企业微信机器人与DeepSeek结合实现交互的应用案例

以下是一个结合企业微信机器人与深度求索（Deepseek）AIGC模型的交互式应用实现示例，包含完整代码及逐行注释：

---

1. 实现架构

用户消息 -> 企业微信服务器 -> 自建服务端 -> Deepseek API -> 处理响应 -> 返回企业微信群

---

2. 完整实现代码（deepseek_wechat_bot.py）

# -*- coding: utf-8 -*-
import os
import json
import requests
from flask import Flask, request, jsonify
from datetime import datetime

# ================= 初始化配置 =================
app = Flask(__name__)

# 配置参数（需替换为实际值）
DEEPSEEK_API_KEY = "your-api-key-here"       # Deepseek控制台获取
WECHAT_WEBHOOK = "https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=your_key"  # 企业微信群机器人Webhook
DEEPSEEK_API_URL = "https://api.deepseek.com/v1/chat/completions"  # Deepseek API地址

# ================= 工具函数 =================
def generate_deepseek_response(prompt):
    """
    调用Deepseek API生成内容
    参数:
        prompt (str): 用户输入的提示文本
    返回:
        str: AI生成的回复内容/错误信息
    """
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {DEEPSEEK_API_KEY}"
    }
    
    payload = {
        "model": "deepseek-chat",  # 根据可用模型调整
        "messages": [
            {"role": "user", "content": prompt}
        ],
        "temperature": 0.7,
        "max_tokens": 1024
    }
    
    try:
        response = requests.post(
            DEEPSEEK_API_URL,
            headers=headers,
            json=payload,
            timeout=10  # 设置超时时间
        )
        response.raise_for_status()  # 检查HTTP错误
        
        result = response.json()
        return result['choices'][0]['message']['content'].strip()
        
    except requests.exceptions.RequestException as e:
        return f"API请求失败: {str(e)}"
    except KeyError:
        return "响应解析失败，请检查API格式"

def send_wechat_message(content):
    """
    发送消息到企业微信群
    参数:
        content (str): 要发送的文本内容
    """
    payload = {
        "msgtype": "text",
        "text": {
            "content": content,
            # 可选@功能（示例@所有人）
            # "mentioned_list": ["@all"]  
        }
    }
    
    try:
        resp = requests.post(
            WECHAT_WEBHOOK,
            json=payload,
            headers={"Content-Type": "application/json"},
            timeout=5
        )
        resp.raise_for_status()
    except Exception as e:
        print(f"消息发送失败: {str(e)}")

# ================= 路由处理 =================
@app.route('/wechat', methods=['POST'])
def handle_message():
    """
    处理企业微信消息的主入口
    """
    # 解析请求数据
    req_data = request.get_json()
    
    # 基础验证（生产环境需增加签名验证）
    if not req_data or 'text' not in req_data:
        return jsonify({"code": 400, "msg": "Invalid request"})
    
    # 提取用户消息
    user_input = req_data['text']['content'].strip()
    
    # 生成回复
    start_time = datetime.now()
    ai_response = generate_deepseek_response(user_input)
    process_time = (datetime.now() - start_time).total_seconds()
    
    print(f"Processed: '{user_input}' => {process_time:.2f}s")
    
    # 发送回复到企业微信
    send_wechat_message(ai_response)
    
    # 返回成功响应
    return jsonify({"code": 0, "msg": "success"})

# ================= 主程序 =================
if __name__ == '__main__':
    # 生产环境建议使用Gunicorn部署
    app.run(host='0.0.0.0', port=5000, debug=True)

---

3. 关键代码注释

代码部分	功能说明
DEEPSEEK_API_URL	Deepseek API 的访问端点（需根据官方文档确认最新地址）
generate_deepseek_response	封装API请求： - 设置认证Header - 构建符合Deepseek格式的请求体 - 处理异常
messages 数据结构	遵循Deepseek的消息格式要求，支持多轮对话（示例为单轮）
send_wechat_message	企业微信消息发送封装，支持扩展@功能和富文本格式
handle_message 路由	消息处理主流程： 1. 请求验证 2. 消息提取 3. 调用AI生成 4. 结果返回
process_time 记录	性能监控：记录AI处理耗时，便于后续优化

---

4. 部署步骤

1. 环境准备

   # 安装依赖
   pip install flask requests python-dotenv
   

2. 配置参数
   建议使用.env文件管理敏感信息：

   # .env 文件
   DEEPSEEK_API_KEY=your_actual_key
   WECHAT_WEBHOOK=your_webhook_url
   

3. 修改代码加载配置
   在文件开头添加：

   from dotenv import load_dotenv
   load_dotenv()  # 加载.env文件
   DEEPSEEK_API_KEY = os.getenv("DEEPSEEK_API_KEY")
   WECHAT_WEBHOOK = os.getenv("WECHAT_WEBHOOK")
   

4. 启动服务

   # 开发模式
   python deepseek_wechat_bot.py
   
   # 生产模式（使用Gunicorn）
   gunicorn -w 4 -b 0.0.0.0:5000 deepseek_wechat_bot:app
   

5. 配置企业微信

   • 在群机器人设置中配置消息接收URL：http://你的域名/wechat
   • 开启加密验证时需处理签名（参考企业微信开发文档）

---

5. 高级扩展建议

1. 对话上下文管理

   # 使用Redis存储对话历史
   import redis
   r = redis.Redis()
   
   def get_session_history(session_id):
       history = r.get(f"session:{session_id}")
       return json.loads(history) if history else []
   
   def update_session_history(session_id, messages):
       r.setex(f"session:{session_id}", 3600, json.dumps(messages))  # 1小时过期
   

2. 敏感词过滤

   BANNED_WORDS = ["暴力", "敏感词"]
   
   def content_filter(text):
       for word in BANNED_WORDS:
           if word in text:
               return "内容包含违规词汇，请重新输入"
       return text
   
   # 在生成回复后调用
   filtered_response = content_filter(ai_response)
   

3. 限流控制

   from flask_limiter import Limiter
   from flask_limiter.util import get_remote_address
   
   limiter = Limiter(
       app=app,
       key_func=get_remote_address,  # 根据IP限流
       default_limits=["200 per day", "50 per hour"]
   )
   
   @app.route('/wechat', methods=['POST'])
   @limiter.limit("10/minute")  # 每个IP每分钟10次
   def handle_message():
       # ...原有代码...
   

---

6. 注意事项

1. API计费：监控Deepseek API调用量，避免超额费用
2. 超时处理：企业微信要求5秒内响应，建议：

   # 在生成回复前先发送空响应
   from flask import Response
   
   @app.route('/wechat', methods=['POST'])
   def handle_message():
       # 立即返回空响应
       Response(headers={'Content-Type': 'application/json'}, status=200)
       # 异步处理后续逻辑...
   

3. 日志记录：添加详细日志记录请求/响应数据
4. HTTPS：生产环境必须启用HTTPS，可通过Nginx配置SSL证书

---

该方案可实现企业微信群内与Deepseek AI的自然对话交互，适用于智能问答、数据分析、内容创作等场景。根据实际需求可扩展文件处理、多模态生成等功能。