ARTICLE · 1279612

【开源】1000+ 插件、15 个平台、100 多位贡献者:让 AI 住进 QQ、飞书、钉钉和企微:这款开源平台打通 15 个聊天平台

发布时间：2026-10-30 12:42:29 最近访问：2026-10-30 12:42:29

项目由来：一个浪漫的动机，和一个真实的痛点

AstrBot 的故事起点朴素得有点不像技术项目。

项目发起人Soulter，2003 年生，北京邮电大学研究生。他从初中开始在手机上折腾安卓开发（家里当时没有电脑），高中写出第一个爬虫项目，大学期间做过即时通讯工具、记账和待办应用、带悬浮球的小工具、校园自动化项目。

动机分两个阶段。最初只是受 ChatGPT 启发，想把 GPT 接入 QQ 频道，让 AI 的能力触达更多人。2022 年底，他启动了 AstrBot，2023 年 1 月 9 日在 GitHub 发布第一个版本。

转折点来自一款游戏。他推完《ATRI》之后目标变了——"就是想最终想创造一个像亚托莉那样的机器人"。GitHub 主页上至今写着："My dream is to build an ATRI."

于是项目的构想有了一次转弯：不再只是"把 ChatGPT 接入各大聊天平台"的工具，而是让 AI 能以一个有温度的方式与人相处。他为项目设计了二次元吉祥物星绪（Seio），设计了灵活的人格配置，让 AI 能用二次元头像、表情包互动，摆脱传统 AI 的人机感。

但让 AstrBot 真正长大的，是那个动机之外的真实痛点：

大厂的 AI 助手把用户锁在自家的"围墙花园"里；传统聊天机器人只会被动应答，无法真正"做事"；而想给 QQ、企微、飞书各接一套 AI，光是适配消息格式就能把人搞疯。

AstrBot 的答案是：让 AI 活在你的聊天窗口里。

现在的处境：从"群聊队友"长成了"桌面助理"

这里必须先说清一个背景，否则你看不懂现在的技术走向。

今年上半年，现象级开源项目OpenClaw让 AI 拥有了操作电脑的"手脚"，成了用户桌面上的私人助理，"养龙虾"的梗随之走红。社区亲切地把 AstrBot 称为"国产大龙虾"。

但两者的根本理念截然不同：

OpenClaw

的核心是赋予 AI 操作系统级权限，让它能直接操控你的电脑，解决的是"一个人 + 一台电脑"的场景；

AstrBot

专注"一群人 + 一个聊天窗口"的社交场景。

Soulter 自己的定位很硬："can be your OpenClaw alternative"——不藏着不掖着，就是对标。

而最新的v4.29.0（2026‑10‑14）释放了一个明显信号：它新增了Computer Use与本机执行环境，支持 macOS Seatbelt 与 Linux bubblewrap 的 OS 级沙盒。这意味着 AstrBot 正在把自己的能力边界从"群聊里的队友"往"桌面上的助理"推进——用 OS 级隔离补上"给 Agent 开 Shell"这道最危险的缺口。

这是这篇文章最需要你留意的一点：AstrBot 正在变，而且变得比它的标签快。

一些可核验的数据（不同时间点差异很大，我标明了来源日期）：

时间	GitHub Stars	版本	来源
2026‑03	2.6 万	—	百度百科
2026‑07‑20	43,257	v4.29.3	TreScout
2026‑10‑25	43,708	v4.29.3	selfhost.directory

同期数据：贡献者 100+，插件 1000+，WebUI 端口 6185，OneBot v11 / NapCat 端口 6199。发版频率约 5 天一个稳定版，近一年 22 个稳定发布。

原理：五步流水线，加上三个解耦

AstrBot 的设计精髓就三个字：解耦。腾讯云的技术解读把它说得很直白：平台负责把消息送进来，Agent 负责理解和决策，插件 / MCP / 知识库负责提供能力，最后再把结果送回原平台。

1. 一条消息的五个步骤

腾讯云画了这张流程图：

消息进入：用户从 QQ、飞书、公众号或其他平台发来消息；

平台适配：不同平台的消息被转换成统一事件；

Agent 判断：模型结合上下文判断是直接回答，还是调用工具；

能力执行：调用插件、MCP、知识库、网页搜索或沙箱；

回复出去：把结果转换成目标平台能理解的消息。

这套结构对程序员最有价值的地方是：新增能力时，尽量只新增插件或工具，不要再复制一套机器人主流程。

2. 三层架构：壳子、大脑、手脚

接入层（壳子）：每个 IM 平台对应一个 Adapter，把五花八门的消息格式（飞书是富文本 JSON，QQ 是混着 CQ 码的纯字符串）统一转成内部标准事件 MessageEvent，里面封装了 user_id、session_id、message_content 和多媒体附件列表。标准事件推入事件总线，再由适配器逆向翻译成目标平台格式。

核心层（大脑）：事件总线 + ConfigRoutingService 路由 + ProviderManager 管理模型后端 + AgentRunner 跑推理循环 + MCPClient 接外部工具 + AgentSandbox 隔离执行。消息处理是一个多阶段流水线：安全过滤（白名单、限流）→ 主 ProcessStage Agent 循环 → FunctionToolManager 调工具 → ResultDecorationStage 做装饰（Markdown 转图片、TTS 转换）→ 分段发送。

能力层（手脚）：1000+ 插件（官方已命名为Star）、MCP 协议、Skills 工作流定义、知识库 RAG、人格设定、自动上下文压缩。

3. 三个关键设计决策

① 多平台复用一套配置

在 AstrBot 里配好一个 Agent，所有平台同步生效。今天用 ChatGPT 觉得贵了，明天换 DeepSeek——配置改一行，平台代码不动。

② 插件进程隔离

传统 Python 机器人框架用 import 在主进程加载插件，任何一个插件抛异常或内存泄漏，整个机器人瞬间崩溃。AstrBot 为每个插件分配独立子进程，主子进程之间用轻量 JSON‑RPC 双向通信。这带来三个好处：热插拔、零崩溃、恶意 Python 命令无法直接攻击主进程内存。

③ 知识库做"会话净化"

群聊噪声极高，直接把整段历史喂给 RAG，检索结果会大失水准。AstrBot 在检索前置阶段做动态会话净化，用小模型判定上下文依赖关系，剔除无关干扰句，提炼出干净的独立 query，再走 Embedding +混合检索（BM25 稀疏 + 向量稠密），并针对中文与多语言优化。官方文档明确集成了微软 Markitdown 做 PDF / DOCX / Markdown 的高质量解析。

4. 安全沙箱：从"代码隔离"到"OS 级隔离"

这是 AstrBot 最近变化最大的部分，值得单独讲。

早期版本提供 Agent Sandbox：隔离化运行环境，安全地执行任何代码、调用 Shell，支持会话级资源复用。但这天然有风险——给 Agent 开 Shell 执行权限，本身就是高危操作。

v4.29.0 的升级把这个边界往前推了一步：Computer Use + 本机执行环境支持macOS Seatbelt 与 Linux bubblewrap的 OS 级沙盒。ChatUI 同步新增会话分页、草稿持久化、按会话选模型。

两条使用建议（来自社区实战，不是我编的）：

生产环境建议在 Docker 里跑，不要直接暴露到宿主机；

沙箱若选择 CUA 驱动器，得先在 AstrBot 使用的 Python 环境里单独装 cua 包，否则启动会报依赖缺失——它不在默认安装列表里。

优点：它把复杂度放在了哪里

Soulter 的设计取舍可以概括成四句话，我认为是整个项目最值得抄作业的地方：

入口放在用户已有的地方，能力关进沙箱，扩展交给插件，模型选择权留给用户。

前两句决定了它好上手，后两句决定了它不会被某个平台或某一家模型绑死。

落到具体优点：

优点	实际收益
中国 IM 生态覆盖最全	QQ / 企微 / 飞书 / 钉钉 / 公众号 / TG / Slack / Discord / LINE 等 15+ 平台官方维护，另有 Matrix、Rocket.Chat、VoceChat 由社区维护
一套配置全平台生效	不用每个平台单独写适配层，不用维护多套逻辑
插件生态构成护城河	1000+ 社区插件，从天气查询、RSS 订阅到表情包生成、代码执行，基本搜一下就有
模型不锁死	OpenAI / Anthropic / Gemini / DeepSeek / Moonshot / 智谱 + 本地 Ollama / LM Studio，还有硅基流动等 API 网关
能接 Dify / 百炼 / Coze	把已有 Agent 工作流直接投递到 IM 渠道
多模态完整	STT（Whisper / SenseVoice / MiMo）+ TTS（10+ 提供商，含 GPT‑SoVITS、Edge、FishAudio、火山、MiniMax）
部署门槛低	uv 三条命令 / Docker Compose / 宝塔 / 1Panel / CasaOS / 桌面客户端 / Launcher
人格与情感层	二次元吉祥物 + 灵活人格配置 + 分段回复 + 主动对话

典型落地场景：

公司内部群接统一知识库 Agent，员工在企微 / 飞书 / 钉钉问同样问题得到同样答案；

个人 QQ 和 Telegram 接同一个 AI 助手，换平台聊天记录和人格设定保持一致；

社区 Discord + QQ 群 + Telegram 统一管理，一个 Agent 同时回答三个平台；

公众号 + 企微双通道智能客服，配知识库，一天上线。

与其他平台的对比

对比前必须说一句：AstrBot 不替代谁，它专注的是"最后一公里"——把已有的 AI 能力投递到 IM 渠道。这个定位让它能嵌入任何技术栈。

同类开源 Agent / 聊天机器人框架

Stars 数据来自多个第三方对比文章，不同时间点差异很大，仅作量级参考，精确数字请以各仓库当日为准。

与上层 LLMOps / Chat 平台的对照

一图看懂定位象限

AstrBot 的位置是：LangBot 偏生产级 Agent 工作流编排，NoneBot2 偏底层 chatbot 框架，MaiBot 偏拟人陪伴——AstrBot 是这三条线的交汇点。

选型建议与必须知道的坑

适合用 AstrBot 的场景✅

需要把 AI 能力投递到多个 IM 渠道，不想每个平台写一套；

个人或团队需要一个"能干活"的 Agent，不想从零搭；

需要 1000+ 插件生态，大部分需求能直接搜到现成方案；

需要内置 WebUI 管理界面，不想额外搭前端；

QQ / 微信等国内平台是刚需。

需要谨慎或绕开的场景⚠️

AGPL‑3.0 + EULA 是硬约束：修改后对外提供盈利性网络服务必须开源你的修改。Dashboard 面板是 MIT，但核心引擎是 AGPL。做商业产品前请让法务看一眼许可证；

企业级管控薄弱：RBAC、SSO、审计能力不如 LangBot 那类偏生产的框架；

个人 PC 关机即掉线

——需要 7×24 服务请上服务器或 NAS；

升级有 breaking changes：956 个 open issue、发版频繁，大版本升级前务必看 changelog 和 FAQ；

QQ 接入需额外协议端：接 QQ 还要搭配 NapCatQQ 或 OneBot 协议实现；

macOS 首次执行会慢：astrbot 命令首次可能等 10–20 秒，是系统安全检查在扫描，不是卡死；

它不是模型训练/推理框架

——只负责把模型"送"到聊天窗口里。

如果它不合适，备选思路：

要生产级、企业级部署，需要 K8s、成熟 RAG、与 Dify / n8n / Langflow 深度集成 →LangBot；

只想要一个微信里的 AI 助手，越轻越好 →NanoBot（4000 行，MIT）；

想从底层自己搭，只要一个干净的聊天机器人框架 →NoneBot2；

要拟人陪伴，人格和情感交互优先 →MaiBot。

跑起来只要三行命令

# 官方推荐路径，需 Python 3.12+uv tool install astrbot --python 3.12astrbot init   # 仅首次执行，初始化环境astrbot run# 升级uv tool upgrade astrbot --python 3.12

Docker 方式：

git clone https://github.com/AstrBotDevs/AstrBotcd AstrBot/dockerdocker compose up -d

另外还有宝塔面板与 1Panel 应用商店一键安装、CasaOS 可视化部署（适合 NAS 与家庭服务器），以及AstrBot Desktop 桌面客户端和astrbot‑launcher 启动器（后者支持环境隔离多开）。

启动后 WebUI 管理面板在 http://localhost:6185。

小结

AstrBot 真正值得学的地方，不是它做了多少功能，而是它把复杂度放在了哪里。

接入层的适配、模型层的抽象、插件层的隔离、检索前的净化——这些工程决策把一个原本要写几周胶水代码的脏活，压缩成了几行配置。而那个浪漫的起点（"想创造一个像亚托莉那样的机器人"）给了它一个大多数基础设施项目没有的东西：对"人"的在意。二次元吉祥物、人格配置、分段回复、主动对话，这些看起来不像技术的能力，恰恰是它区别于纯工具框架的原因。

它的短板也同样清晰：AGPL 的传染性、企业级管控的薄弱、个人项目起源带来的工程治理成熟度不足。最近它又在往 OS 级沙盒和 Computer Use 的方向走，边界越来越宽，也越来越复杂。

所以它不是一个"完美的框架"，而是一个"取舍很清楚的框架"。如果你需要的恰好是它的取舍——IM 原生、插件厚、模型不锁死、好上手——那它是目前同类里最省心的选择。