腾讯WorkBuddy微信直连实战:用企业微信WebSocket搭建“AI同事”

腾讯WorkBuddy微信直连实战:用企业微信WebSocket搭建“AI同事”

文章目录

目前国内还是很缺AI人才的,希望更多人能真正加入到AI行业,共同促进行业进步,增强我国的AI竞争力。想要系统学习AI知识的朋友可以看看我精心打磨的教程 http://blog.ZEEKLOG.net/jiangjunshow,教程通俗易懂,高中生都能看懂,还有各种段子风趣幽默,从深度学习基础原理到各领域实战应用都有讲解,我22年的AI积累全在里面了。注意,教程仅限真正想入门AI的朋友,否则看看零散的博文就够了。

一、从“养龙虾”到“国产小龙虾”:打工人的数字替身来了

最近圈里有个挺有意思的说法叫“养龙虾”——不是夜宵摊上那个麻辣味儿的,是指在电脑里养一个AI Agent(智能体),让它帮你24小时不合眼地干活。这概念火归火,但之前那款海外开源工具对国内用户属实不太友好:配环境、调接口、租服务器,折腾一圈下来,头发掉了三把,龙虾还没养熟。

就在2026年3月9号,腾讯突然扔出来一个叫WorkBuddy的桌面端AI智能体,江湖人称“腾讯版小龙虾”。这玩意儿最狠的地方在于零部署——官网下载安装包,双击运行,扫码登录,完事儿。不需要买云服务器,不需要配Docker,你的办公电脑就是它的大本营。

更妙的是,它内置了企业微信的WebSocket长连接能力。这意味着啥?意味着你可以躺在家里沙发上,用手机给企业微信里的机器人发条语音:“把今天销售报表整理成PPT”,你工位上那台没关机的电脑立刻就开始吭哧吭哧干活。等你第二天到公司,成品已经躺在桌面上了。

这哪是养龙虾啊,这分明是雇了个7×24小时待命的数字同事。

二、WorkBuddy不是聊天框,是带脑子的“AI同事”

很多人以为WorkBuddy就是个装在电脑里的ChatGPT窗口,那理解就片面了。它骨子里是个AI原生桌面Agent,基于腾讯CodeBuddy同一套架构搭建。简单说,它不光能听懂人话,还能自己拆解任务、规划步骤、操作本地文件,最后交付一个可验收的结果。

举个例子:你跟它说“整理一下上周的客户反馈,把高频问题摘出来,做成思维导图”。它不会只给你回一段文字分析,而是会真的打开你的Excel文件,读取内容,归类统计,调用绘图工具生成导图,最后把文件保存在指定路径。整个过程在你本地电脑完成,数据不用上传云端,相当于一个懂逻辑的实习生坐在你的工位上。

目前WorkBuddy国内版支持无缝切换Hunyuan、DeepSeek、GLM、Kimi、MiniMax等主流大模型,还自带20多种Skills技能包,支持MCP协议扩展。想做海报生成、自动化报表、邮件群发?零代码就能搭 workflow。

三、企业微信WebSocket长连接:手机遥控电脑的“隐形数据线”

要实现手机远程指挥电脑,核心技术在于企业微信的WebSocket长连接。这可不是简单的HTTP接口轮询,而是一条双向实时通信的“高速公路”。

根据企业微信开发者中心文档,智能机器人长连接的接入流程是这样的:客户端先向 wss://openws.work.weixin.qq.com 发起WebSocket握手,连接建立后,发送aibot_subscribe订阅请求,携带BotID和Secret完成身份校验。一旦订阅成功,这条连接就保持常开状态,企业微信服务器会实时推送消息到客户端,客户端也能即时响应。

对WorkBuddy来说,它扮演了客户端的角色。当你在手机上给企业微信机器人发消息时,消息通过企业微信服务器→WebSocket长连接→WorkBuddy本地端,WorkBuddy解析指令后调用本地AI模型和Skills能力执行任务,完成后还能把结果文件推回企业微信。

整个过程的延迟通常在毫秒级,比传统的回调接口快得多。而且WorkBuddy最新版支持断网自动重连,不用手动配置IP白名单,对企业内网环境特别友好。

四、实战配置:1分钟打通企业微信“遥控”

好了,聊了半天原理,咱们动手搭一个。以下步骤基于2026年3月发布的WorkBuddy最新版实测:

4.1 下载与基础配置

先去官网 https://www.codebuddy.cn/work/ 下载对应系统的安装包(Windows版大约300MB)。安装完成后首次启动需要扫码登录腾讯云CodeBuddy账号,新用户会自动获得5000 Credits的试用额度。

登录后点击右上角头像→Claw Settings(注意不是直接点Language),把界面切换成中文。Claw就是WorkBuddy的“遥控器”功能模块,专门负责对接各类通讯工具。

4.2 创建企业微信机器人

接下来需要有个“信使”在企业微信和WorkBuddy之间传话。登录企业微信管理后台,进入应用管理→创建应用,上传个头像,填写应用名称(比如“我的AI同事”),可见范围选自己或整个部门。

创建完成后,在应用详情页找到凭证与基础信息,记下AgentId和Secret。然后进入权限管理,给机器人开通必要的权限,比如chat_message(收发消息)、media_upload(上传文件)等。

4.3 开启WebSocket长连接

在企业微信管理后台的智能机器人配置页,开启长连接模式。系统会生成专属的BotID和Secret,这两个值就是后面订阅WebSocket用的身份凭证。

回到WorkBuddy的Claw设置页,选择企业微信通道,把刚才的BotID和Secret填进去,点击测试连接。如果看到“WebSocket连接成功”的提示,说明你的手机和电脑已经通过这条“隐形数据线”连上了。

整个配置过程顺利的话,确实1分钟就能搞定。

五、C#实战:自己撸一个企业微信WebSocket客户端

有追求的小伙伴可能会想:能不能不用WorkBuddy自带的客户端,自己用C#写一个类似的WebSocket控制器?当然可以。企业微信的WebSocket接口是开放的,只要拿到凭证,任何语言都能接入。

以下是一个基于 .NET 9 的极简示例,展示如何建立长连接并订阅消息:

usingSystem;usingSystem.Net.WebSockets;usingSystem.Text;usingSystem.Text.Json;usingSystem.Threading;usingSystem.Threading.Tasks;publicclassWeComAIClient{privatereadonlystring _wsUrl ="wss://openws.work.weixin.qq.com";privatereadonlystring _botId;privatereadonlystring _secret;privateClientWebSocket _ws;publicWeComAIClient(string botId,string secret){ _botId = botId; _secret = secret;}publicasyncTaskConnectAsync(){ _ws =newClientWebSocket();await _ws.ConnectAsync(newUri(_wsUrl), CancellationToken.None);// 发送订阅请求var subscribeMsg =new{ cmd ="aibot_subscribe", headers =new{ req_id = Guid.NewGuid().ToString()}, body =new{ bot_id = _botId, secret = _secret }};var json = JsonSerializer.Serialize(subscribeMsg);var bytes = Encoding.UTF8.GetBytes(json);await _ws.SendAsync(newArraySegment<byte>(bytes), WebSocketMessageType.Text,true, CancellationToken.None);// 启动接收循环 _ =ReceiveLoopAsync();}privateasyncTaskReceiveLoopAsync(){var buffer =newbyte[4096];while(_ws.State == WebSocketState.Open){var result =await _ws.ReceiveAsync(newArraySegment<byte>(buffer), CancellationToken.None);if(result.MessageType == WebSocketMessageType.Text){var msg = Encoding.UTF8.GetString(buffer,0, result.Count); Console.WriteLine($"收到指令: {msg}");// 这里可以解析msg,调用本地AI或WorkBuddy的Open API}}}publicasyncTaskSendResponseAsync(string userId,string content){// 构造回复消息(需按企业微信格式)var response =new{ touser = userId, msgtype ="text", text =new{ content = content }};// 实际发送需要通过企业微信的主动消息接口,配合access_token使用}}

这段代码展示了核心逻辑:建立WSS连接→发送aibot_subscribe→进入接收循环。实际生产环境还需要处理异常重连、心跳保活、消息加解密等细节,但骨架就是这样。

六、高阶玩法:让AI同事“卷”起来

基础遥控只是开胃菜,WorkBuddy的真正威力在于自动化编排。

6.1 定时任务:到点自动打工

在WorkBuddy的自动化标签页,可以设置Cron表达式任务。比如配置“每周五17:00”触发,任务内容“读取本周会议纪要→生成待办清单→导出PDF→推送到企业微信”。到了点,哪怕你早就下班了,这位数字同事还是会准时把周报发给你。

6.2 多Agent并行:几个龙虾一起炒

WorkBuddy支持多窗口、多Agent并行工作。你可以同时开三个任务窗口:一个负责爬取竞品数据,一个负责写分析文案,一个负责生成配图。复杂任务拆解后同步开工,效率直接拉满。

6.3 Skills技能包:零代码扩展能力

WorkBuddy兼容OpenClaw的Skills体系,官方市场提供了海报生成、发票识别、PPT自动化等20多种现成技能。如果这还不够,可以用MCP(Model Context Protocol)协议自己写插件。比如接入公司内部的ERP系统,让AI同事能直接查库存、下订单。

七、写在最后:打工人的“外挂”时代

腾讯这次推出WorkBuddy,本质上是在降低AI Agent的使用门槛。以前玩OpenClaw需要懂命令行、会配环境,现在小白用户下载个安装包就能体验“养龙虾”的乐趣。对企业来说,这也是个低成本试水的入口——不用改造现有IT架构,通过企业微信WebSocket就能让AI接管重复性工作。

当然,这玩意儿目前还不能替代人类的判断力,重要文件处理前最好还是人工复核一遍。但把它当成一个不知疲倦的初级助手,帮你处理报表、整理资料、定时提醒,绝对绰绰有余。

下次再加班,不妨试着对企业微信喊一嗓子:“龙虾,把这份数据透视表做了。”然后潇洒地关上电脑回家。毕竟,有AI同事在,为什么还要自己熬夜呢?

目前国内还是很缺AI人才的,希望更多人能真正加入到AI行业,共同促进行业进步,增强我国的AI竞争力。想要系统学习AI知识的朋友可以看看我精心打磨的教程 http://blog.ZEEKLOG.net/jiangjunshow,教程通俗易懂,高中生都能看懂,还有各种段子风趣幽默,从深度学习基础原理到各领域实战应用都有讲解,我22年的AI积累全在里面了。注意,教程仅限真正想入门AI的朋友,否则看看零散的博文就够了。

在这里插入图片描述

Read more

【AIGC前沿】MiniMax海螺AI视频——图片/文本生成高质量视频

【AIGC前沿】MiniMax海螺AI视频——图片/文本生成高质量视频

目录 1.MiniMax海螺AI视频简介 2.使用教程 1.MiniMax海螺AI视频简介 海螺视频,作为 MiniMax 旗下海螺 AI 平台精心打造的 AI 视频生成工具,致力于助力用户产出高品质视频内容。该工具依托 abab-video-1 模型,具备强大的文生视频功能。用户仅需输入关键词或简短语句,海螺视频就能据此创作出情节丰富的完整视频。此外,海螺视频运用 DiT 架构,能够精准模拟现实世界的物理规律,尤其在生成复杂场景与高动作场景时,展现出卓越的性能。 2.使用教程 点击如下链接,进入蓝耘元生代智算云平台主页 https://cloud.lanyun.net/#/registerPage?promoterCode=11f606c51e 点击主页上方栏的“MaaS平台” 然后点击左侧栏的“视觉模型”  可以看到可以免费体验一次I2V-01图片生成视频  点击如下红框处将图片上传  例如输入如下的图片 例如想让小狗动起来,可以在如下红框处输入相应的指令,然后点击立即生成

Amazon SageMaker 部署 AIGC 应用:训练 - 优化 - 部署 - Web 前端集成应用实践

Amazon SageMaker 部署 AIGC 应用:训练 - 优化 - 部署 - Web 前端集成应用实践

Amazon SageMaker 部署 AIGC 应用:训练 - 优化 - 部署 - Web 前端集成应用实践 背景 Amazon SageMaker 汇集广泛采用的亚马逊云科技机器学习和分析功能,统一访问所有数据,为分析和人工智能提供一体式体验,使用亚马逊云科技机工具进行模型开发、生成式人工智能、数据处理和 SQL 分析,在融通式合作开发工作室中加快协作和构建,借助强大的生成式人工智能软件开发助手 Amazon Q 开发者版提升效率,无论数据存储在数据湖、数据仓库,还是第三方或联合数据来源中,均可访问所有数据,同时内置治理功能可满足企业安全需求。 前言 本文将通过 Amazon SageMaker Notebook 实例完成 AIGC 模型的测试与验证,再将模型部署至 Amazon SageMaker Inference Endpoint 实现服务化,最后利用 Amazon

Android端Whisper中文语音识别实战:从模型部署到性能优化

快速体验 在开始今天关于 Android端Whisper中文语音识别实战:从模型部署到性能优化 的探讨之前,我想先分享一个最近让我觉得很有意思的全栈技术挑战。 我们常说 AI 是未来,但作为开发者,如何将大模型(LLM)真正落地为一个低延迟、可交互的实时系统,而不仅仅是调个 API? 这里有一个非常硬核的动手实验:基于火山引擎豆包大模型,从零搭建一个实时语音通话应用。它不是简单的问答,而是需要你亲手打通 ASR(语音识别)→ LLM(大脑思考)→ TTS(语音合成)的完整 WebSocket 链路。对于想要掌握 AI 原生应用架构的同学来说,这是个绝佳的练手项目。 从0到1构建生产级别应用,脱离Demo,点击打开 从0打造个人豆包实时通话AI动手实验 在Android设备上实现高效的语音识别一直是个挑战,尤其是处理中文这种复杂的语言。最近我尝试将OpenAI的Whisper模型集成到Android应用中,过程中遇到了不少坑,也总结了一些优化经验,分享给大家。 移动端语音识别的特殊挑战 1. 算力限制:相比服务器,手机CPU和GPU性能有限,特别是低端设备。

告别复杂操作:灵感画廊极简AI绘画体验

告别复杂操作:灵感画廊极简AI绘画体验 "见微知著,凝光成影。将梦境的碎片,凝结为永恒的视觉诗篇。" 你是否曾经被复杂的AI绘画工具劝退?参数太多、界面太乱、学习成本太高...现在,这一切都将成为过去。灵感画廊(Atelier of Light and Shadow)基于Stable Diffusion XL 1.0打造,却彻底摒弃了工业化的复杂界面,为你提供一个如艺术沙龙般恬静的创作空间。 1. 为什么选择灵感画廊? 传统的AI绘画工具往往让人望而生畏。密密麻麻的参数滑块、晦涩难懂的技术术语、需要反复调试的复杂设置...这些都不是创作者想要的。 灵感画廊完全不同。它相信:真正的创作应该专注于灵感本身,而不是技术细节。 这里没有"提示词",只有"梦境描述";没有"反向词"