上一篇我们搭好了数据看板,老板能看到 AI 助手的使用情况了。
但下一个问题马上来了——"为啥要让员工专门打开 Dify 那个网页才能用?我们公司大家平时都在飞书办公啊。"
是的,再好的 AI 助手,如果用户要换个地方才能用,体验就大打折扣。
今天就把这个问题彻底解决:让你的 Dify AI 助手同时跑在网页、飞书、钉钉、企业微信四个渠道,员工在哪聊天就在哪用。
一、为什么"多渠道"这么重要?
先讲个真实场景。
某公司搭了个 HR 政策问答助手,上线了一个月,用的人寥寥无几。HR 一查发现:员工平时全部用飞书沟通,要回答个问题还得开个新网页登录 Dify——不如直接问同事。
后来 HR 把这个机器人接进了飞书群,使用量当天翻了 8 倍。
用户的使用习惯永远是第一位的。 AI 助手不能让用户迁就你,得反过来你去迁就用户。
多渠道部署的好处:
| 渠道 | 适合场景 |
|---|---|
| 网页 | 外部访客、公开服务 |
| 飞书 | 企业内部办公、群聊 |
| 钉钉 | 制造业、传统行业内部 |
| 企业微信 | 服务客户、对外私域 |
一份机器人,多个出口,效率才能起来。
二、网页嵌入(最简单)
Dify 原生支持网页嵌入,5 分钟搞定。
步骤:
进入应用 → 概览 → 嵌入 → 选择嵌入方式
三种方式:
- 聊天气泡:右下角小球,访客点开就能聊(适合官网客服)
- iframe 嵌入:嵌进你的网页里,全屏聊天(适合产品内置助手)
- Chrome 扩展:浏览器插件,到处都能用
代码长这样:
<!-- 聊天气泡方式 -->
<script>
window.difyChatbotConfig = {
token: '你的-应用-Token'
}
</script>
<script src="https://你的Dify地址/embed.min.js"
id="你的Token"
defer>
</script>
把这段代码加到你网页的 之前,刷新页面,右下角就有 AI 助手了。
小坑提醒: Dify 默认嵌入只支持 HTTPS 网站,HTTP 网站需要在 Dify 设置里开"允许不安全嵌入"。
三、接入飞书(最常用)
飞书是国内办公场景的主战场,重点讲。
步骤一:在飞书开放平台创建机器人
打开 open.feishu.cn → 创建企业自建应用 → 填基本信息(名字、图标、描述)
步骤二:开启机器人能力
- 应用功能 → 机器人 → 启用
- 事件订阅 → 添加事件
im.message.receive_v1(接收消息) - 权限管理 → 申请:
im:message(读消息)im:message:send_as_bot(以机器人身份发消息)im:chat(管理会话)
步骤三:配置回调地址
事件订阅 → 请求网址:
https://你的Dify地址/v1/oauth/feishu/callback
Dify 提供了内置的飞书连接器(在应用 → 集成 → 飞书机器人),按提示填 App ID 和 App Secret 就行。
步骤四:发布并加入群
发布应用 → 等待管理员审批 → 把机器人拉进群聊或私聊使用
实战示范:
@AI助手 帮我总结一下这个文档的核心观点
# AI 助手回复
好的!文档核心观点如下:
1. ...
2. ...
3. ...
踩坑笔记:
- 飞书机器人必须 @ 才会回复(群聊里),私聊直接说话就行
- 飞书有消息频率限制,每分钟最多 100 条,超了会被限流
- 如果机器人不回复,先看 Dify 日志,再看飞书事件订阅有没有错误
四、接入钉钉
钉钉的逻辑跟飞书类似,但坑稍微多一点。
核心步骤:
- 钉钉开发者后台 → 创建企业内部应用
- 开启"机器人"能力,配置 outgoing webhook
- 把 webhook 地址指向 Dify 的接收接口
关键代码(自己写桥接的话):
# 钉钉消息接收桥接(极简版)
from flask import Flask, request, jsonify
import requests
app = Flask(__name__)
DIFY_API = "https://你的Dify地址/v1/chat-messages"
DIFY_KEY = "你的-Dify-API-Key"
@app.route('/dingtalk', methods=['POST'])
def handle_dingtalk():
data = request.json
user_msg = data['text']['content'].strip()
user_id = data['senderStaffId']
# 转发到 Dify
resp = requests.post(DIFY_API,
headers={"Authorization": f"Bearer {DIFY_KEY}"},
json={
"inputs": {},
"query": user_msg,
"user": user_id,
"response_mode": "blocking"
}
)
answer = resp.json()['answer']
return jsonify({
"msgtype": "text",
"text": {"content": answer}
})
踩坑笔记:
- 钉钉 outgoing webhook 默认有 5 秒超时,如果 AI 响应慢会失败 → 用
response_mode: "streaming"+ 改成异步回调 - 钉钉对消息格式很挑,富文本和 Markdown 支持有限,复杂结构最好用卡片
- 钉钉企业内部机器人不能跨企业用,测试要在自己公司账号下做
五、接入企业微信
企业微信适合对外服务场景(比如做客户答疑机器人)。
两种接入方式:
方式 A:企业微信群机器人(最简单)
适合只发不收的场景(比如定时推送、告警通知):
# 直接 curl 推送
curl 'https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=你的key' \
-H 'Content-Type: application/json' \
-d '{
"msgtype": "text",
"text": {"content": "AI 日报已生成,请查收"}
}'
方式 B:企业微信应用(完整双向)
适合需要交互的场景(用户能问、机器人能答):
- 企业微信管理后台 → 应用管理 → 自建应用
- 设置接收消息 API → 配置回调 URL(指向你的桥接服务)
- 桥接服务接收用户消息 → 转给 Dify → 把回复发回企业微信
关键参数:
WECHAT_CONFIG = {
"corpid": "你的企业ID",
"corpsecret": "应用Secret",
"agentid": "应用AgentID",
"token": "回调Token",
"encoding_aes_key": "回调AESKey"
}
踩坑笔记:
- 企业微信回调消息必须解密(AES 加密),千万别忘了
- 应用消息有发送频次限制,每分钟每用户最多 30 条
- 用户首次给机器人发消息时触发关注事件,记得处理一下
六、统一管理多渠道
如果你只是接一个机器人到一个渠道,上面方法够用了。
但实际场景往往是:同一个 AI 助手要同时跑在 3-4 个渠道。这时候推荐用 Dify Workflow 做统一入口。
架构图:
飞书 → ┐
钉钉 → ├→ 统一桥接服务 → Dify API → AI 模型
微信 → ┘
网页 → 直接走 Dify 嵌入
桥接服务做三件事:
- 统一格式:不同渠道的消息格式不同,桥接服务把它们标准化
- 会话隔离:飞书的会话和钉钉的会话要分开,避免串了
- 回调路由:根据来源把回复发回对应渠道
关键代码(消息标准化):
def normalize_message(channel, raw_msg):
"""把不同渠道的消息统一成标准格式"""
if channel == "feishu":
return {
"user_id": raw_msg["sender"]["id"],
"text": raw_msg["content"]["text"],
"session_id": f"feishu_{raw_msg['chat_id']}"
}
elif channel == "dingtalk":
return {
"user_id": raw_msg["senderStaffId"],
"text": raw_msg["text"]["content"],
"session_id": f"dingtalk_{raw_msg['conversationId']}"
}
elif channel == "wechat":
return {
"user_id": raw_msg["FromUserName"],
"text": raw_msg["Content"],
"session_id": f"wechat_{raw_msg['FromUserName']}"
}
七、小练习
挑一个你公司实际在用的办公渠道(飞书/钉钉/企业微信),做这三步:
- 在 Dify 上把你已有的应用复制一份,命名为"XX-机器人"
- 按上面的步骤接入这个渠道,让它在群聊里能 @ 触发
- 邀请 3-5 个同事试用,收集第一波反馈
完成这一步,你就把 AI 从"特定网页"变成了"日常工具"——用户在哪,AI 就在哪,这才是真正的多渠道。
下一篇预告
多渠道接好了,机器人到处都能用。但新问题来了——一旦使用量上去,响应速度跟不上、并发一高就崩、用户多了 Token 成本爆炸。
下一篇我们聊 Dify 的性能优化和成本控制:怎么在高并发下保持稳定,怎么用缓存、模型分级、Prompt 压缩把成本降下来,让 AI 助手既好用又便宜。
关注「AI引路者」,每天用大白话帮你搞懂 AI。看完就能用。
📦 回复「AI模板」获取 30 个实用 Prompt 模板,直接复制就能用!
夜雨聆风