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. 準備工作
  • 3. 创建Dify基础编排聊天助手应用 (節錄自手把手教你把 Dify 接入微信生态)
  • 4. 獲取Twilio密钥
  • 5. 创建你的聊天机器人
  • 6. 配置你的Twilio沙箱以供WhatsApp使用
  • 7. WhatsApp測試
  • 8. 后记
  1. 阅读更多
  2. 应用案例

使用 Dify 和 Twilio 构建 WhatsApp 机器人

Previous手把手教你把 Dify 接入微信生态Next将 Dify 应用与钉钉机器人集成

Last updated 3 months ago

作者:Warren,

1. 概述

随着世界通过消息应用程序变得越来越紧密地连接在一起,聊天机器人已成为企业与客户进行更个人化交流的关键工具。

随着人工智能的崛起,聊天机器人变得更聪明,更个性化,更直观。在本文中,我们将向你展示如何使用使用Dify和Twilio将其与WhatsApp集成。

你将首先使用FastAPI 接入Dify设置后端,然后,你将集成Twilio的WhatsApp消息API,允许客户与你的WhatsApp聊天机器人开始对话。

使用Localtunnel,将FastAPI本地主机放在互联网上,使其可以供Twilio API通信。

2. 準備工作

  • 安裝好Docker 和Docker Compose

  • Twilio帐户: 在 創建一個免費Twilio帳戶

  • 一部安装了WhatsApp的智能手机,用于测试你的AI聊天机器人

  • 对FastAPI的基本理解,这是一个使用Python 3.6+构建API的框架

3. 创建Dify基础编排聊天助手应用 (節錄自)

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。

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

4. 獲取Twilio密钥

转到[Twilio控制台] 畫面應該會直接獲取到Account SID 和Auth Token,保存好這两个东西。

5. 创建你的聊天机器人

在这一部分,你将使用FastAPI和Twilio编写一个基本的聊天机器人的代码。

5.1 下載代碼

git clone https://github.com/somethingwentwell/dify-twilio-whatsapp

5.2 配置.env

在项目根目录创建.env,內容如下:

TWILIO_NUMBER=+14155238886
TWILIO_ACCOUNT_SID=<在(4)獲取的Twilio Account SID>
TWILIO_AUTH_TOKEN=<在(4)獲取的Twilio Auth Token>
DIFY_URL=<在(3)獲取的Dify API服务器地址>
DIFY_API_KEY=<在(3)獲取的Dify API密钥>

5.3 運行代码

執行docker compose up

docker compose up

如果运行成功,你应该会看到

dify-whatsapp-1  | INFO:     Started server process [68]
dify-whatsapp-1  | INFO:     Waiting for application startup.
dify-whatsapp-1  | INFO:     Application startup complete.

在浏览器中打开 http://localhost:9000。你应该看到的结果是一个JSON响应,内容为 {"msg": "working"}。

5.4 使用Localtunnel 將本地项目放到公网访问

Twilio需要向你的后端发送消息,你需要在公共服务器上托管你的应用。一个简单的方法是使用localtunnel。

让FastAPI应用继续在9000端口运行,并在另一个终端窗口运行以下localtunnel命令:

npx localtunnel --port 9000

上述命令在你的本地服务器(运行在9000端口)和localtunnel创建的公共域之间建立了一个连接。一旦你有了localtunnel转发URL,任何来自客户端对该URL的请求都会自动被定向到你的FastAPI后端。

5.5 代码解释

5.5.1 检查该号码是否已在白名单中,不在白名单的用户直接返回“你未注册此服务。”

enrolled_numbers = ['+14155238886']

对应

    # Check if the number is enrolled
    if whatsapp_number not in enrolled_numbers:
        message = client.messages.create(  
            from_=f"whatsapp:{twilio_number}",  
            body="You are not enrolled in this service.",  
            to=f"whatsapp:{whatsapp_number}"  
        )
        return ""

5.5.2 将WhatsApp号码作为Dify会话ID,确保用户持续保持该会话

conversation_ids = {}

对应

    url = dify_url
    headers = {  
        'Content-Type': 'application/json',  
        'Authorization': f"Bearer {dify_api_key}",  
    }  
    data = {  
        'inputs': {},  
        'query': Body,  
        'response_mode': 'streaming',  
        'conversation_id': conversation_ids.get(whatsapp_number, ''),  
        'user': whatsapp_number,  
    }  
    response = requests.post(url, headers=headers, data=json.dumps(data), stream=True)  
    answer = []  
    for line in response.iter_lines():  
        if line:  
            decoded_line = line.decode('utf-8')  
            if decoded_line.startswith('data: '):  
                decoded_line = decoded_line[6:]  
            try:  
                json_line = json.loads(decoded_line) 
                if "conversation_id" in json_line:
                    conversation_ids[whatsapp_number] = json_line["conversation_id"]
                if json_line["event"] == "agent_thought":  
                    answer.append(json_line["thought"])  
            except json.JSONDecodeError: 
                print(json_line)  
                continue  

    merged_answer = ''.join(answer)  

6. 配置你的Twilio沙箱以供WhatsApp使用

6.1 打开WhatsApp沙盒

要使用Twilio的消息API使聊天机器人能与WhatsApp用户通信,你需要配置Twilio沙箱以供WhatsApp使用。以下是操作方法:

在“试试看”下,点击“发送WhatsApp消息”。你将默认进入沙盒选项卡,你会看到一个电话号码“+14155238886”,旁边有一个加入的代码,右边有一个二维码。

要启用Twilio测试环境,将此代码的文本作为WhatsApp消息发送到显示的电话号码。如果你正在使用网络版本,可以点击超链接将你引导到WhatsApp聊天。

6.2 配置WhatsApp沙盒

在“沙盒”选项卡旁边,选择“沙盒设置”选项卡。

复制你的localtunnel URL并附加/message。将其粘贴到“当消息进入时”旁边的框中:

Twilio沙盒webhook 完整的URL应如下所示:https://breezy-humans-help.loca.lt/message。

你将在FastAPI应用程序中配置的端点是/message,如上所述。聊天机器人的逻辑将在此端点上。

完成后,按“保存”按钮。

7. WhatsApp測試

掃6.1 頁面的二維碼進入WhatsApp 沙盒環境,然後发送WhatsApp消息,并等待你的AI聊天机器人的回复。尝试向AI聊天机器人提问你可以向Dify 聊天助手提问的任何问题。

8. 后记

现在,你的AI聊天机器人在WhatsApp上运行良好。也许你的下一步是使用你自己的WhatsApp商业账户,而不是Twilio沙盒,并使用服务器托管而不是在本地构建,使这个WhatsApp助手在生产中运行。希望你喜欢这个教程,我们下次再见。

转到并在左侧面板上选择消息选项卡。

Twilio控制台
Microsoft 最有價值專家 (MVP)
這裡
手把手教你把 Dify 接入微信生态
Dify官方应用平台
Docker Compose 部署 | 中文 | Dify