QiWe开放平台 · 个人名片
API驱动企微自动化，让开发更高效
核心能力：为开发者提供标准化接口、快速集成工具，助力产品高效拓展功能场景
官方站点：https://www.qiweapi.com
团队定位：专注企微API生态的技术服务团队
对接通道：搜「QiWe 开放平台」联系客服
核心理念：合规赋能，让企微开发更简单、更高效
要实现这个功能，我们需要打通“企微回调接口（接收提问）”和“AI 模型接口（生成回答）”两条链路。
1. 技术方案架构
接收消息：配置企微自建应用的回调 URL，通过 FastAPI 接收群成员的
@机器人提问。内容解析：解密企微推过来的 XML 数据，提取
Content（提问）和ChatID（来源群）。大模型推理：调用 DeepSeek 或 GPT 接口，并注入预设的“角色 Prompt”（例如：你是一个精通 Java/Python 的架构师）。
主动回复：利用我们之前讲过的
add_msg_template或应用消息接口，将 AI 的回答发回群内。
2. Python 实现：FastAPI + DeepSeek 集成代码
首先，确保安装了核心依赖：
import os from fastapi import FastAPI, Request from openai import OpenAI # 这里的 WXBizMsgCrypt 是企微官方提供的解密类 from WXBizMsgCrypt3 import WXBizMsgCrypt app = FastAPI() # 配置信息 CORP_ID = "wwxxxx" SECRET = "your_secret" TOKEN = "your_callback_token" ENCODING_AES_KEY = "your_aes_key" # 初始化 AI 客户端 (以 DeepSeek 为例) ai_client = OpenAI(api_key="your_deepseek_key", base_url="https://api.deepseek.com") @app.post("/qywx/callback") async def handle_callback(request: Request): # 1. 获取回调参数并解密 params = request.query_params body = await request.body() wxcpt = WXBizMsgCrypt(TOKEN, ENCODING_AES_KEY, CORP_ID) ret, xml_content = wxcpt.DecryptMsg(body, params.get("msg_signature"), params.get("timestamp"), params.get("nonce")) if ret == 0: # 2. 解析 XML 提取问题 (此处建议用 xml.etree.ElementTree) user_msg = "解析出的群友提问" chat_id = "解析出的群ID" # 3. 调用 AI 模型 response = ai_client.chat.completions.create( model="deepseek-chat", messages=[ {"role": "system", "content": "你是一个资深技术专家，请用简洁专业的方式回答问题。"}, {"role": "user", "content": user_msg}, ], stream=False ) ai_answer = response.choices[0].message.content # 4. 调用企微 API 回传消息 (复用之前封装的推送逻辑) send_to_group(chat_id, ai_answer) return "success" def send_to_group(chat_id, text): # 此处调用 add_msg_template 或发消息接口 pass3. 如何让 AI 回答得更专业？（RAG 进阶）
如果只是通用回复，AI 可能会“一本正经地胡说八道”。对于做技术产品的团队，建议引入RAG (检索增强生成)：
本地知识库：将你的技术文档、API 手册存入向量数据库（如 ChromaDB）。
搜索增强：当群友提问时，先在知识库搜索相关片段，再喂给 AI：“基于以下文档内容，请回答：[问题]”。
4. 关键避坑点
超时控制：企微回调要求在5秒内必须响应（或返回空）。由于 AI 推理较慢（通常需 10s+），必须采用异步处理。即：接收到请求后立即返回
success，然后开启异步任务去调用 AI 并发消息。风控逻辑：AI 的回答具有不可控性。建议在 Prompt 中加入合规性要求，并设置关键词过滤，防止 AI 在群内讨论敏感或违规话题。
上下文管理：群聊是碎片化的。如果需要 AI 记得上一句话，需要在 Redis 中缓存该群最近 5-10 条对话记录，并作为
history传给 AI。
