核心内容摘要
《义姐》：母爱如潮，亲情似海——1-3季剧情回顾与人物成长解析
ChatGLM-6B实战教程对接企业微信/钉钉机器人实现IM端智能问答
为什么需要把ChatGLM-6B接入企业IM你有没有遇到过这些场景客服团队每天重复回答“账号怎么找回”“订单多久发货”这类问题人力成本高、响应慢新员工入职要花好几天熟悉内部知识库而老员工又总被各种流程问题打断工作部门群里频繁刷屏问“会议室怎么预约”“报销单模板在哪”信息沉没在聊天记录里没人整理也没人归档。
这些问题背后其实只需要一个能“听懂人话、答得准、接得上”的智能助手。
而ChatGLM-6B——这个由清华大学KEG实验室与智谱AI联合推出的开源双语大模型正适合做这件事的“大脑”。
它参数量适中62亿、中文理解强、部署轻量、响应快不追求炫技但足够靠谱。
本教程不讲模型训练、不调参、不搭GPU集群只聚焦一件事如何把已部署好的ChatGLM-6B服务快速、稳定、安全地接入你每天都在用的企业微信或钉钉机器人让AI真正走进工作流。
全程无需修改模型代码不碰CUDA配置所有操作基于标准HTTP接口和官方机器人协议小白也能照着跑通。
镜像基础能力与服务就绪确认
1 镜像核心特性再确认本镜像是CSDN星图镜像广场提供的开箱即用型部署方案已预装全部依赖与权重关键能力如下开箱即用模型权重文件model_weights/已内置启动即推理无需联网下载避免因网络波动导致初始化失败生产级稳定通过Supervisor守护chatglm-service进程异常崩溃后3秒内自动重启保障7×24小时在线交互友好内置Gradio WebUI默认端口7860支持中英文双语输入、温度temperature与top-p实时调节、多轮上下文记忆方便调试与效果验证。
动手前请先确认服务已正常运行执行supervisorctl status chatglm-service输出应为RUNNING访问http://
127.
0.
1:7860需先建立SSH隧道能打开对话界面并成功完成一次中英文提问。
2 技术栈与接口就绪检查组件当前状态说明推理服务已就绪app.py启动的FastAPI服务监听
0.
0.
0:8000非Gradio端口提供标准/chat接口API文档可访问http://
127.
0.
1:8000/docs查看Swagger交互式文档请求示例支持JSONPOST /chatBody含{query: 你好, history: []}返回{response: ..., history: [...]}注意Gradio7860端口用于人工调试对接机器人必须调用8000端口的FastAPI接口。
这是生产集成的关键分界点。
对接企业微信机器人三步上线企业微信机器人采用「关键词触发 回复消息」模式无需用户添加好友适合内部知识问答场景。
1 创建并获取机器人Webhook地址进入企业微信管理后台 → 「应用管理」→ 「自建应用」→ 创建新应用如命名为“AI知识助手”在应用详情页找到「机器人」模块 → 点击「添加机器人」→ 填写名称如“ChatGLM小助手”、设置头像复制生成的Webhook地址形如https://qyapi.weixin.qq.com/cgi-bin/webhook/send?keyxxxxxx此为唯一通信凭证务必保密。
2 编写轻量级转发服务Python Flask我们不直接让机器人调用ChatGLM而是加一层转发服务负责解析企业微信消息格式 → 提取用户提问 → 调用ChatGLM-6B API → 将结果按微信格式封装返回新建文件wechat_forward.pyfrom flask import Flask, request, jsonify import requests import json app Flask(__name__) # 配置替换为你实际的ChatGLM服务地址和企业微信Webhook CHATGLM_API http://
127.
0.
1:8000/chat WECHAT_WEBHOOK https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key你的key app.route(/wechat, methods[POST]) def handle_wechat(): try: data request.get_json() # 企业微信消息体结构text.content 是用户发送的文本 if text not in data or content not in data[text]: return jsonify({errcode: 400, errmsg: Invalid message format}), 400 user_input data[text][content].strip() if not user_input: return jsonify({errcode: 400, errmsg: Empty input}), 400 # 调用ChatGLM-6B服务简化版无历史上下文适合单轮问答 glm_resp requests.post( CHATGLM_API, json{query: user_input, history: []}, timeout30 ) if glm_resp.status_code ! 200: raise Exception(fChatGLM API error: {glm_resp.status_code}) glm_data glm_resp.json() answer glm_data.get(response, 抱歉我暂时无法回答这个问题。
) # 构造企业微信文本消息格式 wechat_msg { msgtype: text, text: { content: answer[:2000] # 企业微信限制2000字符 } } # 发送回复给群聊 requests.post(WECHAT_WEBHOOK, jsonwechat_msg, timeout
return jsonify({errcode: 0, errmsg: ok}) except Exception as e: print(f[Error] {e}) return jsonify({errcode: 500, errmsg: Internal server error}), 500 if __name__ __main__: app.run(host
0.
0.
0, port5000, debugFalse)
3 部署转发服务并配置企业微信安装依赖pip install flask requests启动服务nohup python wechat_forward.py wechat.log 21 配置企业微信机器人触发回到企业微信机器人设置页找到「机器人接收消息」→ 开启「接收消息」在「机器人回复」中填写你的转发服务地址https://你的服务器公网IP:5000/wechat若无域名需配置HTTPS或使用内网穿透工具如frp设置关键词如“问AI”“查知识”或选择「机器人」触发确保消息能准确送达。
测试在群中发送ChatGLM小助手 今天天气怎么样几秒内应收到ChatGLM生成的回答。
对接钉钉机器人支持更灵活的交互方式钉钉机器人支持关键词、、富文本卡片等多种触发方式且对中文生态更友好适合需要结构化反馈的场景如查询工单状态、展示FAQ列表。
1 创建自定义机器人并获取Token进入钉钉群 → 右上角「…」→ 「智能群助手」→ 「添加机器人」→ 「自定义」填写机器人名称如“钉钉ChatGLM”勾选「加签」提升安全性复制生成的Webhook地址和加签密钥secret—— 加签是必选项否则消息会被拒绝。
2 支持加签的转发服务升级版钉钉要求每次请求携带时间戳签名需在上一节代码基础上增加加签逻辑。
更新dingtalk_forward.pyimport time import hmac import base64 import hashlib from flask import Flask, request, jsonify import requests import json app Flask(__name__) # 替换为你的实际值 DINGTALK_WEBHOOK https://oapi.dingtalk.com/robot/send?access_tokenxxx DINGTALK_SECRET your_secret def get_dingtalk_signature(): timestamp str(round(time.time() *
) secret_enc DINGTALK_SECRET.encode(utf-
string_to_sign f{timestamp}\n{DINGTALK_SECRET} string_to_sign_enc string_to_sign.encode(utf-
hmac_code hmac.new(secret_enc, string_to_sign_enc, digestmodhashlib.sha
.digest() sign base
b64encode(hmac_code).decode(utf-
return timestamp, sign app.route(/dingtalk, methods[POST]) def handle_dingtalk(): try: data request.get_json() # 钉钉消息体text.content 或 msgtypetext时的content字段 if text not in data or content not in data[text]: return jsonify({errcode: 400}), 400 user_input data[text][content].strip() if not user_input: return jsonify({errcode: 400}), 400 # 调用ChatGLM glm_resp requests.post( http://
127.
0.
1:8000/chat, json{query: user_input, history: []}, timeout30 ) answer glm_resp.json().get(response, 我还在学习中请稍后再试。
) # 构造钉钉文本消息支持markdown ding_msg { msgtype: text, text: { content: f AI助手{answer} }, at: { isAtAll: False } } # 生成加签参数 timestamp, sign get_dingtalk_signature() full_url f{DINGTALK_WEBHOOK}timestamp{timestamp}sign{sign} # 发送 requests.post(full_url, jsonding_msg, timeout
return jsonify({errcode: 0}) except Exception as e: print(f[DingTalk Error] {e}) return jsonify({errcode: 500}), 500 if __name__ __main__: app.run(host
0.
0.
0, port5001, debugFalse)
3 部署与测试要点启动命令nohup python dingtalk_forward.py dingtalk.log 21 钉钉群设置在机器人详情页将「安全设置」中的加签方式设为「自定义关键词」或「机器人」关闭「IP地址段」限制或填入服务器出口IP首次测试建议用机器人 什么是Transformer观察是否返回结构化回答。
进阶提示如需支持多轮对话可在转发服务中为每个用户ID维护简化的history缓存如Redis避免每次清空上下文。
实战优化与避坑指南
1
常见问题速查表现象可能原因解决方案机器人无响应Webhook地址未配置或网络不通curl -X POST webhook -H Content-Type: application/json -d {msgtype:text,text:{content:test}}测试连通性ChatGLM返回超时模型首次加载慢或GPU显存不足启动后等待30秒再测试检查nvidia-smi显存占用必要时降低--max_length参数企业微信提示“消息格式错误”未按规范返回JSON或字段缺失确保转发服务返回{errcode:0}且响应头为Content-Type: application/json钉钉提示“签名错误”时间戳偏差1小时或secret错误用date命令校准服务器时间重新复制secret注意末尾空格
2 生产环境加固建议限流保护在Flask层添加简单限流如每分钟5次/用户防止恶意刷请求日志追踪在转发服务中记录user_id、input、answer、latency便于问题回溯降级策略当ChatGLM服务不可用时自动返回预设兜底话术如“AI助手正在小憩请稍后重试”敏感词过滤在转发服务中前置过滤违禁词避免AI生成内容风险外溢。
3 效果提升小技巧提示词工程Prompt Engineering在调用ChatGLM时固定注入系统指令例如{ query: 请用简洁、专业的中文回答以下问题不要使用Markdown格式今天天气怎么样, history: [] }可显著提升回答一致性结果截断处理ChatGLM偶有生成长段落建议在转发服务中用句号/换行符截取前
句保证消息可读性冷启动优化在app.py中增加预热逻辑服务启动后主动执行一次空推理避免首问延迟过高。
6.
总结从技术Demo到业务价值闭环你已经完成了三件关键事确认了ChatGLM-6B服务稳定就绪实现了企业微信机器人的关键词触发式问答构建了支持加签的钉钉机器人转发服务并完成端到端测试。
但这不是终点而是智能办公落地的起点。
下一步你可以将问答范围从通用知识扩展到公司专属知识库接入RAG在回复中嵌入链接、按钮钉钉支持ActionCard一键跳转审批系统结合用户身份企业微信/钉钉的userid实现个性化应答如“张经理您部门的Q3预算已批复”。
真正的AI价值不在于模型多大而在于它能否无声融入工作流把人从重复劳动中解放出来。
而今天这一步——让ChatGLM-6B开口说话正是最实在的第一步。
--- **