导语
很多人做 AI 应用，卡的不是模型，是最后一步：工作流在 Dify 或 n8n 里跑得好好的，但用户根本不想开网页——他们只想在群里 @ 一下就出结果。LangBot 补的就是这一环：把大模型和即时通讯平台黏在一起的开源中间层。
项目介绍
LangBot（GitHub：langbot-app/LangBot）是一个生产级开源 IM Agent 机器人平台，Apache-2.0 协议，纯 Python 写成。截至今天（10 月 8 日）18,050 星、1,626 fork，最新版 v4.11.0-rc.1 就在今天发布，提交记录也停在今天——这个项目的更新节奏属于”周更保底、日更常见”。
它的定位一句话说清：你不写一行前端，就能把任何大模型接进常用聊天软件。
- 平台覆盖广：一套代码同时支持 Discord、Telegram、Slack、LINE、QQ（个人号 + 官方 API）、微信、企业微信、飞书、钉钉、KOOK；走 Matrix 协议还能桥接 Signal、WhatsApp、Messenger 等一堆平台。
- 模型不挑食：OpenAI、Anthropic、DeepSeek、Gemini、智谱、Moonshot 原生适配，本地 Ollama、LM Studio 也认；硅基流动、阿里百炼、火山方舟、魔搭这些国内网关填个 key 就能用。
- 不跟编排层抢活：Dify、Coze、n8n、Langflow 都是它的原生连接器。你在别处编排好的应用，LangBot 负责把它”住进”群聊——这是它和纯聊天机器人框架最大的区别。
- 生产件开箱即用：内置 RAG 知识库（向量检索 + Rerank 打分）、MCP 客户端（Stdio/HTTP 双传输）、代码沙箱、事件驱动的插件市场、Web 管理面板；限流、准入控制、敏感词过滤、异常处理都内置，不用自己搭。
一条消息进来后的完整链路大致长这样：
值得一提的是，它对编码 Agent 相当友好：内置 MCP Server（/mcp 端点）、独立 CLI lbctl、仓库里带 AGENTS.md 和 skills/ 目录，Claude Code 这类工具可以直接管理它的机器人、管道和插件——这正好接上我们之前聊过的 MCP 生态。
上手
三种姿势，按需选：
- 一行命令（本地体验）：装好 uv 后执行
uvx langbot，浏览器开http://localhost:5300，初始化向导里加模型、加机器人即可。 - Docker Compose（服务器部署）：
git clone https://github.com/langbot-app/LangBot
cd LangBot/docker
docker compose --profile all up -d
国内拉 Docker Hub 慢的话，先把 compose 文件里所有 rockchin/langbot:latest 换成官方国内镜像 docker.langbot.app/langbot-public/rockchin/langbot:latest，其他不用改。
- 云版本：
cloud.langbot.app零部署直接用，插件市场在space.langbot.app。
两个官方文档里明确提醒的坑：Linux 上项目目录别放 /root、/etc 这类系统路径，推荐 /opt，否则代码沙箱会被安全规则卡住；服务器部署后，5300 端口一定用防火墙限制来源，别把管理面板裸奔在公网上。
实话
- 跟 AstrBot 撞车怎么选：同赛道的 AstrBot 已经 41.6K 星，更偏”单机器人框架”；LangBot 的差异化在多平台矩阵和对 Dify/n8n 这类编排层的原生打通。已有编排应用要落地群聊，选 LangBot；想从零快速撸一个机器人，两者都行。
- 个人微信、个人 QQ 通道有风控风险：这类通道走的是非官方协议，账号被限制是概率问题。正经生产场景建议走官方机器人 API 或企业微信。
- 插件别无脑装：跨进程热插拔架构的代价是出问题时日志分散，装之前看一眼插件的更新频率和来源。
- 适合人群：已经在用低代码编排平台、想让群成员直接用应用的人；以及想一套代码同时覆盖 QQ、微信、Telegram 的多平台运营者。如果你只是想自己玩聊天机器人，先看上一篇 AstrBot 也够。
对国内用户还有个加分项：文档中英双语，README 里连国内镜像源都替你想好了——这类”出海项目顺手照顾国内网络”的细节，实际部署时能省不少事。
