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

Seedance 2.0 × 飞书机器人深度集成:从API鉴权到上下文感知对话,97%开发者忽略的4个关键配置陷阱

第一章:Seedance 2.0 × 飞书机器人深度集成:从API鉴权到上下文感知对话,97%开发者忽略的4个关键配置陷阱 飞书机器人Token与Encrypt Key的双向校验陷阱 飞书机器人启用「事件订阅」后,必须同时验证 token(用于签名比对)与 encrypt_key(用于消息解密),但多数开发者仅配置了前者。若 encrypt_key 为空或未在服务端正确初始化,飞书将返回 400 Bad Request,且错误日志不显式提示原因。 // Go 示例:初始化飞书加解密器(需显式传入 encrypt_key) cipher, err := larksuite.NewAesCipher("your_encrypt_key_here") // ⚠️ 此处不可省略 if err != nil

介绍终身机器人学习的数据集LIBERO

介绍终身机器人学习的数据集LIBERO

1 LIBERO的作用 LIBERO是一个用于研究多任务和终身机器人学习中知识迁移的综合基准测试平台,LIBERO是基于robosuite框架构建的。它专注于机器人操作任务,这些任务需要两类知识: 1. 陈述性知识:关于物体和空间关系的知识 2. 程序性知识:关于运动和行为的知识 2 核心原理 任务生成与基准设计 LIBERO提供了一个程序化生成管道,原则上可以生成无限数量的操作任务。系统包含130个任务,分为四个任务套件,每个套件都有受控的分布偏移: * LIBERO-Spatial/Object/Goal:专注于特定类型知识的迁移 * LIBERO-100:包含需要迁移纠缠知识的100个操作任务 学习框架 系统采用模仿学习作为主要学习方法,因为任务使用稀疏奖励函数(任务完成时获得+1奖励)。LIBERO提供高质量的人类遥操作演示数据集用于训练。 算法与策略架构 LIBERO实现了三种视觉运动策略网络: * bc_rnn_policy:基于RNN的行为克隆策略 * bc_transformer_policy:基于Transformer的行为克隆策略

Qwen3-VL+ComfyUI保姆级教程:小白3步搞定AI绘画反推

Qwen3-VL+ComfyUI保姆级教程:小白3步搞定AI绘画反推 引言:为什么你需要这个组合方案? 每次看到别人用AI生成精美画作时,你是不是也跃跃欲试?但面对复杂的提示词编写又望而却步?今天我要介绍的Qwen3-VL+ComfyUI组合,就像给你的AI绘画装上了"自动翻译机"——它能看懂你上传的任何图片,自动生成专业级提示词描述,让你彻底告别"词穷"困境。 这个方案特别适合两类人: - 设计爱好者:想快速复现喜欢的艺术风格但不懂技术细节 - 内容创作者:需要批量处理图片/视频素材生成文字描述 传统方法需要自己搭建Python环境、处理依赖冲突,光是安装就可能耗掉半天时间。而现在通过预置镜像,你只需要3步就能获得完整的反推能力,整个过程比点外卖还简单。 1. 环境准备:5分钟极速部署 1.1 选择适合的镜像 在ZEEKLOG算力平台的镜像广场搜索"Qwen3-VL+ComfyUI",你会看到一个预装好所有依赖的专用镜像。这个镜像已经配置好: - Qwen3-VL多模态模型(

OpenClaw 完整安装与配置文档(包含Minimax/deepseek模型接入、飞书机器人接入)

OpenClaw 完整安装与配置文档 文档说明:本文档适用于 Linux 系统(Debian/Ubuntu 系列),详细梳理 OpenClaw 从基础环境准备、核心程序安装,到模型配置(Minimax/DeepSeek)、飞书渠道对接的全流程,所有交互式配置选项完整呈现,步骤可直接复制执行,适配新手操作。 适用场景:OpenClaw 新手部署、企业内部飞书机器人对接、Minimax/DeepSeek 模型配置 前置说明: 1. 服务器需联网,确保能访问 GitHub、npm、飞书官网; 2. 操作全程使用终端命令行,建议使用远程工具(如 Xshell、Putty)连接服务器; 3. 复制命令时需完整复制,避免遗漏特殊符号; 4. 所有交互式配置选项均完整列出,按文档指引选择即可。 5. 拥有root用户/sudo权限。