基于 LangBot + NapCatQQ的QQ AI Bot实战记录
基于 LangBot NapCatQQ的QQ AI Bot实战记录实战核心记录启动启动langbotcd C:\Users\lihe4\LangBot docker compose uphttp://127.0.0.1:5300/home/botscd C:\Users\lihe4\Downloads\Lagrange.OneBot_win-x64_net9.0_SelfContained\Lagrange.OneBot\bin\Release\net9.0\win-x64\publish .\Lagrange.OneBot (因配置文件反复出错此方案废弃相关文件已经清理)启动linux qq启动napcat# 切换到包含空格的工作目录 Set-Location D:\zhuo mian\qqbottes # 设置环境变量 $env:QQPath C:\Users\lihe4\Downloads\QQ.exe $env:NAPCAT_PATCH_PACKAGE $PWD\qqnt.json $env:NAPCAT_LOAD_PATH $PWD\loadNapCat.js $env:NAPCAT_INJECT_PATH $PWD\NapCatWinBootHook.dll $env:NAPCAT_LAUNCHER_PATH $PWD\NapCatWinBootMain.exe $mainPath $PWD\napcat.mjs # 将 \ 转换为 /用于 JS 的 file:// 导入 $mainPathWeb $mainPath -replace \\,/ # 写入 loadNapCat.js Set-Content -Encoding UTF8 -Path $env:NAPCAT_LOAD_PATH -Value (async () {await import(file:///$mainPathWeb)})() # 启动 NapCat 启动器 $env:NAPCAT_LAUNCHER_PATH $env:QQPath $env:NAPCAT_INJECT_PATH 3354642262登录网址http://127.0.0.1:6099/webui/network最终实战可行完整方案整理成文从零搭建个人 QQ AI Bot基于 LangBot NapCatQQ项目背景最近在 GitHub 上浏览一些开源 AI Bot 项目时发现很多开发者已经将大语言模型与即时通讯平台结合实现了自动回复、知识问答、群管理、AI 助手等功能。因此我尝试在自己的 Windows 电脑上搭建一套完整的 QQ AI Bot 系统。本次实践没有选择云服务器而是直接利用个人电脑作为服务器通过 Docker 部署机器人框架并连接本机 QQ实现一个属于自己的 QQ 智能机器人。最终采用的技术方案如下QQ客户端 | | NapCatQQ | | OneBot11 协议 | LangBot | | 大语言模型 / 插件系统其中NapCatQQ 负责 QQ 消息协议层LangBot 负责机器人逻辑、AI 对话以及插件管理Docker 负责运行后端服务。项目组成介绍1. LangBot机器人核心平台项目地址https://github.com/langbot-app/LangBotLangBot 是一个开源的多平台智能机器人开发平台它的定位并不是单纯的 QQ Bot而是一个连接大语言模型和即时通讯平台的机器人框架。官方介绍中它支持QQTelegramDiscord微信飞书钉钉等平台同时支持接入OpenAIDeepSeekClaudeGeminiOllama 等模型服务。LangBot 最大的特点是提供了 Web 管理界面可以直接通过浏览器管理机器人。启动后访问http://127.0.0.1:5300/home/bots即可进入后台管理页面。相比传统自己编写 QQ BotLangBot 提供了Bot 管理插件系统模型配置消息处理流程Web 可视化管理降低了开发门槛。2. NapCatQQ连接 QQ 的桥梁项目地址https://github.com/NapNeko/NapCatQQNapCatQQ 是基于 NTQQ 的 OneBot 协议实现。简单理解QQ 本身并不会直接提供给机器人调用接口而 NapCatQQ 相当于在 QQ 客户端和机器人框架之间增加了一层转换。结构如下QQ | | NapCatQQ | | OneBot API | | 机器人框架它负责接收 QQ 消息发送 QQ 消息获取群信息获取好友信息调用 QQ 接口官方 README 中也说明 NapCatQQ 是基于 NTQQ 的现代化协议端框架并提供 OneBot 接口能力。第一次方案尝试Lagrange.OneBot最开始选择的是 Lagrange.OneBot。部署方式cd C:\Users\lihe4\Downloads\Lagrange.OneBot_win-x64_net9.0_SelfContained\Lagrange.OneBot\bin\Release\net9.0\win-x64\publish .\Lagrange.OneBotLagrange.OneBot 同样属于 QQ OneBot 生态中的实现方案。但是在实际配置过程中遇到了较多问题配置文件容易出错参数需要手动调整登录流程调试复杂。由于反复修改配置仍然无法稳定运行最终放弃该方案。相关文件也进行了清理。这也是本次实践中比较重要的一点开源项目不一定是越底层越好实际使用时稳定性和社区生态同样重要。最终方案NapCatQQ LangBot最终选择QQ | NapCatQQ | OneBot | LangBot | AI模型相比 Lagrange.OneBot这套方案配置更加直观。LangBot 部署首先进入 LangBot 项目目录cd C:\Users\lihe4\LangBot使用 Docker Compose 启动docker compose up启动成功后访问http://127.0.0.1:5300/home/bots进入 LangBot 管理后台。Docker 的优势环境隔离不需要手动安装大量依赖启停方便方便后续迁移到服务器。NapCatQQ 部署过程NapCatQQ 运行依赖 QQ 客户端因此需要先准备 QQ 环境。我的目录D:\zhuo mian\qqbottes由于路径中存在空格所以 PowerShell 使用Set-LocationD:\zhuo mian\qqbottes随后配置环境变量$env:QQPath C:\Users\lihe4\Downloads\QQ.exe$env:NAPCAT_PATCH_PACKAGE $PWD\qqnt.json$env:NAPCAT_LOAD_PATH $PWD\loadNapCat.js$env:NAPCAT_INJECT_PATH $PWD\NapCatWinBootHook.dll$env:NAPCAT_LAUNCHER_PATH $PWD\NapCatWinBootMain.exe生成加载文件$mainPath$PWD\napcat.mjs$mainPathWeb$mainPath-replace\\,/写入Set-Content-Encoding UTF8 -Path$env:NAPCAT_LOAD_PATH -Value(async () {await import(file:///$mainPathWeb)})()最后启动$env:NAPCAT_LAUNCHER_PATH $env:QQPath $env:NAPCAT_INJECT_PATH 3354642262启动成功后进入 NapCat 管理页面http://127.0.0.1:6099/webui/network在这里可以配置OneBot 网络连接WebSocket 地址API 参数整个系统运行流程完整消息链路如下用户发送 QQ 消息例如用户 你好介绍一下TCP协议消息首先进入QQ然后QQ ↓ NapCatQQ ↓ OneBot接口 ↓ LangBot ↓ AI模型AI 生成回复TCP是一种面向连接的可靠传输协议...再通过相反路径返回 QQ。

相关新闻

5步快速部署:TrollInstallerX终极iOS越狱应用安装指南

5步快速部署:TrollInstallerX终极iOS越狱应用安装指南

5步快速部署:TrollInstallerX终极iOS越狱应用安装指南 【免费下载链接】TrollInstallerX A TrollStore installer for iOS 14.0 - 16.6.1 项目地址: https://gitcode.com/gh_mirrors/tr/TrollInstallerX 你是否厌倦了iOS系统严格的应用限制?想要安…

2026/7/29 10:38:41 阅读更多 →
深度解析:Beyond Compare 5密钥生成器的底层实现原理与实战指南

深度解析:Beyond Compare 5密钥生成器的底层实现原理与实战指南

深度解析:Beyond Compare 5密钥生成器的底层实现原理与实战指南 【免费下载链接】BCompare_Keygen Keygen for BCompare 5 项目地址: https://gitcode.com/gh_mirrors/bc/BCompare_Keygen 在文件比较和同步工具领域,Beyond Compare 5凭借其卓越的…

2026/7/29 10:38:41 阅读更多 →
Claude Code环境部署与CLI实战指南

Claude Code环境部署与CLI实战指南

1. Claude Code 环境部署全指南1.1 系统环境检查与准备在开始安装Claude Code之前,需要确保你的开发环境满足基本要求。我建议使用64位操作系统,无论是Windows 10/11、macOS 10.15还是主流Linux发行版(如Ubuntu 20.04)都能良好支持…

2026/7/29 10:37:40 阅读更多 →

最新新闻

Vue计算属性与侦听器核心区别与应用场景解析

Vue计算属性与侦听器核心区别与应用场景解析

1. 计算属性与侦听器的本质区别在Vue开发中,计算属性(computed)和侦听器(watch)都是用于响应数据变化的机制,但它们的核心设计理念和使用场景有着本质区别。理解这些差异是正确选择的关键。1.1 计算属性的设计哲学计算属性的核心特点是"声明式依赖追…

2026/7/29 10:46:46 阅读更多 →
Unity动画控制器:从状态机原理到角色动画实战应用

Unity动画控制器:从状态机原理到角色动画实战应用

1. 项目概述:从状态机到动画控制器 在Unity里做角色动画,如果你还停留在用脚本直接控制Animation组件播放“站立”、“奔跑”、“跳跃”这几个孤立的动画片段,那很快就会遇到瓶颈。当角色的行为逻辑变得复杂,比如从“奔跑”可以切…

2026/7/29 10:46:46 阅读更多 →
基于APDS-9960与WS2812B的手势感应灯光装置设计与实现

基于APDS-9960与WS2812B的手势感应灯光装置设计与实现

1. 项目概述:当手势遇见光,一只会“呼吸”的蝴蝶 几年前,我在一个创客展上第一次看到用Arduino控制LED灯带的作品,当时就觉得,如果能用更自然的方式与灯光互动,那该多酷。后来接触到手势传感器,…

2026/7/29 10:46:46 阅读更多 →
qmcdump:QQ音乐加密文件免费解密终极指南

qmcdump:QQ音乐加密文件免费解密终极指南

qmcdump:QQ音乐加密文件免费解密终极指南 【免费下载链接】qmcdump 一个简单的QQ音乐解码(qmcflac/qmc0/qmc3 转 flac/mp3),仅为个人学习参考用。 项目地址: https://gitcode.com/gh_mirrors/qm/qmcdump 你是否曾经遇到过从…

2026/7/29 10:46:46 阅读更多 →
从注意力机制到自注意力:深度学习核心突破解析

从注意力机制到自注意力:深度学习核心突破解析

1. 从注意力到自注意力:深度学习进阶的核心跃迁第一次接触注意力机制是在处理机器翻译任务时。当时用传统RNN模型处理长句子,效果总在20个词之后断崖式下跌,直到在论文里看到那个改变游戏规则的公式——注意力权重。这个看似简单的概率分布&a…

2026/7/29 10:46:46 阅读更多 →
TI CC35xx无线MCU架构深度解析:从Cortex-M33到Wi-Fi 6/BLE 5.4的物联网设计实战

TI CC35xx无线MCU架构深度解析:从Cortex-M33到Wi-Fi 6/BLE 5.4的物联网设计实战

1. 项目概述在嵌入式物联网设备的设计中,选型一颗合适的无线微控制器(MCU)往往是决定项目成败的关键第一步。这颗芯片不仅要能跑得动你的应用代码,还得处理好Wi-Fi或蓝牙的复杂协议栈,同时最好能兼顾安全、功耗和成本。…

2026/7/29 10:45:45 阅读更多 →

日新闻

【RT-DETR多模态创新改进】CVPR 2025 | 独家特征融合创新改进篇 | 引入RLAB残差线性注意力模块,有效融合并强调多尺度特征,多种改进点,适合红外与可见光融合目标检测任务,有效涨点

【RT-DETR多模态创新改进】CVPR 2025 | 独家特征融合创新改进篇 | 引入RLAB残差线性注意力模块,有效融合并强调多尺度特征,多种改进点,适合红外与可见光融合目标检测任务,有效涨点

一、本文介绍 🔥本文在RT-DETR多模态融合目标检测中引入RLAB残差线性注意力模块,可在不同模态特征交互阶段进行多次残差细化,使可见光、红外等特征在尺度、语义和空间位置上更好对齐;随后将细化特征与解码器输出拼接并生成Q、K、V,通过线性注意力自适应强化关键通道、目…

2026/7/29 0:00:23 阅读更多 →
AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础

AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础

AI编程系列02:合并知识功能,给 AI 问数和 RAG 场景打基础 在上一期「AI编程系列」中,我们学习了如何构建一个基础的 AI 问答系统,通过简单的输入输出让模型回应问题。但现实世界中的 AI 应用往往需要处理更复杂的场景:…

2026/7/29 0:00:23 阅读更多 →
AI智能体开发实战:从工具调用到企业级部署

AI智能体开发实战:从工具调用到企业级部署

1. 从被动问答到主动执行:AI Agent的范式转变过去两年,大语言模型最显著的应用形态是聊天机器人——用户提问,AI回答。但真正的生产力革命发生在2023年下半年:当AI学会主动调用工具完成任务时,生产力工具的历史被彻底改…

2026/7/29 0:00:23 阅读更多 →

周新闻

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 数据集6000张 完整源码已标注数据集训练好的模型环境配置教程程序运行说明文档,可以直接使用!系统支持图片、视频、摄像头等多种方式检测裂缝,功能强大实用。 1数据集6000张 8各类别

2026/7/28 12:04:22 阅读更多 →
深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

pubg数据集 精选原图1.42万数据 1.49万标签 无任何重复、算法增强或冗余图像! pubg绝地求生目标检测数据集 1分类:e_body,14905个标签,txt格式 共计14244张图,99%为640*640尺寸图像 适合yolo目标检测、AI训练关键词&am…

2026/7/28 8:29:16 阅读更多 →
Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex检测数据集数据集详情检测类别: allies enemy tag图片总量:7247张训练集:5139张验证集:1425张测试集:683张标注状态:全部已标注,即拿即用数据格式:支持YOLO格式及其他格式&#…

2026/7/28 5:03:42 阅读更多 →

月新闻