Dify
简体中文
简体中文
  • 入门
    • 欢迎使用 Dify
      • 特性与技术规格
      • 模型供应商列表
    • 云服务
    • 社区版
      • Docker Compose 部署
      • 本地源码启动
      • 宝塔面板部署
      • 单独启动前端 Docker 容器
      • 环境变量说明
      • 常见问题
    • Dify Premium
    • Dify 教育版
  • 手册
    • 接入大模型
      • 增加新供应商
      • 预定义模型接入
      • 自定义模型接入
      • 接口方法
      • 配置规则
      • 负载均衡
    • 构建应用
      • 创建应用
      • 聊天助手
        • 多模型调试
      • Agent
      • 应用工具箱
        • 敏感内容审查
    • 工作流
      • 关键概念
      • 变量
      • 节点说明
        • 开始
        • LLM
        • 知识检索
        • 问题分类
        • 条件分支
        • 代码执行
        • 模板转换
        • 文档提取器
        • 列表操作
        • 变量聚合
        • 变量赋值
        • 迭代
        • 参数提取
        • HTTP 请求
        • Agent
        • 工具
        • 结束
        • 直接回复
        • 循环
      • 快捷键
      • 编排节点
      • 文件上传
      • 异常处理
        • 预定义异常处理逻辑
        • 错误类型
      • 附加功能
      • 预览与调试
        • 预览与运行
        • 单步调试
        • 对话/运行日志
        • 检查清单
        • 运行历史
      • 应用发布
      • 结构化输出
      • 变更公告:图片上传被替换为文件上传
    • 知识库
      • 创建知识库
        • 1. 导入文本数据
          • 1.1 从 Notion 导入数据
          • 1.2 从网页导入数据
        • 2. 指定分段模式
        • 3. 设定索引方法与检索设置
      • 管理知识库
        • 维护知识库内文档
        • 通过 API 维护知识库
      • 元数据
      • 在应用内集成知识库
      • 召回测试/引用归属
      • 知识库请求频率限制
      • 连接外部知识库
      • 外部知识库 API
    • 工具
      • 快速接入工具
      • 高级接入工具
      • 工具配置
        • Google
        • Bing
        • SearchApi
        • StableDiffusion
        • Dall-e
        • Perplexity Search
        • AlphaVantage 股票分析
        • Youtube
        • SearXNG
        • Serper
        • SiliconFlow (支持 Flux 绘图)
        • ComfyUI
    • 发布
      • 发布为公开 Web 站点
        • Web 应用的设置
        • 文本生成型应用
        • 对话型应用
      • 嵌入网站
      • 基于 APIs 开发
      • 基于前端组件再开发
    • 标注
      • 日志与标注
      • 标注回复
    • 监测
      • 集成外部 Ops 工具
        • 集成 LangSmith
        • 集成 Langfuse
        • 集成 Opik
      • 数据分析
    • 扩展
      • API 扩展
        • 使用 Cloudflare Workers 部署 API Tools
        • 敏感内容审查
      • 代码扩展
        • 外部数据工具
        • 敏感内容审查
    • 协同
      • 发现
      • 邀请与管理成员
    • 管理
      • 应用管理
      • 团队成员管理
      • 个人账号管理
      • 订阅管理
      • 版本管理
  • 动手实验室
    • 初级
      • 如何搭建 AI 图片生成应用
      • AI Agent 实战:搭建个人在线旅游助手
    • 中级
      • 使用文件上传搭建文章理解助手
      • 使用知识库搭建智能客服机器人
      • ChatFlow 实战:搭建 Twitter 账号分析助手
  • 社区
    • 寻求支持
    • 成为贡献者
    • 为 Dify 文档做出贡献
  • 插件
    • 功能简介
    • 快速开始
      • 安装与使用插件
      • 插件开发
        • 初始化开发工具
        • Tool 插件
        • Model 插件
          • 创建模型供应商
          • 接入预定义模型
          • 接入自定义模型
        • Agent 策略插件
        • Extension 插件
        • Bundle 插件包
      • 插件调试
    • 插件管理
    • 接口定义
      • Manifest
      • Endpoint
      • Tool
      • Agent
      • Model
        • 模型设计规则
        • 模型接口
      • 通用规范定义
      • 持久化存储
      • 反向调用 Dify 服务
        • App
        • Model
        • Tool
        • Node
    • 最佳实践
      • 开发 Slack Bot 插件
      • Dify MCP 插件指南:一键连接 Zapier 并自动发送邮件
    • 发布插件
      • 自动发布插件
      • 发布至 Dify Marketplace
        • 插件开发者准则
        • 插件隐私政策准则
      • 发布至个人 GitHub 仓库
      • 本地发布与分享
      • 第三方签名验证
    • 常见问题
  • 研发
    • 后端
      • DifySandbox
        • 贡献指南
    • 模型接入
      • 接入 Hugging Face 上的开源模型
      • 接入 Replicate 上的开源模型
      • 接入 Xinference 部署的本地模型
      • 接入 OpenLLM 部署的本地模型
      • 接入 LocalAI 部署的本地模型
      • 接入 Ollama 部署的本地模型
      • 接入 LiteLLM 代理的模型
      • 接入 GPUStack 进行本地模型部署
      • 接入 AWS Bedrock 上的模型(DeepSeek)
    • 迁移
      • 将社区版迁移至 v1.0.0
  • 阅读更多
    • 应用案例
      • DeepSeek 与 Dify 集成指南:打造具备多轮思考的 AI 应用
      • 本地私有化部署 DeepSeek + Dify,构建你的专属私人 AI 助手
      • 如何训练出专属于“你”的问答机器人?
      • 教你十几分钟不用代码创建 Midjourney 提示词机器人
      • 构建一个 Notion AI 助手
      • 如何在几分钟内创建一个带有业务数据的官网 AI 智能客服
      • 使用全套开源工具构建 LLM 应用实战:在 Dify 调用 Baichuan 开源模型能力
      • 手把手教你把 Dify 接入微信生态
      • 使用 Dify 和 Twilio 构建 WhatsApp 机器人
      • 将 Dify 应用与钉钉机器人集成
      • 使用 Dify 和 Azure Bot Framework 构建 Microsoft Teams 机器人
      • 如何让 LLM 应用提供循序渐进的聊天体验?
      • 如何将 Dify Chatbot 集成至 Wix 网站?
      • 如何连接 AWS Bedrock 知识库?
      • 构建 Dify 应用定时任务助手
      • 如何在 Dify 内体验大模型“竞技场”?以 DeepSeek R1 VS o1 为例
      • 在 Dify 云端构建 AI Thesis Slack Bot
      • 将 Dify 快速接入 QQ、微信、飞书、钉钉、Telegram、Discord 等平台
    • 扩展阅读
      • 什么是 LLMOps?
      • 什么是数组变量?
      • 检索增强生成(RAG)
        • 混合检索
        • 重排序
        • 召回模式
      • 提示词编排
      • 如何使用 JSON Schema 让 LLM 输出遵循结构化格式的内容?
    • 常见问题
      • 本地部署
      • LLM 配置与使用
      • 插件
  • 政策
    • 开源许可证
    • 用户协议
      • 服务条款
      • 隐私政策
      • 获取合规报告
Powered by GitBook
On this page
  • 1. 概述
  • 2. Dify 接入个人微信
  • 2.1. 准备工作
  • 2.2. 把基础编排聊天助手接入微信
  • 2.3. 把工作流编排聊天助手接入微信
  • 2.4. 把 Agent 接入微信
  • 2.5. 把工作流接入微信
  • 3. Dify 接入企业微信个人号(仅限 windows 环境)
  • 3.1. 下载安装企业微信
  • 3.2. 创建 Dify 应用
  • 3.3. 下载安装 Dify on WeChat
  • 3.4. 安装 ntwork 依赖
  • 3.5. 填写配置文件
  • 3.6. 登录企业微信
  • 3.7. 启动微信个人号机器人
  • 4. Dify 接入公众号
  • 5. Dify 接入企业微信应用
  • 6. Dify 接入企业微信客服
  • 7. 后记
  1. 阅读更多
  2. 应用案例

手把手教你把 Dify 接入微信生态

Previous使用全套开源工具构建 LLM 应用实战:在 Dify 调用 Baichuan 开源模型能力Next使用 Dify 和 Twilio 构建 WhatsApp 机器人

Last updated 2 months ago

作者:韩方圆,"Dify on WeChat" 开源项目作者

1. 概述

微信作为最热门的即时通信软件,拥有巨大的流量。

微信友好的聊天窗口是天然的 AI 应用 LUI (Language User Interface)/CUI (Command User Interface)。

微信不仅有个人微信,同时提供了公众号、企业微信、企业微信应用、企业微信客服等对话渠道,拥有良好的微信生态。

把 Dify 应用接入微信生态,就能打造一个功能强大的智能客服,大大降低客服成本,同时也能够提升客户体验。本篇教程就是手把手地教你如何利用 项目,把 Dify 应用接入微信生态。

2. Dify 接入个人微信

2.1. 准备工作

2.1.1. 创建聊天助手

**(1)Dify 简介 **

Dify 是一个优秀的 LLMOps(大型语言模型运维)平台,Dify 的详细介绍请移步官方文档 。

**(2)登录 Dify 官方应用平台 **

首先,登录 ,你可以选择使用 Github 登录或者使用 Google 登录。此外,你也可以参考 Dify 官方教程 私有部署,Dify 是开源项目,支持私有部署。

**(3)创建 Dify 基础编排聊天助手应用 **

登录成功后,进入 Dify 页面,我们按照下方步骤创建一个基础编排聊天助手应用

  1. 点击页面上方的工作室

  2. 创建空白应用

  3. 应用类型选择聊天助手

  4. 聊天助手编排方式选择基础编排

  5. 选择应用图标并为应用填写一个名称,比如基础编排聊天助手

  6. 点击创建

创建成功后我们会跳转到上图所示页面,我们继续配置应用

  1. 选择模型,如 gpt-3.5-turbo-0125

  2. 设置模型参数

  3. 填写应用提示词

在配置完成后,我们可以在右侧对话框进行测试,在测试完成后,进行如下操作

  1. 发布

  2. 更新

  3. 访问 API

**(4)生成基础编排聊天助手 API 密钥 **

在点击 "访问 API" 后,我们会跳转到上图的 API 管理页面,在这个页面我们按照如下步骤获取 API 密钥:

  1. 点击右上角 API 密钥

  2. 点击创建密钥

  3. 复制保存密钥

在保存密钥后,还需要查看右上角的 API 服务器,如果是 Dify 官网的应用,API 服务器地址为 "https://api.dify.ai/v1", 如果是私有部署的,请确认你自己的 API 服务器地址。

至此,创建聊天助手的准备工作结束,在此小节中我们只需要保存好两个东西:**API 密钥 ** 与 **API 服务器地址 **

2.1.2. 下载 Dify on WeChat 项目

**(1)Dify on WeChat 项目简介 **

**(2)下载代码并安装依赖 **

  1. 下载项目代码

git clone https://github.com/hanfangyuan4396/dify-on-wechat
cd dify-on-wechat/
  1. 安装 python

  1. 安装核心依赖(必选):

pip3 install -r requirements.txt  # 国内可以在该命令末尾添加 "-i https://mirrors.aliyun.com/pypi/simple" 参数,使用阿里云镜像源安装依赖
  1. 拓展依赖 (可选,建议安装):

pip3 install -r requirements-optional.txt # 国内可以在该命令末尾添加 "-i https://mirrors.aliyun.com/pypi/simple" 参数,使用阿里云镜像源安装依赖

**(3)填写配置文件 **

我们在项目根目录创建名为 config.json 的文件,文件内容如下,我们在 2.1.1 小节(4) 最后保存了 **API 密钥 ** 与 **API 服务器地址 **,请把 dify_api_base 配置为 **API 服务器地址 **;dify_api_key 配置为 **API 密钥 ** 其他配置保持不变。

(PS: 很多朋友可能并不是严格按照我教程给出的步骤创建 ** 聊天助手类型 ** 的 Dify 应用,在此特别说明一下 dify_app_type 配置方法,如果你创建了 ** 聊天助手 ** 应用请配置为 chatbot;创建了 Agent 应用请配置为 agent 创建了 ** 工作流 ** 应用请配置为 workflow。)

{
  "dify_api_base": "https://api.dify.ai/v1",
  "dify_api_key": "app-xxx",
  "dify_app_type": "chatbot",
  "channel_type": "wx",
  "model": "dify",
  "single_chat_prefix": [""],
  "single_chat_reply_prefix": "",
  "group_chat_prefix": ["@bot"],
  "group_name_white_list": ["ALL_GROUP"]
}

2.2. 把基础编排聊天助手接入微信

2.2.1. 快速启动测试

**(1)在 Dify on Wechat 项目根目录执行如下命令 **

cd dify-on-wechat
python3 app.py   # windows 环境下该命令通常为 python app.py

**(2)扫码登录 **

本项目使用 itchat 实现个人微信登录,有封号风险,建议使用 ** 实名认证 ** 过的 ** 微信小号 ** 进行测试,在执行上述命令后,我们可以在控制台看到打印如上图所示二维码,使用微信扫码登录,登录后当看到 "itchat:Start auto replying." 字符,表示登录成功,我们可以进行测试。

**(3)对话测试 **

我们看到,微信机器人的回复与在 Dify 测试页面上的回复一致。至此,恭喜你成功把 Dify 接入了个人微信🎉🎉🎉

(PS: 有些朋友到这里可能在日志中看到正常回复了消息,但是微信中没有收到消息,请 ** 不要用自己的微信给自己发消息 **)

**(4)服务器部署 **

  1. 源码部署

cd dify-on-wechat
nohup python3 app.py & tail -f nohup.out   # 在后台运行程序并通过日志输出二维码
  1. docker compose 部署

容器的 ** 环境变量 ** 会 ** 覆盖 **config.json 文件的配置,请修改 docker/docker-compose.yml 文件环境变量为你实际的配置,配置方法与 2.1.1 小节 (4) 的 config.json 配置一致。

请确保正确配置 DIFY_API_BASE, DIFY_API_KEY 与 DIFY_APP_TYPE 环境变量。

version: '2.0'
services:
  dify-on-wechat:
    image: hanfangyuan/dify-on-wechat
    container_name: dify-on-wechat
    security_opt:
      - seccomp:unconfined
    environment:
      DIFY_API_BASE: 'https://api.dify.ai/v1'
      DIFY_API_KEY: 'app-xx'
      DIFY_APP_TYPE: 'chatbot'
      MODEL: 'dify'
      SINGLE_CHAT_PREFIX: '[""]'
      SINGLE_CHAT_REPLY_PREFIX: '""'
      GROUP_CHAT_PREFIX: '["@bot"]'
      GROUP_NAME_WHITE_LIST: '["ALL_GROUP"]'

然后执行如下命令启动容器

cd dify-on-wechat/docker       # 进入 docker 目录
docker compose up -d           # 启动 docker 容器
docker logs -f dify-on-wechat  # 查看二维码并登录

2.3. 把工作流编排聊天助手接入微信

在把 Dify 基础的聊天助手应用接入微信后,我们接下来增加难度,尝试把工作流编排聊天助手应用接入微信,实现一个具有 Dify 平台知识的微信智能客服,为我们解答 Dify 工作流相关知识。

2.3.1. 创建知识库

**(1)下载知识库文件 **

**(2)Dify 中导入知识库 **

进入知识库页面,创建知识库

选择导入已有文本,上传刚才下载的 introduce.md 文件,点击下一步

选择如下配置

  • 分段设置:自动分段与清洗

  • 索引方式:高质量

  • 检索设置:向量检索

最后点击保存并处理

我们看到知识库正在进行嵌入处理,稍等片刻,即可嵌入成功。

2.3.2. 创建工作流编排聊天助手

我们进入 Dify 工作室,点击从应用模板创建

我们使用知识库 + 聊天机器人类型的模板,设置应用图标与名称,点击创建

跳转到工作流编排页面后,先点击知识检索节点,点击最右侧 "+" 添加知识库。我们选择之前上传好的 introduce.md 知识库,该知识库是对 Dify 工作流的基本介绍。最后我们点击添加,知识库节点设置完成。

接下来选择 LLM 节点,点击设置上下文,我们选择 result 变量,该变量存有知识检索的结果。

设置完 LLM 节点后,我们点击预览进行测试,输入问题:请介绍一下 dify 工作流。可以看到最终输出了 Dify 工作流的正确介绍。测试正常后,我们返回编辑模式。

返回编辑模式后,依次点击发布、更新、访问 API

2.3.3. 生成工作流编排聊天助手 API 密钥

在跳转到 API 管理页面后,我们参照 **2.1.1 小节 (4) 获取 "知识库 + 聊天机器人" 应用的 API 密钥 ** 与 **API 服务器地址 **

2.3.4. 接入微信

与 2.1.2 小节(3)类似,我们在项目根目录创建名为 config.json 的文件,文件内容如下,同样把 dify_api_base 配置为 ** 知识库 + 聊天机器人 ** 应用的 API 服务器地址,dify_api_key 配置为 ** 知识库 + 聊天机器人 ** 应用的 API 密钥,其他配置保持不变

{ 
  "dify_api_base": "https://api.dify.ai/v1",
  "dify_api_key": "app-xxx",
  "dify_app_type": "chatbot",
  "channel_type": "wx",
  "model": "dify",
  "single_chat_prefix": [""],
  "single_chat_reply_prefix": "",
  "group_chat_prefix": ["@bot"],
  "group_name_white_list": ["ALL_GROUP"]
}

我们按照 **2.2.1 小节 ** 启动程序并扫码登录,然后给微信机器人发送消息,进行测试

微信机器人的回复与在 Dify 测试页面上的回复一致。恭喜你更进一步,把工作流编排应用接入了个人微信,你可以向知识库中导入更多的 Dify 官方文档,让微信机器人为你解答更多的 Dify 相关问题。

2.4. 把 Agent 接入微信

2.4.1. 创建 Agent 应用

进入工作室页面,点击创建空白应用,选择 Agent,设置图标和应用名称,最后点击创建

创建成功后,我们会进入 Agent 应用配置页面,在这个页面我们选择好对话模型,然后添加工具。我们首先添加 DALL-E 绘画工具,首次使用该工具需要授权,一般我们设置好 OpenAI API key 和 OpenAI base URL 即可使用该 DALL-E 绘画工具。

授权成功后,我们添加 DALL-E 3 绘画工具

接着,继续添加 DuckDuckGo 搜索引擎和数学工具,进行后续的工具测试

我们输入问题 "搜索开源项目 Dify 的 star 数量,这个数量乘以 3.14 是多少",确认应用能够正常调用工具,我们依次点击发布、更新、访问 API

2.4.2. 生成 Agent API 密钥

我们继续参照 **2.1.1 小节(4)获取智能助手 ** 应用的 **API 密钥 ** 与 **API 服务器地址 **

2.4.3. 接入微信

我们在项目根目录创建名为 config.json 的文件,文件内容如下,同样把 dify_api_base 配置为 ** 智能助手 ** 应用的 API 服务器地址;dify_api_key 配置为 ** 智能助手 ** 应用的 API 密钥,注意该应用为 ** 智能助手 ** 类型应用,还需要把 dify_app_type 设置为 agent,其他配置保持不变

  {
    "dify_api_base": "https://api.dify.ai/v1",
    "dify_api_key": "app-xxx",
    "dify_app_type": "agent",
    "channel_type": "wx",
    "model": "dify",
    "single_chat_prefix": [""],
    "single_chat_reply_prefix": "",
    "group_chat_prefix": ["@bot"],
    "group_name_white_list": ["ALL_GROUP"]
 }

继续参照 **2.2.1 小节 ** 启动程序并扫码登录,然后给微信机器人发送消息,进行测试

可以看到微信机器人可以正常使用搜索和绘画工具。再一次恭喜你,把 Dify Agent 应用接入微信。也恭喜我,写到这里可以先睡觉了。

2.5. 把工作流接入微信

2.5.1. 创建工作流应用

创建完成后,按照上图步骤进行测试。点击运行,输入你好,确保该工作流能正常输出结果。

测试没有问题后,按照上图步骤发布应用,依次点击发布、更新、访问 API。

2.5.2. 生成工作流 API 密钥

我们同样参照 **2.1.1 小节(4)获取工作流 ** 应用的 **API 密钥 ** 与 **API 服务器地址 **。

2.5.3. 接入微信

我们在项目根目录创建名为 config.json 的文件,文件内容如下,同样把 dify_api_base 配置为 ** 工作流 ** 应用的 API 服务器地址;dify_api_key 配置为 ** 工作流 ** 应用的 API 密钥,注意该应用为 ** 工作流 ** 类型应用,还需要把 dify_app_type 设置为 workflow,其他配置保持不变

  {
    "dify_api_base": "https://api.dify.ai/v1",
    "dify_api_key": "app-xxx",
    "dify_app_type": "workflow",
    "channel_type": "wx",
    "model": "dify",
    "single_chat_prefix": [""],
    "single_chat_reply_prefix": "",
    "group_chat_prefix": ["@bot"],
    "group_name_white_list": ["ALL_GROUP"]
 }

同样参照 **2.2.1 小节 ** 启动程序并扫码登录,然后给微信机器人发送消息,进行测试。

可以看到机器人成功接通了工作流 api 并进行了回复,至此我们已经完全掌握了如何创建 Dify 所有类型的应用:基础聊天助手、工作流聊天助手、智能助手、工作流,我们也学会了如何把上述应用发布为 API,并接入微信。

接下来我将会介绍如何把应用接入到微信的其他通道,如公众号、企业微信应用、企业微信客服等。

3. Dify 接入企业微信个人号(仅限 windows 环境)

  1. 有 ** 封号风险 **,请使用企业微信 ** 小号 ** 测试

3.1. 下载安装企业微信

笔者目前企业微信最新版本为 4.1.33.6009。即使电脑端下载了旧版本的,然后用手机扫码登录,也会被提示版本过低需要升级 pc 端版本,且无法避免,ntwork-whl 只兼容了固定版本企业微信客户端,最新版本没有兼容。 解决方案如下:

  1. 下载并安装最新版本和 4.0.8.6027 版本的企业微信

● wxwork_last 文件夹为最新版本的企业微信 ● WxWork 文件夹为 4.0.8.6027 版本

  1. 先打开最新版本的企业微信,并扫码登录

打开 Wxwork_last/wxwork.exe 文件,运行最新版本的企业微信,扫码登录

  1. 登录成功后,打开设置,勾选上启动企业微信后自动登录,去掉自动更新的选项。然后关闭最新版本的企业微信程序

  1. 现在再打开旧版本的企业微信,就可以直接登录了

运行 wxwork/wxwork.exe 即可。

3.2. 创建 Dify 应用

我们已经在前面的 2.1.1、2.3.2、2.4.1 与 2.5.1 小节分别介绍了创建基础聊天助手、工作流聊天助手、智能助手、工作流这 4 种不同的 Dify 应用,你可以根据上面的教程任意创建一种应用。

3.3. 下载安装 Dify on WeChat

根据 2.1.2 (2) 步骤,下载代码并安装依赖,为了后续能按照 ntwork 依赖,** 请确保你安装的 python 版本为 3.8、3.9 或 3.10**。

3.4. 安装 ntwork 依赖

由于 ntwork 的安装源不是很稳定,可以下载对应的 whl 文件,使用 whl 文件离线安装 ntwork。

例如我的 python 版本信息为:

"Python 3.8.5 (default, Sep 3 2020, 21:29:08) [MSC v.1916 64 bit (AMD64)]"

可以看到 python 版本是 3.8.5,并且是 AMD64,所以对应的 whl 文件为 ntwork-0.1.3-cp38-cp38-win_amd64.whl,需要执行如下命令安装

pip install your-path/ntwork-0.1.3-cp38-cp38-win_amd64.whl

3.5. 填写配置文件

我们在 Dify on WeChat 项目根目录创建名为 config.json 的文件,下面是以 Dify 智能助手应用作为示例的配置文件,请正确填写你刚刚创建应用的 dify_api_base、dify_api_key、dify_app_type 信息,请注意 channel_type 填写为 wework。

{ 
  "dify_api_base": "https://api.dify.ai/v1",
  "dify_api_key": "app-xxx",
  "dify_app_type": "agent",
  "channel_type": "wework",
  "model": "dify",
  "single_chat_prefix": [""],
  "single_chat_reply_prefix": "",
  "group_chat_prefix": ["@bot"],
  "group_name_white_list": ["ALL_GROUP"]
}

3.6. 登录企业微信

务必提前在电脑扫码登录企业微信。

3.7. 启动微信个人号机器人

运行如下命令启动机器人:

cd dify-on-wechat
python app.py

我们可以看到终端输出如下信息,** 等待 wework 程序初始化完成 **,最后启动成功 ~

[INFO][2024-04-30 21:16:04][wework_channel.py:185] - 等待登录・・・・・・
[INFO][2024-04-30 21:16:05][wework_channel.py:190] - 登录信息:>>>user_id:xxx>>>>>>>>name:
[INFO][2024-04-30 21:16:05][wework_channel.py:191] - 静默延迟 60s,等待客户端刷新数据,请勿进行任何操作・・・・・・
[INFO][2024-04-30 21:17:05][wework_channel.py:224] - wework 程序初始化完成・・・・・・・・

现在我们给机器人发送消息,可以看到接入成功!

4. Dify 接入公众号

待更新 ~

5. Dify 接入企业微信应用

待更新 ~

6. Dify 接入企业微信客服

待更新 ~

7. 后记

是 的下游分支,额外实现了对接 API,支持 Dify 聊天助手、支持 Agent 调用工具和知识库,支持 Dify 工作流,详情请查看 GitHub 仓库 。

Dify on WeChat 项目使用 python 语言编写,请在 下载安装 python,推荐安装 python3.8 以上版本,我在 ubuntu 测试过 3.11.6 版本,可以正常运行。

我们到 下载 Dify 工作流介绍的文档。

首先你需要提前下载好我预先创建的 DSL 文件,。下载完成后,进入工作室页面,点击导入 DSL 文件,上传提前下载好的文件,最后点击创建。

你可以在此工作流的基础上进行修改,但是对于 ** 工作流类型 ** 的应用,它的输入变量名称十分灵活,,为了更方便地接入微信机器人, 项目约定 ** 工作流类型 ** 的应用 ** 输入变量命名为 query, 输出变量命名为 text**。

在登录旧版本的企业微信时可能会出现企业微信版本过低,无法登录情况,参考 ,请尝试更换其他企业微信号重试

确保你有一台 windows 系统的电脑,然后在此电脑下载安装特定版本的企业微信,,。

首先需要查看你的 python 版本,在命令行中输入 python 查看版本信息,然后在 目录下找到对应的 whl 文件,运行 pip install xx.whl 安装 ntwork 依赖,注意 "xx.whl" 更换为 whl 文件的 ** 实际路径 **。

我是社畜打工人,精力实在有限,只能晚上下班还有周末空闲时间维护 项目,单靠我个人开发项目进度十分缓慢,希望大家能一起参与进来这个项目,多多提 PR,让 Dify 的生态变得更好 ~

Dify on WeChat
ChatGPT on WeChat
Dify
Dify on WeChat
python 官网
dify 文档仓库
点击此处下载
Dify on WeChat
issue1525
官方下载链接
备用下载链接
ntwork-whl
Dify on WeChat
Dify on WeChat
欢迎使用 Dify | 中文 | Dify
Dify 官方应用平台
Docker Compose 部署 | 中文 | Dify