配置及订阅信息
• Webhook调用日志

数据库文件位于项目根目录下的lark_dify_bot.db。

Webhook系统允许外部应用通过HTTP请求触发机器人功能，并将结果推送给订阅用户或群组。

• 外部系统可以通过API调用触发AI分析
• 用户/群组可以订阅感兴趣的事件通知
• 支持自定义提示词模板处理输入数据
• 提供调用日志和统计信息

管理员可通过以下方式创建Webhook：

1. Web管理界面

   • 进入"Webhook管理" > "添加Webhook"
   • 填写名称、描述、选择模型
   • 可选择性添加提示词模板

2. 命令方式

   \webhook-add 事件名称 事件描述 模型名称
   

用户可以通过以下命令订阅事件：

\subscribe-event 配置令牌

配置令牌可通过\webhook-list命令查看，或由管理员分享。

用户可以通过以下命令取消订阅：

\unsubscribe-event 配置令牌

用户可以查看自己当前订阅的所有事件：

\list-subscriptions

外部系统可以通过HTTP POST请求发送数据到Webhook URL：

POST https://your-domain.com/api/webhook/your_token
Content-Type: application/json

{
  "data": "要分析的数据",
  "additional_info": "其他信息"
}

机器人会使用配置的模型分析数据，并将结果推送给所有订阅者。

以下是在AWS Lambda中集成Webhook的详细步骤，实现自动将日志和事件分析结果发送到飞书：

首先，在Dify飞书机器人中创建一个名为"日志分析"的Webhook：

1. 发送命令：\webhook-add 日志分析 "分析CloudWatch日志和报警" GPT-4分析师

2. 或通过Web管理界面创建，设置提示词模板：

   请分析以下AWS日志或告警数据，提取关键信息：
   
   {data}
   
   请提供：
   1. 问题概述
   2. 可能原因
   3. 建议操作
   4. 严重程度评估
   

3. 记录生成的API Token和配置Token

4. 让运维团队成员订阅此Webhook：\subscribe-event 配置Token

在AWS Console创建新的Lambda函数：

import json
import urllib.request
import urllib.parse

# 配置Webhook URL和Token
WEBHOOK_URL = "https://your-domain.com/api/webhook/your_api_token"

def lambda_handler(event, context):
    try:
        # 提取CloudWatch事件/日志数据
        alarm_data = {}
        
        # 如果是CloudWatch告警
        if 'detail' in event and 'alarmName' in event.get('detail', {}):
            alarm_data = {
                "alarm_name": event['detail']['alarmName'],
                "state": event['detail'].get('state', {}).get('value'),
                "reason": event['detail'].get('state', {}).get('reason'),
                "timestamp": event['time'],
                "account": event['account'],
                "region": event['region']
            }
        # 如果是日志事件
        elif 'awslogs' in event:
            # 处理CloudWatch Logs
            import base64
            import zlib
            
            compressed_data = base64.b64decode(event['awslogs']['data'])
            uncompressed_data = zlib.decompress(compressed_data, 16+zlib.MAX_WBITS)
            log_data = json.loads(uncompressed_data)
            
            alarm_data = {
                "log_group": log_data.get('logGroup', ''),
                "log_stream": log_data.get('logStream', ''),
                "log_events": log_data.get('logEvents', []),
                "subscription_filters": log_data.get('subscriptionFilters', [])
            }
        else:
            # 其他事件类型
            alarm_data = event
        
        # 发送到Webhook
        headers = {
            "Content-Type": "application/json"
        }
        
        data = {
            "type": "aws_alert",
            "data": json.dumps(alarm_data, indent=2),
            "source": "aws_lambda",
            "severity": "high"
        }
        
        req = urllib.request.Request(
            WEBHOOK_URL, 
            data=json.dumps(data).encode('utf-8'),
            headers=headers,
            method="POST"
        )
        
        with urllib.request.urlopen(req) as response:
            response_body = response.read().decode('utf-8')
            print(f"Response: {response_body}")
            
        return {
            'statusCode': 200,
            'body': json.dumps('Alert sent to Feishu successfully!')
        }
        
    except Exception as e:
        print(f"Error: {str(e)}")
        return {
            'statusCode': 500,
            'body': json.dumps(f'Error: {str(e)}')
        }

可以从多个AWS服务配置触发器：

• CloudWatch告警
• CloudWatch Logs（通过订阅过滤器）
• EventBridge规则（捕获各种AWS事件）

例如，设置CloudWatch Logs订阅过滤器：

1. 转到CloudWatch控制台 > 日志 > 日志组
2. 选择要监控的日志组
3. 点击"操作" > "订阅过滤器" > "创建Lambda订阅过滤器"
4. 选择您创建的Lambda函数
5. 设置筛选模式，例如ERROR或Exception

1. 触发一个测试事件（例如创建一个测试告警）
2. 检查Lambda函数日志确认执行成功
3. 在飞书中，订阅了"日志分析"Webhook的用户/群组应收到分析结果通知

这样，您就创建了一个自动化系统，可以实时分析AWS日志和告警，并通过Dify AI提供智能分析结果，直接发送到飞书中，帮助团队更快地应对问题。

VERIFICATION_TOKEN=your_verification_token
APP_ID=your_app_id
APP_SECRET=your_app_secret
BOT_NAME=Dify机器人
BOT_OPEN_ID=ou_xxxx  # 可选，机器人的open_id

通过以下命令设置会话超时时间：

\set-session-timeout 分钟数

超时后，会话上下文将被自动清除，开始新会话。

默认会话超时时间为30分钟，可以在Web管理界面的"系统配置"页面调整。

自定义命令允许您为特定任务创建快捷方式，例如：

• \翻译 Hello World - 自动翻译文本
• \总结 长文本... - 自动总结长文本
• \代码 实现xxx功能 - 生成代码

每个命令可以关联特定的Dify模型，便于快速切换不同功能。

创建Webhook时，您可以设置提示词模板来处理输入数据：

请分析以下数据并提取关键信息：

{data}

分析要点：
1. 主要问题是什么？
2. 有哪些解决方案？
3. 最佳行动建议是什么？

模板中的{data}会被替换为实际接收到的数据。如果不设置模板，系统会使用默认模板。

除了AWS Lambda，Webhook也可以与其他常见系统集成：

使用GitHub Actions自动将问题和PR发送到飞书：

name: Send Issue to Feishu

on:
  issues:
    types: [opened, edited]
  pull_request:
    types: [opened, edited]

jobs:
  notify:
    runs-on: ubuntu-latest
    steps:
      - name: Send to Feishu
        run: |
          PAYLOAD=$(jq -n \
            --arg title "${{ github.event.issue.title || github.event.pull_request.title }}" \
            --arg body "${{ github.event.issue.body || github.event.pull_request.body }}" \
            --arg url "${{ github.event.issue.html_url || github.event.pull_request.html_url }}" \
            --arg user "${{ github.event.sender.login }}" \
            '{type: "github_event", data: {title: $title, body: $body, url: $url, user: $user}}')
          
          curl -X POST \
            -H "Content-Type: application/json" \
            -d "$PAYLOAD" \
            "https://your-domain.com/api/webhook/your_api_token"

在Prometheus Alertmanager中配置Webhook通知：

receivers:
- name: 'feishu-webhook'
  webhook_configs:
  - url: 'https://your-domain.com/api/webhook/your_api_token'
    send_resolved: true
    http_config:
      follow_redirects: true
    max_alerts: 10
    
route:
  receiver: 'feishu-webhook'
  group_wait: 30s
  group_interval: 5m
  repeat_interval: 4h

使用Zapier或n8n等无代码工具，将其他平台消息转发到Dify飞书机器人：

1. 触发器: 新的Slack消息
2. 操作: HTTP请求 (POST)
   • URL: https://your-domain.com/api/webhook/your_api_token
   • Body:

     {
       "type": "message_forward",
       "data": "{{Channel}} - {{User}}: {{Message}}",
       "source": "slack"
     }

1. 确认环境变量中的VERIFICATION_TOKEN是否正确
2. 确认服务器是否能正常访问
3. 检查日志了解详细错误原因

通过Web管理界面或使用命令：

\model-add 模型名称 模型描述 https://your-dify-api.com/v1 chatbot your_api_key

1. 检查会话状态：\session-info
2. 尝试清除会话：\clear
3. 切换到确定可用的模型：\change-model [模型名称]

1. 确认Webhook状态是否为"启用"
2. 检查是否有用户或群组订阅该Webhook
3. 查看Webhook调用日志，了解请求是否成功处理
4. 检查飞书机器人是否有发送消息的权限

这表示API Token无效，可能原因：

1. Token复制错误或包含额外空格
2. Token已被重新生成
3. Webhook已被禁用

解决方法：在管理界面重新获取API Token，或检查Webhook状态。

推荐使用以下方式部署：

1. 使用Docker容器化
2. 配置反向代理（Nginx/Apache）
3. 设置进程管理工具（Supervisor/Systemd）
4. 安装waitress用于多线程支持：pip install waitress

生产环境启动命令示例：

# 使用waitress启动（多线程支持）
python app.py

# 或使用gunicorn(需另行安装)
gunicorn --workers=4 --bind=0.0.0.0:8080 app:app

默认情况下，程序会尝试使用waitress作为WSGI服务器，支持并发处理多个请求。如果环境中未安装waitress，会回退到Bottle的单线程服务器。

为获得最佳性能，建议安装waitress：

pip install waitress

程序自动管理会话超时，避免长时间不活跃的会话占用资源。您可以通过以下方式优化：

1. 根据使用情况调整会话超时时间
2. 定期检查会话状态：\session-info
3. 及时清理不需要的会话：\clear

1. 支持更多的Dify功能（例如上传文件）
2. 增加更多飞书交互方式（例如消息卡片）
3. 添加用户画像和偏好设置
4. 实现群组特定的AI个性化配置

您可以参考本项目架构，轻松扩展支持（以下案例未经验证，需要测试和开发，只提供大体思路）：

1. 企业微信
2. 钉钉
3. Slack
4. Discord

• 命令 最佳实践案例：
  • 案例1: 企业内部知识库助手
  • 案例2: 多级智能客服与工单系统对接
  • 案例3: 员工培训与学习助手
  • 案例4: 会议记录与项目管理助手
  • 案例5: 数据分析与业务报告生成助手
  • 案例6: 开发文档与代码助手
  • 案例7: 自动化市场情报收集
  • 案例8: 自动化日常管理任务
• Webhook 最佳实践案例：
  • 案例1: 通过Lambda监控AWS费用异常
  • 案例2: 通过Lambda监控CloudWatch异常
  • 案例3: 通过CloudEvents触发Lambda做云事件监控
  • 案例4: 定期汇总服务健康状态
  • 案例5: 监控数据库性能指标
  • 案例6: CI/CD管道状态通知

LICENSE

欢迎通过提交Issue或Pull Request来贡献代码。我们对项目的任何改进建议都持开放态度！

如果您想在当前项目进行二次开发可以参考开发者文档。

• 添加Webhook系统，支持外部系统调用和事件订阅
• 增加会话超时配置功能
• 支持Markdown格式消息显示
• 优化Web管理界面
• 添加waitress多线程支持

• 初始版本发布
• 支持Dify API集成
• 实现基本的机器人功能和命令系统
• 添加Web管理界面

重构：模块化架构重构与数据库迁移系统

主要更新内容：

• 架构重构：将单体文件拆分为模块化结构（models/、handlers/、services/、utils/）
• 数据库迁移系统：实现完整的数据库迁移系统，支持版本跟踪
• 修复群聊功能：改进提及解析机制，解决群聊命令识别问题
• 增强Webhook功能：添加回退机制和直推模式
• 模板文件分离：将所有模板文件（.tpl）从Python代码中提取为独立文件
• 样式文件分离：提取CSS样式为独立样式表，提升可维护性
• 简化Docker配置：移除不必要的组件，优化配置
• 管理界面优化：新增数据库管理界面和订阅管理功能
• 错误处理改进：完善错误处理机制和UTF-8编码支持
• 日志系统增强：添加全面的日志记录和调试功能

⚠️ 重要提醒

• 破坏性变更：数据库结构已更新，升级时需要执行数据库迁移操作