把 AI 小助手接入企业微信：用一个回调接口做群聊机器人实战篇
你也许已经有了一个「看起来还挺像样」的 AI 小助手服务，比如：
- 有 HTTP 接口
/v1/chat； - 能识别不同 Skill（待办、日报、FAQ 等）；
- 甚至已经有网页版前端。
但现实是：同事们每天真正打开的是企业微信，很少会专门去打开一个新网页跟机器人聊天。
这篇文章就做一件很实用的小事：
在不动你现有 AI 服务核心逻辑的前提下，
用一个企业微信“回调接口”，
把它变成「群聊里的 @ 机器人」。
一、整体思路：后端不重写，只加一层「翻译器」
假设你现在的 AI 服务长这样：
- 接口：
POST /v1/chat
返回：
{ "answer": "上午开会，下午写代码……", "skill": "daily_plan", "duration_ms": 1234 }请求体：
{ "question": "今天帮我规划下工作", "session_id": "xxx", "user_id": "u_123", "user_level": "normal" }我们要做的只是：
- 在企业微信后台配置一个消息回调 URL（比如
/wechat/callback）； - 在后端写一个超薄适配层：
- 收到企业微信推来的加密 XML；
- 解密 → 提取出「用户 ID + 文本内容」；
- 把「文本内容」转成
question，连同user_id一起转发给/v1/chat； - 拿到
answer，再按照企业微信要求的格式加密返回。
可以简单理解为：
企业微信：提供 UI 和消息推送
你的 AI 小助手：负责“想答案”
中间这个回调接口：负责「翻译 + 转发 + 回填」
二、企业微信端：你必须准备的 3 个关键参数
在写代码前，先在企业微信后台把几个关键信息准备好。
2.1 创建自建应用 / 机器人
- 管理员登录企业微信后台；
- 进入【应用管理】 →【自建】→【创建应用】；
- 按提示填写名称、图标即可。
创建完成后，记下：
- CorpID（企业 ID）
- AgentID（应用 ID）
- Secret（应用密钥）
其中 CorpID 稍后会和 Token、EncodingAESKey 一起用于解密；
Secret 一般用于你「主动调用企业微信接口」，本篇只做回调，不用到。
2.2 配置消息回调
在刚刚创建的自建应用里，找到：
- 「接收消息」或「回调配置」模块
配置三项：
- URL：你后端可公网访问的地址，比如
https://your-domain.com/wechat/callback - Token：自己随便写一个，比如
my_wechat_token_2024 - EncodingAESKey：企业微信自动生成的一串 43 位字符串
这三项记下来，对应到代码里的环境变量：
| 环境变量名 | 对应企业微信配置 |
|---|---|
WECHAT_TOKEN | Token |
WECHAT_ENCODING_AES_KEY | EncodingAESKey |
WECHAT_CORP_ID | 企业 CorpID |
三、项目结构：只新增一个 wechat_adapter.py
假设你当前项目结构：
project/ ├── app/ │ ├── server.py # 已有：包含 /v1/chat │ ├── ... ├── docker-compose.yml └── Dockerfile现在只需要：
- 在
app/下加一个wechat_adapter.py，做企业微信适配； - 在
server.py里把这个 router 挂起来。
四、后端实现：FastAPI + wechatpy
这里用 FastAPI 举例（Flask 思路完全一样），并使用 wechatpy 来处理消息加解密，避免自己手写 AES。
4.1 安装依赖
pip install fastapi uvicorn wechatpy httpx（如果你已经有 FastAPI，只需加 wechatpy 和 httpx 即可。）
4.2 编写 wechat_adapter.py
# app/wechat_adapter.py import os from fastapi import APIRouter, Request from fastapi.responses import PlainTextResponse from wechatpy.enterprise.crypto import WeChatCrypto from wechatpy.enterprise import parse_message, create_reply import httpx # 从环境变量读取配置 WECHAT_TOKEN = os.getenv("WECHAT_TOKEN") WECHAT_ENCODING_AES_KEY = os.getenv("WECHAT_ENCODING_AES_KEY") WECHAT_CORP_ID = os.getenv("WECHAT_CORP_ID") # 你自己的 AI 服务接口 AGENT_BACKEND_URL = os.getenv("AGENT_BACKEND_URL", "http://localhost:8000/v1/chat") router = APIRouter() @router.get("/callback") async def wechat_verify( msg_signature: str, timestamp: str, nonce: str, echostr: str ): """ 企业微信在配置回调 URL 时，会发一个 GET 请求校验。 要做的就是：用 WeChatCrypto 解密 echostr，然后原样返回。 """ crypto = WeChatCrypto(WECHAT_TOKEN, WECHAT_ENCODING_AES_KEY, WECHAT_CORP_ID) try: echostr_decoded = crypto.decrypt_message(echostr, msg_signature, timestamp, nonce) return PlainTextResponse(content=echostr_decoded) except Exception: # 验签失败就返回空，企业微信会认为不通过 return PlainTextResponse(content="") @router.post("/callback") async def wechat_callback(request: Request): """ 真正收消息的入口。 1. 解密 XML 2. 解析文本内容 3. 调用内部 AI 服务 4. 构造并加密回复 """ query = request.query_params msg_signature = query.get("msg_signature") timestamp = query.get("timestamp") nonce = query.get("nonce") raw_xml = await request.body() crypto = WeChatCrypto(WECHAT_TOKEN, WECHAT_ENCODING_AES_KEY, WECHAT_CORP_ID) try: msg_xml = crypto.decrypt_message( raw_xml, msg_signature, timestamp, nonce ) except Exception: return PlainTextResponse(content="") # 解析企业微信 XML msg = parse_message(msg_xml) # 只处理文本消息 if msg.type != "text": reply = create_reply("暂时只支持文本消息哦～", msg) encrypted = crypto.encrypt_message(reply.render(), nonce, timestamp) return PlainTextResponse(content=encrypted) # 用户ID（企业微信里的 userid） user_id = msg.source content = msg.content.strip() # [可选] 去掉前面的 @机器人 文本，只保留真正问题 # 例如："@AI小助手 帮我写日报" → "帮我写日报" if content.startswith("@"): idx = content.find(" ") if idx != -1: content = content[idx + 1 :].strip() # 调用你自己的 AI 接口 async with httpx.AsyncClient(timeout=30) as client: try: resp = await client.post( AGENT_BACKEND_URL, json={ "question": content, "session_id": f"wx_{user_id}", "user_id": f"wx_{user_id}", "user_level": "normal", } ) data = resp.json() answer = data.get("answer", "后端没有返回 answer 字段，请检查。") except Exception as e: answer = f"后端服务异常：{e}" # 构造回复 XML 并加密 reply = create_reply(answer, msg) encrypted = crypto.encrypt_message(reply.render(), nonce, timestamp) return PlainTextResponse(content=encrypted)4.3 在 server.py 中挂载 router
# app/server.py from fastapi import FastAPI from app.wechat_adapter import router as wechat_router app = FastAPI(title="My AI Agent Service") # 原有 /v1/chat 等接口 # @app.post("/v1/chat") # async def chat(...): # ... # 新增企业微信路由 app.include_router(wechat_router, prefix="/wechat")本地启动（开发阶段）：
uvicorn app.server:app --host 0.0.0.0 --port 8000 --reload现在，你有了如下几个接口：
POST /v1/chat：原来的 AI 接口GET /wechat/callback：用于企业微信验证 URLPOST /wechat/callback：用于接收真实消息并回复
五、让企业微信找到你的服务：Nginx / 域名配置
企业微信需要访问你服务器的公网地址，所以一般会放在 Nginx 之后。
假设你有一个域名 https://bot.example.com，Nginx 配置大致如下（核心是 /wechat/ 这段）：
server { listen 80; server_name bot.example.com; location / { proxy_pass http://app:8000/; } # 专门给企业微信回调用 location /wechat/ { proxy_pass http://app:8000/wechat/; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; proxy_set_header X-Forwarded-Proto $scheme; } }重载 Nginx：
nginx -s reload然后在企业微信后台把回调 URL 填写为：
https://bot.example.com/wechat/callback保存时，企业微信会向这个 URL 发一个 GET 请求进行签名验证。只要你代码和配置写对，后台就会提示「验证通过」。
六、Docker Compose 中增加环境变量（如在容器里跑）
如果你是用 docker-compose 启动 FastAPI 应用，在 docker-compose.yml 里为 app 服务增加环境变量：
services: app: build: . environment: - OPENAI_API_KEY=sk-xxxx - WECHAT_TOKEN=my_wechat_token_2024 - WECHAT_ENCODING_AES_KEY=你的43位AESKey - WECHAT_CORP_ID=你的企业CorpID - AGENT_BACKEND_URL=http://app:8000/v1/chat ports: - "8000:8000"重新构建并启动：
docker-compose up -d --build七、在企业微信群里真实体验一把
- 确保：
- 你的
app服务已启动； - Nginx 反向代理配置正确；
- 企业微信后台的回调验证已经通过。
- 你的
- 在企业微信中：
- 找到你刚刚创建的自建应用 / 机器人；
- 将它添加到某个测试群。
- 对同事来说，这就是一个普通的群聊机器人：
- 不需要任何技术知识；
- 会记住对话上下文（取决于你
/v1/chat的实现）； - 会调用你现有的多技能 / RAG / 缓存逻辑。
在群里直接 @ 它，例如：
张三：@AI小助手 帮我写一份今天的工作计划： 上午要开会，下午写代码，晚上看两篇技术文章。 AI小助手： 好的，这是你今天的简要工作计划： 1. 上午：准备和参加会议，记录行动项…… 2. 下午：根据会议结论编写代码…… 3. 晚上：选择两篇和当前项目相关的技术文章……八、简单故障排查 Checklist
1. 企业微信后台提示「URL 验证失败」
重点检查：
WECHAT_TOKEN、EncodingAESKey、CorpID是否和后台一致；- URL 是否和你代码里的路由匹配（是否带
/wechat/callback前缀）； - Nginx 是否正确转发到你的
app:8000/wechat/。
可以在回调接口里先打印日志，确认 GET 请求有没有到后端。
2. 群里 @ 机器人没反应
可能原因：
/wechat/callback配置的是内网地址，企业微信访问不到；- 你的 AI 服务
/v1/chat报错，导致answer为空或超时； - 机器人没有被拉进当前群。
排查方法：
- 先在后端打印收到的
msg.content，确保消息已经到达你服务； - 再单独用
curl或 Postman 测试/v1/chat是否工作正常。
3. 机器人一直回复「只支持文本」
说明你发送的是图片、文件等非文本类型，而代码里只接受 msg.type == "text"。可以根据实际需要扩展对其他类型的支持。
九、进阶扩展思路（可选）
当基础版本跑通后，你可以逐步加一些“工程化”功能：
- 按用户配额控制用量
- 把
user_id = msg.source传给/v1/chat； - 在 AI 服务侧按人统计 Token 消耗，设置每日上限。
- 把
- 按部门开放不同 Skill
- 若能从企业微信接口拿到部门信息，可在内部配置文件中，为不同部门开放不同功能。
- 对接钉钉 / 飞书
- 保持
/v1/chat不变； - 新增
dingtalk_adapter.py、feishu_adapter.py，用同样的“回调 → 转发”模式接入。
- 保持
十、总结
- 不动核心，只加一层适配：
企业微信只是换了一个入口，你的 AI 逻辑仍只暴露/v1/chat。 - 成本低，上手快：
一份wechat_adapter.py+ 一点 Nginx / Docker 配置，就能把你的 AI 小助手真正「塞进」日常企业工作流。 - 具备可扩展空间：
后续可以按配额、权限、统计、管理后台等方向继续进化，而这一层群聊回调接口几乎无须改变。
