飞书机器人两小时接入大模型 - 我把接入流程压缩成了一个晚上

为什么是这件事

先算一笔时间账。如果你想让飞书群里的机器人能回答问题、总结消息、写日报，传统路径大致是这样的：

对于独立开发者和小团队来说，最贵的往往不是 API 调用费，而是「第一次跑通」之前的所有摸索时间。走网关的核心价值就在这里：格式统一、账号统一、随时切换模型。价格方面，以官网价格页为准，不做数字对比。

下面是我实际跑通的完整流程。

第一步：注册飞书开放平台并建机器人

1. 打开飞书开放平台，创建一个「企业自建应用」。
2. 在「添加应用能力」里勾选「机器人」。
3. 记下 App ID 和 App Secret（后面要用）。
4. 在「事件与回调」中配置订阅方式。本地调试建议选长连接模式（WebSocket），不需要公网 IP、不用配 HTTPS 证书，这一个选择能省掉至少一小时的 nginx 折腾。
5. 订阅事件：im.message.receive_v1。
6. 权限管理里开通：im:message、im:message:send_as_bot。
7. 发布版本并让管理员通过审核，然后把机器人拉进一个测试群。

第二步：注册 ThisToken.AI 并获取 API Key

1. 访问 https://api.thistoken.ai/register ，用邮箱完成注册。
2. 登录后进入控制台，在「API 密钥」页面创建一个新 Key。
3. 立刻复制并妥善保存——Key 只完整展示一次。
4. 往账户里充一点额度（金额以官网价格页为准），跑通流程用不了多少。

拿到 Key 之后，你就有了一个统一入口：后续无论是换模型、加模型，都只是改代码里一个 model 参数的事，不用再注册新账号。

第三步：一段可运行的 Python 代码

先装依赖：

pip install lark-oapi openai

保存为 bot.py：

import os
import lark_oapi as lark
from lark_oapi.api.im.v1 import (
    P2ImMessageReceiveV1, ReplyMessageRequest, ReplyMessageRequestBody
)
from openai import OpenAI

# ===== 飞书侧配置 =====
APP_ID = os.environ["FEISHU_APP_ID"]
APP_SECRET = os.environ["FEISHU_APP_SECRET"]

# ===== 大模型侧：走统一网关 =====
llm = OpenAI(
    api_key=os.environ["THISTOKEN_API_KEY"],
    base_url="https://api.thistoken.ai/v1",  # 关键：统一网关入口
)

def ask_llm(question: str) -> str:
    resp = llm.chat.completions.create(
        model="gpt-4o-mini",   # 换模型只改这一行
        messages=[
            {"role": "system", "content": "你是群里的技术助手，回答简洁准确。"},
            {"role": "user", "content": question},
        ],
    )
    return resp.choices[0].message.content

def do_reply(client: lark.Client, data: P2ImMessageReceiveV1):
    msg = data.event.message
    if msg.message_type != "text":
        return
    import json
    text = json.loads(msg.content).get("text", "").strip()
    if not text:
        return
    answer = ask_llm(text)
    req = ReplyMessageRequest.builder() \
        .message_id(msg.message_id) \
        .request_body(ReplyMessageRequestBody.builder()
                      .content(json.dumps({"text": answer}))
                      .msg_type("text")
                      .build()) \
        .build()
    client.im.v1.message.reply(req)

def main():
    client = lark.Client.builder() \
        .app_id(APP_ID).app_secret(APP_SECRET).build()

    handler = lark.EventDispatcherHandler.builder("", "") \
        .register_p2_im_message_receive_v1(
            lambda _, data: do_reply(client, data)) \
        .build()

    ws_client = lark.ws.Client(APP_ID, APP_SECRET,
                               event_handler=handler,
                               log_level=lark.LogLevel.INFO)
    ws_client.start()

if __name__ == "__main__":
    main()

运行前设置环境变量：

export FEISHU_APP_ID=你的AppID
export FEISHU_APP_SECRET=你的AppSecret
export THISTOKEN_API_KEY=你的Key
python bot.py

然后在测试群里 @机器人 问一句「用一句话解释什么是 WebSocket」，几秒内它会回复。到这里，最小闭环就通了。

几个实测的坑

• 别在代码里写死 Key。环境变量或配置中心，从第一行代码就养成习惯。
• 长连接模式在断网后会自动重连，但如果你的服务器频繁掉线，检查心跳日志，别急着怀疑代码。
• 群聊里只有 @机器人 的消息才触发事件，如果没反应，先确认你 @ 了它，而不是发普通消息。
• 模型名要与网关支持列表一致，在 ThisToken.AI 控制台可以查看可用模型，写错模型名会直接报错。

省下来的时间花在哪

我第一次手工对接某模型的官方 SDK，光处理鉴权签名和错误码就花了一个下午；这次换成统一网关，接入部分约两小时完成，其中一半时间在配飞书权限。更重要的是后续收益：

• 换模型零成本：想对比不同模型在群聊场景的表现，改一个字符串即可，不用再走一遍注册、充值、读文档的流程。
• Key 管理一处搞定：小团队最怕的就是 Key 散落在五六个脚本里，走网关后一把钥匙管所有模型。
• 账单集中：所有调用量在同一个后台可见，月底对账不用翻五个平台。

对独立开发者，这意味着一个晚上就能把想法变成能用的东西；对三五人的小团队，意味着不用指定专人去啃各家 SDK 的差异文档。省下的那些小时，才是这类项目里真正稀缺的资源。

注册入口在这里：https://api.thistoken.ai/register ，拿到 Key 后，上面那段代码原样就能跑。

---

想直接跑通示例？访问 https://api.thistoken.ai/register 注册 ThisToken.AI，获取 API Key 后即可开始。