保姆级教程:用 1Pane + LangBot,15分钟搭建你专属的跨平台 AI 机器人
哈喽,各位同学、各位开发者朋友们,大家好!
你是否也曾幻想过,能拥有一个完全属于自己的 AI 机器人?一个能帮你接入内部知识库、能同时在飞书、钉钉、微信里待命、还能连接全球最强AI模型的“私人助理”?
过去,这听起来像是个需要耗费数周的大工程。但今天,学长要带你体验一把“技术普惠”的快乐!咱们要用 1Pane 这个运维神器,搭配开源的 LangBot 机器人开发平台,来一次酣畅淋漓的部署实战。
相信我,整个过程下来,你最大的感受会是:“原来现在搞个 AI Bot,已经这么简单了?”
LangBot 是什么?
简单来说,它就是一个开源的、能让你轻松构建、管理和部署即时通讯机器人的平台。
- 平台通吃:飞书、钉钉、微信、QQ、Telegram… 主流的 IM 工具它都支持。
- AI 内核强大:轻松接入 OpenAI、Gemini 等大模型,还能挂载自己的知识库,实现精准问答。
- 对开发者友好:完美适配 UIUI API 这类兼容 OpenAI 格式的聚合接口。
核心资源直达车:
- 官网地址:
https://langbot.app/
- 开源仓库 (求个 Star!):
https://github.com/langbot-app/LangBot
- 官方文档 (遇到问题多看看):
https://docs.langbot.app/
好了,废话不多说,上干货!
三步走,用 1Pane 轻松拿下 LangBot
在开始之前,我默认你已经安装好了 [1Pane]这款超好用的开源 Linux 服务器运维管理面板。如果没有,强烈安利你去试试!
第一步:把“原料”拿到手——拉取项目源码
这一步至关重要!因为咱们的部署方式是“源码构建”,所以需要先把 LangBot 的代码克隆到服务器上。
第二步:准备“厨房”——创建数据库
LangBot 需要一个 PostgreSQL 数据库来存放它的数据。别担心,用 1Pane 创建简直是小菜一碟。
- 进入 1Pane 的「数据库」页面。
- 点击「创建数据库」,类型选择
postgres
。 - 关键:设置一个数据库名、用户名和密码。请务必把这三样东西记在你的备忘录里! 咱们下一步马上就要用。
第三步:照着“菜谱”开火——配置并部署
现在,万事俱备,只欠东风。这“东风”就是一个名为 docker-compose.yml
的编排文件,它就像一份详细的菜谱,告诉服务器如何启动 LangBot 和它的数据库。
- 进入 1Pane 的「容器」->「编排」,点击「创建编排」。
- 执行目录:选择我们第一步下载的 LangBot 项目路径,例如
/opt/LangBot
。 - 模板内容:将下面的代码完整地粘贴进去。
name: langbot
services:
app:
build:
context: .
# 警告:以下参数会进入镜像构建层,等同于“把密码编译进镜像/代码”
args:
DB_USER: "你的数据库用户名"
DB_PASSWORD: "据库密码"
environment:
# 运行时环境变量(应用一般从这里读取)
DB_HOST: "db"
DB_PORT: "5432"
DB_NAME: "langbot"
DB_USER: "你的数据库用户名"
DB_PASSWORD: "据库密码"
# 若项目支持 DATABASE_URL,通常可直接使用这一条
DATABASE_URL: "postgres://你的数据库用户名:据库密码@db:5432/langbot"
# 部分基于 SQLAlchemy 的项目也接受:postgresql+psycopg2://...
# DATABASE_URL: "postgresql+psycopg2://你的数据库用户名:据库密码@db:5432/langbot"
# 如项目本身默认为 SQLite,不想用 Postgres,可以删掉这些 DB_* 并移除 db 服务
depends_on:
db:
condition: service_healthy
ports:
- "5300:5300" # 关键:对外暴露 5300
restart: unless-stopped
db:
image: postgres:16-alpine
environment:
POSTGRES_DB: "langbot"
POSTGRES_USER: "你的数据库用户名"
POSTGRES_PASSWORD: "你的数据库密码"
volumes:
- pgdata:/var/lib/postgresql/data
healthcheck:
test: ["CMD-SHELL", "pg_isready -U 'jiaagi-Chat' -d 'langbot'"]
interval: 10s
timeout: 5s
retries: 5
# 仅开发或需要从宿主机直连数据库时才暴露 5432
ports:
- "5432:5432"
restart: unless-stopped
# 可选:pgAdmin(开发用)
pgadmin:
image: dpage/pgadmin4:8
environment:
PGADMIN_DEFAULT_EMAIL: "admin@example.com"
PGADMIN_DEFAULT_PASSWORD: "admin"
depends_on:
db:
condition: service_healthy
ports:
- "5050:80"
volumes:
- pgadmin:/var/lib/pgadmin
profiles: ["dev"]
restart: unless-stopped
volumes:
pgdata:
pgadmin:
学长敲黑板:
- 看到代码里所有
YOUR_DB_USER
和YOUR_DB_PASSWORD
的地方了吗?把它们全部换成你在第二步里记下的数据库用户名和密码。DB_NAME
和POSTGRES_DB
也要确保和你创建的数据库名一致(默认是langbot
)。- 这份配置非常贴心,不仅启动了 LangBot 应用 (
app
),还一并启动了它依赖的数据库 (db
),并用depends_on
确保数据库先健康运行,应用再启动。专业!
启动项目
确认无误后,点击「创建」。1Pane 就会开始自动构建和启动服务。你可以在日志里看到它忙碌的身影。
见证奇迹的时刻:访问你的 LangBot
当日志显示服务已成功启动后,就可以访问了!
- 在浏览器中输入:`http://你的服务器IP:5300
- 重要提示:如果访问不了,请检查服务器的防火墙/安全组,确保
5300
端口是开放的。
看到下面的登录界面,就代表你已经成功了!恭喜你!🎉
让你的机器人更“聪明”:接入 AI 大模型
光有架子还不够,我们得给它注入真正的“灵魂”——AI模型。这里以接入兼容 OpenAI 格式的 UIUIAPI.COM
为例。
-
获取 API Key 和地址:前往
UIUIAPI.COM
或其他类似服务商,获取你的 API Key 和接口地址。注意:接口地址后面通常需要加上/v1
。 -
在 LangBot 中配置:
- 登录 LangBot 后台,在「模型」页面添加新模型。
- 供应商选择
OpenAI
。 - 填入你刚刚获取的 API Key 和 API 地址。
-
在“流水线”中使用:流水线是 LangBot 的一个核心概念,你可以把它理解成一个工作流。在你的流水线里,选择刚刚添加的 AI 模型。
-
开始对话:现在,无论是直接在后台调试,还是把你配置好的机器人绑定到企业微信等平台,它都已经具备了强大的 AI 对话能力!
同样的方法,你还可以配置知识库所需的嵌入模型 (Embedding Model),让你的机器人可以基于你上传的文档来回答问题,是不是非常酷?
写在最后
从一堆代码,到一个功能齐全、蓄势待发的 AI 机器人平台,在 1Pane 的帮助下,整个过程是不是比你想象中要流畅得多?
这只是一个开始。LangBot 的真正魅力在于它的高度可扩展性。你可以继续探索如何将它接入不同的聊天工具,如何设计更复杂的 Agent 工作流,如何用它来自动化你的日常工作…技术的乐趣,就在于此。
希望这篇“保姆级”的教程能为你打开一扇新的大门。如果你觉得这篇文章对你有帮助,不妨点个赞👍、收个藏⭐,这会是支持我继续分享的最大动力!
如果在部署过程中遇到了任何问题,也欢迎在评论区留言,我们一起探讨解决!
版权信息: 本文由界智通(jieagi)团队与特约编辑共同创作,保留所有权利。欢迎非商业性转载,但请注明出处。
共同學習,寫下你的評論
評論加載中...
作者其他優(yōu)質文章