☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
最近ChatGPT大火，boss也蠢蠢欲动要求我们把ChatGPT接入飞书，经过一上午的研究，终于注册成功并且实现了飞书机器人对接到ChatGPT。
下面给大家分享一下接入飞书的详细步骤。
如何接入飞书
飞书与chatgpt的交互如下，我们的自定义服务就是充当一个中间人的角色，进行消息的转发。
创建飞书机器人
1，进入飞书开放平台，选择创建企业自建应用。
2，创建完应用以后，点击进入应用，添加机器人。
3，给机器人配置消息相关的权限，如果不确定需要什么权限，可以先全部开通。
4，配置事件订阅。事件订阅需要先开发一个接口供飞书验证。接口需要可以公网访问。
这个接口的代码可以参考如下：
@PostMapping(value = "/message")
public FeishuEventDTO message(@RequestBody String body) {
log.info("收到消息：{}", body);
FeishuEventParams feishuEventParams = JSON.parseObject(body, FeishuEventParams.class);
FeishuEventDTO eventDTO = new FeishuEventDTO();
eventDTO.setChallenge(feishuEventParams.getChallenge());
return eventDTO;
}
@Data
public class FeishuEventParams {
private String challenge;
private String token;
private String type;
}
@Data
public class FeishuEventDTO {
private String challenge;
}有一点需要注意的是，这个校验接口和下面接收飞书消息的接口是同一个地址，但是消息体不一样。
也就是说校验接口是一次性的，校验完之后需要对这个接口进行改造。
我们先将这个接口发布到一个可以公网访问的项目中，比如接口地址是
https://www.php.cn/link/4aee31b0ec9f7bb7885473d95961e9a6
OK，到这里飞书的配置基本搞定了，下面就是我们需要进行处理的逻辑了。
对接逻辑及实现
先说一下我司对接的大致逻辑，供大家参考。
用户发送消息到飞书之后，飞书会将消息转发到我们自己的服务上。
但是这里会存在一个问题，就是当多个用户并发发起会话时，或者一个大群里很多人都在@我们的机器人时，我们需要记住每一个人的回话，在chatgpt查询到结果后，准确的回复这个人。
由于我司目前也是用于内部测试不想实现太复杂，所以我们采用的思路是：每一个用户的会话转发到我们的服务上时，先将会话内容保存到一个全局的ConcurrentLinkedQueue队列中，然后启动一个线程，不停的消费这个队列。
队列的泛型是一个提前构造好的对象，这个对象保存着当前消息的消息id，发送人，提问内容等。
每消费一个对象，就将对象的提问内容发送到chatgpt，获取响应结果以后，调用飞书提供的会话回复接口去回复用户。（如果并发量比较大，这里可以搞成异步的）。
好了，大致思路就说到这，我们看一下具体的代码。
1，打开我们的项目，引入chatgpt提供的jar。
com.theokanning.openai-gpt3-java service 0.10.0
2，重写上面的校验接口，改造成接收飞书消息。（接口路径不要变）
@Slf4j
@RestController
@RequestMapping(value = "/query")
public class QureyController {
public static ConcurrentLinkedQueue consumer
= new ConcurrentLinkedQueue<>();
@PostMapping(value = "/message")
public String message(@RequestBody String body) {
log.info("收到飞书消息:{}", body);
JSONObject jsonObject = JSONObject.parseObject(body);
JSONObject header = jsonObject.getJSONObject("header");
String eventType = header.getString("event_type");
if ("im.message.receive_v1".equals(eventType)) {
JSONObject event = jsonObject.getJSONObject("event");
JSONObject message = event.getJSONObject("message");
String messageType = message.getString("message_type");
if ("text".equals(messageType)) {
String messageId = message.getString("message_id");
String content = message.getString("content");
JSONObject contentJson = JSON.parseObject(content);
String text = contentJson.getString("text");
FeishuResponse feishuResponse = new FeishuResponse();
feishuResponse.setMessageId(messageId);
feishuResponse.setQuery(text);
log.info("投递用户消息,{}", JSON.toJSON(feishuResponse));
consumer.add(feishuResponse);
} else {
log.info("非文本消息");
}
}
return "suc";
}
} FeishuResponse的结构如下。
@Data
public class FeishuResponse {
private String messageId;
private String query;
}3，写一个任务线程。
@Slf4j
public class AutoSendTask implements Runnable {
//你的chatgpt的key
public static final String token = "";
public static OpenAiService openAiService = null;
static {
openAiService = new OpenAiService(token, Duration.ofSeconds(60));
}
@Override
public void run() {
while (true) {
try {
FeishuResponse poll = consumer.poll();
if (poll == null) {
log.info("no query,sleep 2s");
TimeUnit.SECONDS.sleep(2);
} else {
String query = this.query(poll.getQuery());
this.reply(poll, query);
}
} catch (InterruptedException e) {
log.error("Thread exception...", e);
}
}
}
private String query(String q) {
log.info("开始提问:{}", q);
CompletionRequest completionRequest = CompletionRequest.builder()
.prompt(q)
.model("text-davinci-003")
.maxTokens(2048)
.echo(false)
.build();
StringBuilder sb = new StringBuilder();
CompletionResult completion = openAiService.createCompletion(completionRequest);
log.info("q:{},获取响应:{}", q, JSON.toJSONString(completion));
completion.getChoices().forEach(v -> {
sb.append(v.getText());
});
String rs = sb.toString();
if (rs.startsWith("？")) {
rs = rs.replaceFirst("？", "");
}
if (rs.startsWith("nn")) {
rs = rs.replaceFirst("nn", "");
}
log.info("格式化后的rs:{}", rs);
return rs;
}
private String reply(FeishuResponse poll, String rs) {
JSONObject params = new JSONObject();
params.put("uuid", RandomUtil.randomNumbers(10));
params.put("msg_type", "text");
JSONObject content = new JSONObject();
content.put("text", rs);
params.put("content", content.toJSONString());
String url = String.format("https://open.feishu.cn/open-apis/im/v1/messages/%s/reply",
poll.getMessageId());
String tenantAccessToken = FeishuUtils.getTenantAccessToken();
String body = null;
try (HttpResponse authorization = HttpUtil.createPost(url)
.header("Authorization", "Bearer " + tenantAccessToken)
.body(params.toJSONString())
.execute()) {
body = authorization.body();
}
return body;
}
}获取飞书token的工具类如下：
@Slf4j
public class FeishuUtils {
public static final String tokenUrl
= "https://open.feishu.cn/open-apis/auth/v3/app_access_token/internal/";
//构建一个cache 缓存飞书的token
static Cache tokenCache =
CacheBuilder.newBuilder().expireAfterWrite(Duration.ofSeconds(3500)).build();
//这个是飞书应用的appid和key，可以在创建的飞书应用中找到
public static final String appId = "";
public static final String appKey = "";
public static String getTenantAccessToken() {
String token = null;
try {
token = tokenCache.get("token", () -> {
JSONObject params = new JSONObject();
params.put("app_id", appId);
params.put("app_secret", appKey);
String body;
try (HttpResponse execute = HttpUtil.createPost(tokenUrl)
.body(params.toJSONString()).execute()) {
body = execute.body();
}
log.info("获取飞书token:{}", body);
if (StrUtil.isNotBlank(body)) {
String tenantAccessToken = JSON.parseObject(body).getString("tenant_access_token");
tokenCache.put("token", tenantAccessToken);
return tenantAccessToken;
}
return null;
});
} catch (ExecutionException e) {
throw new RuntimeException(e);
}
return token;
}
} 4，启动线程类即可。
最后，出于隐私，chatgpt群会话的效果就不展示了，展示一下直接对话机器人的效果吧。
最后
由于我们引入chatgpt也只是抱着尝试的态度，所以代码相对也比较粗糙，如果有哪里写的不好的地方，还望大家海涵。
文中代码还额外引入的jar有：guava、hutool-all、fastjson。
