企业官网建设流程全解析

最近不少朋友在折腾 QQ 机器人，想给群聊里的机器人接上 DeepSeek 的 API，让它能在群里查询资料、写代码片段、做翻译甚至闲聊。QQ 机器人的接入本身并不复杂，真正麻烦的是“DeepSeek API 调用”“消息事件接收”“消息回复”这三段逻辑怎么拼在一起，以及本地调试时回调地址、鉴权、消息格式这些细节怎么处理。

这篇文章就围绕“DeepSeek 全过程接入 QQ 机器人”写一份保姆级教学。文章会从 DeepSeek API 的申请讲起，再到 QQ 机器人开放平台的创建、事件订阅、本地联调，最后给出一个完整的 Python 服务代码，可以直接跑通“群里 @ 机器人 -> DeepSeek 回答 -> 群里展示回复”的全流程。适合刚接触大模型 API 和 QQ 机器人开发的同学，也适合想快速在自己群里部署一个 AI 助手的开发者。

1. 背景与核心概念

1.1 你要做成的效果是什么

先明确最终效果：在你的 QQ 群里添加一个机器人，当群成员在群里发送消息并 @ 机器人时，机器人会把消息内容转发给 DeepSeek API，拿到模型回复后，再把回复发送到群里。

整个链路其实可以简化成四个模块：

1.2 DeepSeek API 是什么

DeepSeek API 是 DeepSeek 提供的大模型调用接口。开发者通过 HTTP 请求，把用户消息发给模型，模型会返回一段生成结果。它的接口协议兼容 OpenAI API 格式，所以常用的openaiPython SDK 可以直接使用，只需要把base_url指向 DeepSeek 的地址即可。

常见模型名包括：

• deepseek-chat：通用对话模型。
• deepseek-reasoner：带思考过程的推理模型，适合逻辑题、复杂分析。

具体可用的模型名和价格以 DeepSeek 开放平台文档为准。本文示例默认使用deepseek-chat，如果你要尝试推理模型，只需要把代码里的模型名替换掉。

1.3 QQ 机器人接入的两种路线

平时网上搜“QQ 机器人接入”，会看到两种完全不同思路：

1. 官方 QQ 机器人开放平台路线：通过 q.qq.com 创建机器人应用，平台提供沙箱频道、事件订阅、WebSocket 长连接、消息发送 API。这是官方支持、长期可维护的接入方式。
2. 第三方协议实现路线：通过社区开源的协议库模拟 QQ 客户端登录，操作更多但存在账号风控风险。

本文以官方开放平台为主。如果你只是在自己的测试群玩，官方沙箱环境就够用；如果希望机器人正式发布到更多群，官方平台也提供上架流程。第三方方案不在本文展开，原因有两点：一是稳定性受账号风控影响较大，二是平台规则上存在合规风险。

1.4 为什么你需要掌握这些

大模型 API 本身只是一个 HTTP 接口，真正让它在业务场景里产生价值的是“通道能力”。QQ 机器人就是典型的通道：用户不需要打开网页，不需要复制粘贴，直接在聊天界面里就能调用一个大模型。类似的能力也可以延伸到企业微信、飞书、钉钉、Telegram 等平台。学会 QQ 机器人接入之后，换一个平台只是换消息接口，核心思路是通用的。

2. 环境准备与版本说明

2.1 本机环境

本文示例代码使用 Python 3，建议使用 3.9 及以上版本。以下几个环境是跑通示例的前提：

• Python 3.9+
• pip 包管理工具
• 一个 DeepSeek 开放平台账号，并创建了 API Key
• 一个 QQ 号，用于注册 QQ 机器人开放平台
• 能够访问公网的开发环境（因为 QQ 机器人平台需要和你的服务建立连接）

如果你的开发机在国内云服务器上，网络访问 DeepSeek API 没有额外障碍；如果使用本地电脑开发，需要保证本地环境能访问公网即可。

2.2 安装依赖

本文核心用到的 Python 库有两个：

pip install openai websockets

• openai：用于调用 DeepSeek API。DeepSeek 兼容 OpenAI 协议，所以直接用官方 SDK 最省事。
• websockets：用于接收 QQ 机器人平台的 WebSocket 消息事件。

注意，openai库只是作为 HTTP 客户端使用，你并不需要 OpenAI 的账号，只需要把base_url改成 DeepSeek 的地址。

2.3 需要准备的账号与密钥

这三个值都属于敏感信息，建议通过环境变量或本地配置文件管理，不要硬编码提交到 Git 仓库。

2.4 整体架构图

下面用一张简单结构图展示服务运行时的关系：

QQ 群成员 | | @机器人 v QQ 机器人开放平台 | | WebSocket 推送消息事件 v 本地 Python 服务 | (1) 收到消息 | (2) 组装 prompt v DeepSeek API | | 返回生成结果 v 本地 Python 服务 | | 调用 QQ 开放平台消息接口 v QQ 群内展示回复

这个链路里，你的 Python 服务承担“桥接层”的工作，既连接 QQ 平台，也连接 DeepSeek API。

3. DeepSeek API 申请与第一次调用

3.1 获取 DeepSeek API Key

打开 DeepSeek 开放平台，登录后进入“API Keys”页面，点击创建新的 API Key，创建完成后会显示一串sk-开头的密钥。

需要注意三点：

• API Key 只在创建时完整展示一次，之后无法再次查看。
• 建议先充值少量金额再调用，避免因为余额不足而返回 402 错误。
• API Key 不要提交到公共代码库，也不要发给任何人。

为了后续步骤方便，先在环境变量里配置：

export DEEPSEEK_API_KEY="sk-你的key"

3.2 使用 OpenAI SDK 调用 DeepSeek

先写一个最基础的非流式调用示例。

# 文件路径：deepseek_basic.py from openai import OpenAI import os client = OpenAI( api_key=os.environ.get("DEEPSEEK_API_KEY"), base_url="https://api.deepseek.com" ) response = client.chat.completions.create( model="deepseek-chat", messages=[ {"role": "system", "content": "你是一个乐于助人的 AI 助手。"}, {"role": "user", "content": "用一句话介绍你自己"} ] ) print(response.choices[0].message.content)

运行方式：

python deepseek_basic.py

如果一切正常，终端会输出模型生成的文本。这个示例里最关键的是base_url和api_key两个参数。

• base_url：指向 DeepSeek 的 API 地址。
• messages：是一个数组，system用来设定角色，user是用户输入，assistant可以存放历史回复，用于多轮对话。

3.3 流式调用示例

在 QQ 群里调用大模型时，非流式接口通常够用，因为 QQ 机器人平台并不支持逐字渲染消息，最终还是要把完整回复一次性发出去。不过流式接口可以让你更快拿到首字，也可以用来判断模型是否已经开始输出。下面给出流式调用的参考写法。

# 文件路径：deepseek_stream.py from openai import OpenAI import os client = OpenAI( api_key=os.environ.get("DEEPSEEK_API_KEY"), base_url="https://api.deepseek.com" ) stream = client.chat.completions.create( model="deepseek-chat", messages=[ {"role": "user", "content": "用三句话解释 TCP 协议"} ], stream=True ) full_content = "" for chunk in stream: delta = chunk.choices[0].delta.content if delta: full_content += delta print(delta, end="") print("\n完整内容：") print(full_content)

流式接口每次返回一个增量内容，delta.content可能为空，所以要做空值判断。QQ 机器人场景下，我建议先使用非流式接口，把逻辑做得简单直接，以后需要再切换。

3.4 多轮对话与上下文管理

基础调用每次都是“无状态”的。用户发来一句“介绍 TCP”，机器人回答一句，再问“它和 UDP 的区别”，模型并不记得上一句的内容。

如果想在 QQ 群里实现多轮对话，你需要自己维护会话历史：

# 文件路径：deepseek_context.py from openai import OpenAI import os client = OpenAI( api_key=os.environ.get("DEEPSEEK_API_KEY"), base_url="https://api.deepseek.com" ) history = [ {"role": "system", "content": "你是一个技术助手，回答尽量简洁。"} ] def chat(user_message): history.append({"role": "user", "content": user_message}) response = client.chat.completions.create( model="deepseek-chat", messages=history ) answer = response.choices[0].message.content history.append({"role": "assistant", "content": answer}) return answer print(chat("TCP 是什么？")) print(chat("它和 UDP 有什么区别？"))

要注意的是，history 不能无限增长，否则会占用大量 token。实际项目中可以做简单截断，比如最多保留最近 20 条对话。

4. QQ 机器人开放平台接入

4.1 创建机器人应用

进入 QQ 机器人开放平台，使用 QQ 扫码登录后，在“开发者面板”里创建一个新的机器人应用。创建过程需要填写机器人名称、头像、简介等信息。

创建完成后，你会得到：

• AppID
• AppSecret
• 机器人 Token（有些场景用于老版鉴权）

AppID 和 AppSecret 是本文示例要用到的核心凭证。

4.2 配置沙箱频道

QQ 机器人平台默认提供沙箱环境，你可以在沙箱群里测试机器人的消息收发。将机器人添加到自己的测试群时，建议先在开发设置中查看沙箱群配置，并按照平台引导完成绑定。

沙箱环境的目的是让开发者在不干扰正式用户的前提下完成联调，所以大多数接口调用在沙箱阶段没有发布审核压力。

4.3 事件订阅

机器人需要知道“群里有人发消息了”，这依赖于事件订阅。在开发者后台设置中可以选订阅事件类型：

• GROUP_AT_MESSAGE_CREATE：群内有人 @ 机器人时触发
• CQ_BOT_EVENT这类老协议事件（不同版本开放平台有一定差异，以实际后台展示为准）

事件订阅成功后，平台会通过两种方式把事件推送给你：

1. HTTP 回调：平台把事件 POST 到你配置的公网 URL。
2. WebSocket 长连接：平台通过 WebSocket 把事件推送到你的服务端。

HTTP 回调需要公网地址，本地开发一般搭配内网穿透工具使用。WebSocket 长连接更适合本地开发，也是官方文档推荐的接入方式之一。本文采用 WebSocket 方式，可以避免公网回调带来的额外配置。

4.4 WebSocket 接入原理

QQ 机器人开放平台的 WebSocket 接入流程大致如下：

1. 使用 AppID 和 AppSecret 向平台换取 access_token。
2. 调用/gateway/bot接口获取 WebSocket 连接地址。
3. 建立 WebSocket 长连接。
4. 按照协议发送鉴权数据包。
5. 监听服务端推送的消息事件。

这个流程和大多数“机器人网关”类产品很像。拿到事件后，你的程序解析事件中的d字段，里面包含author、content、channel_id、guild_id等信息。然后你就可以根据这些信息调用消息发送接口进行回复。

5. 完整实战：QQ 群内 DeepSeek 问答机器人

这一节完成一个最小可运行的 QQ 机器人服务。为了让代码尽量完整，同时不引入过多依赖，示例直接使用websockets库实现消息接收，使用openai库调用 DeepSeek API。

5.1 项目结构

qq-deepseek-bot/ ├── config.py # 配置读取 ├── deepseek_client.py # DeepSeek 调用封装 ├── qq_bot.py # QQ 机器人主服务 └── requirements.txt # 依赖列表

创建目录：

mkdir qq-deepseek-bot cd qq-deepseek-bot

创建requirements.txt：

openai>=1.0.0 websockets>=12.0

安装依赖：

pip install -r requirements.txt

5.2 配置文件

建议用环境变量管理敏感信息，这里提供两种方式。第一种是直接在当前终端设置环境变量：

export DEEPSEEK_API_KEY="sk-xxx" export QQ_APP_ID="你的appid" export QQ_APP_SECRET="你的appsecret"

第二种是写一个config.py，从环境变量读取配置，并提供统一的获取入口。

# 文件路径：config.py import os DEEPSEEK_API_KEY = os.environ.get("DEEPSEEK_API_KEY", "") QQ_APP_ID = os.environ.get("QQ_APP_ID", "") QQ_APP_SECRET = os.environ.get("QQ_APP_SECRET", "") DEEPSEEK_BASE_URL = "https://api.deepseek.com" DEEPSEEK_MODEL = "deepseek-chat"

如果你只是在本地快速测试，也可以临时把密钥填在 config.py 里，但一定要记得在提交代码前清理掉。

5.3 DeepSeek 客户端封装

把 DeepSeek 调用封装成一个类，内部维护上下文历史。这样 QQ 机器人主程序只需要调用ask(question)就能拿到回复。

# 文件路径：deepseek_client.py from openai import OpenAI import config class DeepSeekClient: def __init__(self): self.client = OpenAI( api_key=config.DEEPSEEK_API_KEY, base_url=config.DEEPSEEK_BASE_URL ) self.history = [ {"role": "system", "content": "你是群里的 AI 助手，回答简洁清晰，使用简体中文。"} ] def ask(self, question: str, max_history: int = 20) -> str: self.history.append({"role": "user", "content": question}) if len(self.history) > max_history: self.history = self.history[-max_history:] self.history.insert(0, {"role": "system", "content": self.history[0]["content"]}) response = self.client.chat.completions.create( model=config.DEEPSEEK_MODEL, messages=self.history, temperature=0.7 ) answer = response.choices[0].message.content self.history.append({"role": "assistant", "content": answer}) return answer

这里使用全局 history 会有一个问题：所有群里的人都共享同一段上下文。实际项目中应该使用“用户 ID + 群 ID”作为 key 来隔离会话，后面在最佳实践章节再展开。

5.4 QQ 机器人主服务

主服务要做的事情：

1. 通过 AppID + AppSecret 获取 access_token。
2. 获取 WebSocket 地址。
3. 建立 WebSocket 连接并鉴权。
4. 监听消息事件。
5. 如果消息是群内 @ 机器人，则提取消息内容，调用 DeepSeek。
6. 调用 QQ 消息发送接口，把回复发回群里。

# 文件路径：qq_bot.py import asyncio import json import time import uuid from urllib.parse import quote import requests import websockets import config from deepseek_client import DeepSeekClient API_BASE = "https://api.sgroup.qq.com" deepseek_client = DeepSeekClient() def get_access_token(app_id: str, app_secret: str) -> str: url = "https://bots.qq.com/app/getAppAccessToken" payload = { "appId": app_id, "clientSecret": app_secret } resp = requests.post(url, json=payload, timeout=10) data = resp.json() access_token = data.get("access_token") if not access_token: raise RuntimeError(f"获取 access_token 失败: {data}") return access_token def get_websocket_url(access_token: str) -> str: url = f"{API_BASE}/gateway/bot" headers = { "Authorization": f"QQBot {access_token}" } resp = requests.get(url, headers=headers, timeout=10) data = resp.json() ws_url = data.get("url") if not ws_url: raise RuntimeError(f"获取 WebSocket 地址失败: {data}") return ws_url def identify_payload() -> dict: return { "op": 2, "d": { "token": f"{config.QQ_APP_ID}.{config.QQ_APP_SECRET}", "intents": 1 << 30, "shard": [0, 1] } } def extract_message(event: dict) -> tuple: try: data = event["d"] author = data["author"]["id"] content = data["content"] channel_id = data["channel_id"] guild_id = data["guild_id"] return author, content, channel_id, guild_id except Exception: return None def clean_content(content: str) -> str: # QQ 机器人收到的消息包含 <@机器人ID> 或 <@!机器人ID> 这样的占位符，需要去掉 parts = content.split() filtered = [p for p in parts if not p.startswith("<@")] return " ".join(filtered).strip() def send_group_message(access_token: str, channel_id: str, guild_id: str, content: str) -> bool: # 群聊场景一般使用 channel 消息接口 url = f"{API_BASE}/channels/{channel_id}/messages" headers = { "Authorization": f"QQBot {access_token}", "Content-Type": "application/json" } msg_id = f"{int(time.time())}{uuid.uuid4().hex[:8]}" payload = { "content": content, "msg_type": 0, "msg_id": msg_id } resp = requests.post(url, headers=headers, json=payload, timeout=10) if resp.status_code != 200: print(f"发送消息失败: status={resp.status_code}, body={resp.text}") return False return True async def handle_event(event: dict, access_token: str): op = event.get("op") if op == 0: t = event.get("t") if t == "GROUP_AT_MESSAGE_CREATE": msg = extract_message(event) if not msg: return author_id, raw_content, channel_id, guild_id = msg question = clean_content(raw_content) # 这里可以根据业务需求加一些简单过滤 if not question: return try: reply = deepseek_client.ask(question) except Exception as e: reply = f"调用 DeepSeek 时报错：{e}" print(f"收到来自 {author_id} 的消息：{question}") print(f"回复内容：{reply}") send_group_message(access_token, channel_id, guild_id, reply) elif op == 10: # 收到 Hello 包，需要发送心跳 heartbeat_interval = event["d"]["heartbeat_interval"] return heartbeat_interval async def heartbeat_loop(ws, interval: int): while True: await asyncio.sleep(interval / 1000) await ws.send(json.dumps({"op": 1, "d": int(time.time())})) async def main(): access_token = get_access_token(config.QQ_APP_ID, config.QQ_APP_SECRET) ws_url = get_websocket_url(access_token) print(f"WebSocket 地址: {ws_url}") async with websockets.connect(ws_url) as ws: await ws.send(json.dumps(identify_payload())) heartbeat_task = None async for raw in ws: event = json.loads(raw) op = event.get("op") if op == 10: interval = await handle_event(event, access_token) if interval and not heartbeat_task: heartbeat_task = asyncio.create_task(heartbeat_loop(ws, interval)) elif op == 0: asyncio.create_task(handle_event(event, access_token)) if __name__ == "__main__": asyncio.run(main())

这个代码段里有一些需要注意的细节：

• intents使用1 << 30表示接收所有事件。如果只关注群消息，可以配置得更精准，但本地测试时用所有事件更省事。
• 鉴权时发送的 token 由 AppID 和 AppSecret 拼接而成，中间用点号分隔。
• clean_content里过滤@机器人的占位符，避免把<@!123456>这些内容当成问题发给 DeepSeek。
• send_group_message使用channel_id发送群聊消息，这是群聊场景常用的方式。

5.5 运行与验证

确保环境变量已配置，然后启动服务：

python qq_bot.py

启动日志里会出现 WebSocket 地址，服务启动后保持运行。这时候到测试群里发一条消息并 @ 机器人，比如：

@机器人 用一句话解释什么是 HTTP 协议

正常情况下，机器人会在几秒内回复一条 DeepSeek 生成的文本。

如果消息没有回复，按下面顺序排查：

1. 终端是否打印了收到来自 xxx 的消息。没有打印说明事件没有收到，检查事件订阅和 WebSocket 连接。
2. 终端是否打印了调用 DeepSeek 时报错。说明事件收到了、但 AI 调用失败，检查 API Key 和余额。
3. 终端是否打印了发送消息失败。说明 AI 有回复但消息没发出去，检查 access_token 和 channel_id 是否正确。

微信中常用msg_id做幂等校验，QQ 平台这里用一个随机字符串即可，主要是防止同一条回复被重复发送。

6. 性能、稳定性与部署建议

6.1 消息冷却

如果群里有人连续刷屏调用，不仅消耗 token，还容易触发平台限流。建议在服务里加一个简单的冷却机制：同一个用户在固定时间内只能触发一次询问。

# 文件路径：rate_limit.py import time class RateLimiter: def __init__(self, limit_seconds: int = 10): self.limit_seconds = limit_seconds self.records = {} def is_allowed(self, user_id: str) -> bool: now = time.time() last = self.records.get(user_id, 0) if now - last < self.limit_seconds: return False self.records[user_id] = now return True

使用方式：

rate_limiter = RateLimiter(10) def handle_question(user_id, question): if not rate_limiter.is_allowed(user_id): return "操作太频繁，请稍后再试" return deepseek_client.ask(question)

6.2 超时与重试

DeepSeek API 在高峰时段可能响应较慢。openaiSDK 默认不会无限等待，但建议显式设置超时时间，避免用户等太久。

self.client = OpenAI( api_key=config.DEEPSEEK_API_KEY, base_url=config.DEEPSEEK_BASE_URL, timeout=30.0 )

另外建议对网络类异常做一次重试。可以参考 OpenAI SDK 的max_retries参数，但重试次数不要设置过大，一般 2 次即可。

6.3 日志记录

生产环境下需要记录三类日志：

• 消息事件日志：谁在什么时间、哪个群、问了什么问题。
• DeepSeek 调用日志：模型名称、耗时、token 消耗、返回状态。
• 发送消息日志：是否发送成功、失败原因。

最简单的方式是使用 Python 标准库logging，把日志输出到文件，后续排查问题会方便很多。

6.4 后台部署

本地电脑运行后，关掉终端服务就停了。想让机器人 7x24 小时运行，建议部署到云服务器上。

推荐的部署方式：

• 使用systemd托管 Python 服务，崩溃后自动重启。
• 使用nohup快速后台运行，适合临时调试。
• 使用 Docker 打包，环境一致性更好。

以systemd为例，创建一个服务文件/etc/systemd/system/qq-deepseek-bot.service：

[Unit] Description=QQ DeepSeek Bot After=network.target [Service] User=ubuntu WorkingDirectory=/home/ubuntu/qq-deepseek-bot Environment="DEEPSEEK_API_KEY=sk-xxx" Environment="QQ_APP_ID=xxx" Environment="QQ_APP_SECRET=xxx" ExecStart=/usr/bin/python3 qq_bot.py Restart=always RestartSec=5 [Install] WantedBy=multi-user.target

然后执行：

sudo systemctl daemon-reload sudo systemctl enable qq-deepseek-bot sudo systemctl start qq-deepseek-bot

7. 常见问题与排查思路

下面再单独展开两个高频问题。

7.1 调用 DeepSeek 时报 401 或 402

401 表示鉴权失败，大概率是 API Key 写错了，或者环境变量没有正确加载。先手动在 Python 交互环境里打印一下 API Key 的前几位，确认不是空值：

import os print(os.environ.get("DEEPSEEK_API_KEY"))

402 表示余额不足。到 DeepSeek 开放平台检查账户余额，并确认已开通对应的 API 权限。

7.2 群消息事件收到但内容为空

QQ 机器人平台推送的content可能包含 XML 风格的富文本占位符，比如<@!123456> hello。如果直接做字符串截取，容易得到残缺内容。

建议统一用clean_content函数过滤掉<@...>占位符。如果过滤后为空，说明用户只 @ 了机器人但没有输入实质内容，此时可以直接忽略，避免浪费一次 DeepSeek 调用。

7.3 思考模型透传参数问题

如果你的服务以后要接deepseek-reasoner这类带思考过程的模型，在对接其他组件时可能会出现reasoning_content参数透传失败的问题。原因是这类模型在流式输出时会在增量结构中返回额外的reasoning_content字段，而某些中间网关或组件要求必须把该字段原样传回后续调用，否则会收到 HTTP 400 错误。

在 QQ 机器人场景下，因为我们是直接调用 DeepSeek API，一般不会遇到这个报错。但如果你以后把同一个调用链路接到其他第三方平台或本地代理组件时，需要特别注意这个字段。建议：

• 关闭流式输出，直接获取最终结果。
• 如果必须使用流式，做好delta字段的重新组装。
• 遇到 400 且日志中出现reasoning_content字样时，优先检查是否有组件丢弃了扩展字段。

8. 安全与合规建议

8.1 API Key 管理

• 不要在前端代码、Git 仓库、公开笔记中暴露 API Key。
• 生产环境使用密钥管理服务或环境变量注入。
• 给深寻 API Key 设置预算和用量告警，避免异常调用产生高额费用。

8.2 用户输入安全

QQ 群是一个开放环境，用户输入不可控。有几点需要特别注意：

• 在 system prompt 中约束模型只回答合法、正面的内容。
• 对用户输入做长度限制，超长文本直接截断或拒绝。
• 如果机器人需要执行命令或读文件，务必做好白名单校验。

8.3 用户隐私

群聊消息中包含其他用户的 QQ 号、聊天内容和群名，这些都属于敏感数据。你的服务端日志里尽量不要记录完整消息，建议只记录用户 ID 后几位、问题长度和处理状态。存储聊天记录时，要遵循最小化原则，用完即删。

8.4 平台规则遵守

接入 QQ 机器人时，必须遵守 QQ 开放平台的服务条款。不要使用机器人发送广告、垃圾信息、诈骗内容，也不要利用机器人批量添加好友或骚扰他人。如果机器人要发布到更多群聊，需要走正式的发布和审核流程。

9. 总结与进阶学习路线

本文把 DeepSeek 接入 QQ 机器人的全过程拆成了四个核心环节：DeepSeek API 调用、QQ 机器人平台配置、WebSocket 事件接收、群消息回复。通过完整代码示例，你可以跑通一个最简单的群内 AI 问答机器人。

代码跑通之后，如果想继续深入，建议按下面几个方向扩展：

1. 会话隔离：把 history 从全局变量改成按“群 ID + 用户 ID”维度独立维护，让不同群友拥有各自的对话上下文。
2. 消息类型扩展：除了文本回复，可以尝试发送 markdown 模板消息、图片消息。
3. 指令系统：定义#翻译、#总结、#代码等前缀指令，让机器人按不同 prompt 处理不同任务。
4. 接入更多模型：DeepSeek API 兼容 OpenAI 协议，同一个服务可以平滑切换到其他兼容接口。
5. 部署容器化：把服务 Docker 化，配合 docker-compose 管理配置和环境变量。

最后提醒一句：正式上线前，一定要先在沙箱环境和测试群里完整验证消息收发、超时处理、异常日志这三块内容。大模型服务本身存在响应不确定性，机器人项目要想稳定运行，调试日志和异常兜底比炫酷的功能更重要。