Merge remote-tracking branch 'origin/main'

2026-10-29 20:05:25 +08:00 · 2026-10-13 15:04:41 +08:00
parent 28417c18f9 05d5812a14
commit 905dfea480
19 changed files with 513 additions and 13 deletions
@@ -1077,6 +1077,14 @@
                  "zh/articles/langbot-cloud-multi-user-workspaces"
                ]
              },
+              {
+                "group": "在线体验",
+                "pages": [
+                  "zh/articles/langbot-wecom-customer-service-knowledge-base",
+                  "zh/articles/langbot-telegram-sandbox-agent",
+                  "zh/articles/langbot-wechat-official-account"
+                ]
+              },
              {
                "group": "技术解析",
                "pages": [
@@ -11,4 +11,4 @@ Collected at: https://blog.thelazy.top/tags/langbot

 ## 🥰 Community 

-Join our community on Discord: [![Discord](https://img.shields.io/discord/1335141740050649118?logo=discord&labelColor=%20%235462eb&logoColor=%20%23f5f5f5&color=%20%235462eb)](https://discord.gg/wdNEHETs87)
+Join our community on Discord: [Discord](https://discord.gg/wdNEHETs87)
@@ -11,4 +11,4 @@ description: "LangBot コミュニティリソース：オープンソース AI

 ## 🥰 コミュニティ

-Discordコミュニティに参加してください: [![Discord](https://img.shields.io/discord/1335141740050649118?logo=discord&labelColor=%20%235462eb&logoColor=%20%23f5f5f5&color=%20%235462eb)](https://discord.gg/wdNEHETs87)
+Discordコミュニティに参加してください: [Discord](https://discord.gg/wdNEHETs87)
@@ -4,6 +4,7 @@ import path from "node:path";
 import test from "node:test";
 import { unified } from "unified";
 import remarkParse from "remark-parse";
+import { zhOnlyArticleRoutes } from "./article-routes.mjs";

 const root = path.resolve(import.meta.dirname, "..");
 const output = process.env.AGENT_TEST_OUTPUT ?? path.join(root, "dist/public");
@@ -22,7 +23,7 @@ function links(node, result = []) {
 }

 test("every sitemap page has meaningful canonical Markdown and HTML discovery", async () => {
-  assert.equal(urls.length, 506);
+  assert.equal(urls.length, 506 + zhOnlyArticleRoutes.length);
  for (const url of urls) {
    const route = relative(url);
    const text = await read(`${route}.md`);
@@ -0,0 +1,5 @@
+export const zhOnlyArticleRoutes = [
+  "articles/langbot-telegram-sandbox-agent",
+  "articles/langbot-wechat-official-account",
+  "articles/langbot-wecom-customer-service-knowledge-base",
+];
@@ -3,6 +3,7 @@ import { createHash } from "node:crypto";
 import { existsSync, readFileSync, statSync } from "node:fs";
 import path from "node:path";
 import test from "node:test";
+import { zhOnlyArticleRoutes } from "./article-routes.mjs";

 const root = path.resolve(import.meta.dirname, "..");
 const docs = JSON.parse(readFileSync(path.join(root, "docs.json"), "utf8"));
@@ -12,6 +13,11 @@ const localeConfig = {
  zh: { language: "cn", tab: "文章" },
  ja: { language: "jp", tab: "記事" },
 };
+const extraArticlePages = {
+  en: [],
+  zh: zhOnlyArticleRoutes.map((route) => `zh/${route}`),
+  ja: [],
+};

 test("all canonical Blog slugs are published in every Wiki locale", () => {
  const slugsByLocale = new Map();
@@ -24,14 +30,23 @@ test("all canonical Blog slugs are published in every Wiki locale", () => {
  assert.deepEqual(slugsByLocale.get("ja"), slugsByLocale.get("en"));
 });

-test("article tabs group every generated page exactly once", () => {
+test("article tabs group every generated Blog page exactly once", () => {
  for (const [locale, config] of Object.entries(localeConfig)) {
    const language = docs.navigation.languages.find((item) => item.language === config.language);
    const matchingTabs = language.tabs.filter((item) => item.tab === config.tab);
    assert.equal(matchingTabs.length, 1, `${locale} must have exactly one ${config.tab} tab`);
    const tab = matchingTabs[0];
    const pages = tab.groups.flatMap((group) => group.pages).filter((page) => page !== `${locale}/articles/index`);
-    const expected = manifest.articles.filter((article) => article.locale === locale).map((article) => article.page);
+    const manifestPages = manifest.articles
+      .filter((article) => article.locale === locale)
+      .map((article) => article.page);
+    const extras = extraArticlePages[locale];
+    assert.deepEqual(
+      extras.filter((page) => manifestPages.includes(page)),
+      [],
+      `${locale} extra article pages must not overlap with the synchronized manifest`,
+    );
+    const expected = [...new Set(manifestPages.concat(extras))];
    assert.deepEqual([...pages].sort(), [...expected].sort());
    assert.equal(new Set(pages).size, pages.length, `${locale} has duplicate article navigation entries`);
  }
@@ -170,8 +170,8 @@ test("MDX compatibility normalization removes internal .html route suffixes", ()
 test("canonical MDX and nested OpenAPI sources are discovered", async () => {
  const docs = JSON.parse(await readFile(path.join(root, "docs.json"), "utf8"));
  const pages = await collectMdxDocuments(root);
-  assert.equal(pages.length, 329);
-  assert.deepEqual(Object.fromEntries([...pages.reduce((acc, page) => acc.set(page.split("/", 1)[0], (acc.get(page.split("/", 1)[0]) ?? 0) + 1), new Map()).entries()]), { en: 105, zh: 119, ja: 105 });
+  assert.equal(pages.length, 332);
+  assert.deepEqual(Object.fromEntries([...pages.reduce((acc, page) => acc.set(page.split("/", 1)[0], (acc.get(page.split("/", 1)[0]) ?? 0) + 1), new Map()).entries()]), { en: 105, zh: 122, ja: 105 });
  assert.deepEqual(collectOpenApiSources(docs), [
    { locale: "en", source: "openapi/service-api-en.json", directory: "en/api-reference" },
    { locale: "zh", source: "openapi/service-api-zh.json", directory: "zh/api-reference" },
@@ -216,9 +216,9 @@ test("prebuild is deterministic and preserves local assets and SEO files", async
    const first = await prepareFumapress({ root, outRoot: temp });
    const second = await prepareFumapress({ root, outRoot: temp });
    assert.deepEqual(first, second);
-    assert.equal(first.documents, 329);
+    assert.equal(first.documents, 332);
    assert.equal(first.fallbackDefaults, 0);
-    assert.equal(first.localeOnlyDocuments, 14);
+    assert.equal(first.localeOnlyDocuments, 17);
    assert.equal(first.redirects, 103);
    assert.deepEqual(first.locales, ["en", "zh", "ja"]);
    await readFile(path.join(temp, "content/docs/insight/guide.mdx"), "utf8");
@@ -3,6 +3,7 @@ import { access, readdir, readFile, stat } from "node:fs/promises";
 import path from "node:path";
 import test from "node:test";
 import { collectMdxDocuments } from "../scripts/prepare-fumapress.mjs";
+import { zhOnlyArticleRoutes } from "./article-routes.mjs";

 const root = path.resolve(import.meta.dirname, "..");
 const publicRoot = path.join(root, "dist/public");
@@ -45,7 +46,7 @@ function staticHtmlForUrlPath(urlPath) {

 test("all canonical localized documents have static HTML", async () => {
  const documents = await collectMdxDocuments(root);
-  assert.equal(documents.length, 329);
+  assert.equal(documents.length, 332);
  const missing = [];
  for (const document of documents) {
    try {
@@ -204,6 +205,7 @@ test("canonical sitemap preserves legacy routes and includes current documents",
    legacy.add(`/${locale}/usage/platforms/mattermost`);
    legacy.add(`/${locale}/plugin/certified-plugins`);
  }
+  for (const route of zhOnlyArticleRoutes) legacy.add(`/zh/${route}`);
  const sitemap = await readFile(path.join(publicRoot, "sitemap.xml"), "utf8");
  const actual = new Set([...sitemap.matchAll(/<loc>https:\/\/langbot\.app\/docs(\/[^<]+)<\/loc>/g)]
    .map((match) => decodeURIComponent(match[1]).replace(/\/$/, "")));
@@ -217,6 +219,7 @@ test("canonical sitemap preserves legacy routes and includes current documents",
 const locales = ["en", "zh", "ja"];
 const hreflangByLocale = { en: "en", zh: "zh-CN", ja: "ja" };
 const zhOnlyRoutes = [
+  ...zhOnlyArticleRoutes,
  "develop/adapter/discord/README",
  "develop/adapter/discord/api_reference",
  "develop/adapter/discord/design",
@@ -353,7 +356,7 @@ test("the Chinese quick-start navigation keeps the incumbent troubleshooting pag
  assert.doesNotMatch(sidebar, /href="\/docs\/zh\/develop\/adapter\/discord\/troubleshooting"/);
 });

-test("the exact 14 zh-only sources publish no fallback en or ja routes", async () => {
+test("the exact 17 zh-only sources publish no fallback en or ja routes", async () => {
  const documents = await collectMdxDocuments(root);
  const byLocale = Object.fromEntries(locales.map((locale) => [
    locale,
@@ -35,6 +35,6 @@ test("every localized HTML payload includes the preference client provider", asy
    }
  }
  for (const locale of ["en", "zh", "ja"]) await visit(path.join(root, locale));
-  // 506 canonical content pages plus one framework 404 page per locale.
-  assert.equal(count, 509);
+  // 509 canonical content pages plus one framework 404 page per locale.
+  assert.equal(count, 512);
 });
@@ -9,6 +9,12 @@ description: "同步自 LangBot Blog 的产品动态、技术解析、教程、

 - [LangBot Cloud 新版上线：多用户 Workspace 也来到开源版](/zh/articles/langbot-cloud-multi-user-workspaces) — 2026-08-25

+## 在线体验
+
+- [企业微信客服：体验 LangBot 知识库](/zh/articles/langbot-wecom-customer-service-knowledge-base) — 2026-09-17
+- [Telegram：体验 LangBot 沙箱 Agent](/zh/articles/langbot-telegram-sandbox-agent) — 2026-09-17
+- [LangBot 公众号：体验基础 AI 问答](/zh/articles/langbot-wechat-official-account) — 2026-09-17
+
 ## 技术解析

 - [LangBot v4.10.0：Agent 沙箱与技能——让 Agent 真正像开发者一样工作](/zh/articles/langbot-v4100-sandbox-skills) — 2026-06-04
@@ -0,0 +1,142 @@
+---
+title: "Telegram：体验 LangBot 沙箱 Agent"
+description: "通过 Telegram 与 LangBot 沙箱 Agent 对话，让 AI 运行命令、处理文件、编写代码并完成实际任务。"
+---
+
+发布于 2026-09-17 · 作者：LangBot Team
+
+普通 AI 对话只能告诉你“应该怎么做”，连接沙箱后的 LangBot Agent 则可以在隔离工作区中真正执行任务。
+
+你可以直接在 Telegram 中描述目标，让 Agent 运行命令、创建文件、修改内容、搜索资料或执行代码，再把结果返回给你。
+
+![Telegram 沙箱 Agent 使用效果](/images/articles/telegram-sandbox.jpg)
+
+## 不只是回答，而是动手完成
+
+沙箱为 Agent 提供了一个可以操作的工作区。根据你的要求，它可以：
+
+- 运行 Shell 命令
+- 读取工作区中的文件
+- 创建或覆盖文件
+- 修改已有文件内容
+- 按文件名查找文件
+- 搜索文件中的文字
+- 执行 Python 等代码
+- 启动并管理任务进程
+
+整个过程通过 Telegram 对话完成，不需要在聊天窗口和命令行之间反复切换。
+
+## 可以让它做什么
+
+### 处理文本和文件
+
+你可以让 Agent 创建或整理文件：
+
+- 帮我生成一份项目 README
+- 把这段内容整理成 Markdown
+- 创建一个包含标题和表格的报告
+- 查找工作区中所有包含某个关键词的文件
+- 修改配置文件中的指定参数
+
+Agent 会在工作区中完成操作，并告诉你处理结果。
+
+### 编写和运行代码
+
+你可以直接描述一个小程序或数据处理任务：
+
+- 写一个 Python 脚本统计 CSV 中每一列的平均值
+- 生成 100 条测试数据并保存为 JSON
+- 检查这段代码为什么运行失败
+- 创建一个简单的网页并启动预览
+- 运行测试并根据错误修改代码
+
+连接沙箱后，Agent 不仅能生成代码，还能实际运行命令并根据结果继续处理。
+
+### 分析工作区内容
+
+当工作区中已有文件时，可以让 Agent 帮你快速定位信息：
+
+- 列出当前目录下的所有 Markdown 文件
+- 搜索哪些文件使用了某个函数
+- 找出配置文件中重复的字段
+- 读取日志并归纳最常见的错误
+
+它会使用文件查找和内容搜索工具完成这些任务。
+
+## 如何描述任务
+
+任务越明确，Agent 越容易给出符合预期的结果。建议同时说明目标、输入和输出格式。
+
+例如，不要只说：
+
+> 帮我处理这个文件。
+
+可以说得更具体：
+
+> 读取工作区中的 sales.csv，按月份统计销售额，将结果保存为 summary.csv，并告诉我销售额最高的月份。
+
+如果任务包含多个步骤，也可以一次完整说明。Agent 会根据执行结果继续推进，并在必要时向你确认信息。
+
+## 关于沙箱
+
+沙箱是 Agent 的独立执行环境，用于降低运行命令和处理文件时对其他环境的影响。不同会话的文件是否共享，取决于当前沙箱的作用域设置。
+
+请不要在对话中发送密码、API Key、身份证件或其他敏感信息。对于删除文件、批量修改和长时间运行等操作，建议先明确范围，并在执行前确认。
+
+## 在 LangBot Cloud 部署 Telegram 沙箱 Agent
+
+LangBot Cloud 已经准备好托管环境、公网访问地址和沙箱，不需要购买服务器、安装 Docker 或配置运行时。开始前只需准备一个 Telegram 账号。
+
+### 1. 创建 LangBot Cloud 实例
+
+1. 打开 [LangBot Cloud](https://cloud.langbot.app)，登录 LangBot Account。
+2. 为机器人选择一个名称。这个名称也会成为实例的 `.langbot.cloud` 访问地址。
+3. 选择当前可用的体验版、免费版或订阅套餐。不同套餐的可用平台、资源和自动休眠规则以页面显示为准。
+4. 确认配置并部署。实例通常会在 1 到 2 分钟内完成初始化。
+5. 状态变为**运行中**后，点击**打开机器人**进入 LangBot 控制台。
+
+Cloud 会为实例提供可直接使用的 LangBot Models 及一定的模型积分。你也可以在**模型**页面接入自己的模型 API Key。
+
+### 2. 配置沙箱 Agent 流水线
+
+进入**流水线**页面，打开默认流水线或创建一条新流水线，然后在 **AI 能力**中：
+
+1. 将运行器选择为**内置 Agent**。
+2. 选择一个支持工具调用的模型。接入自有模型时，需要同时启用模型的**工具使用能力**。
+3. 确认沙箱已启用。Cloud 已经配置好沙箱后端，无需额外安装。
+4. 选择沙箱作用域。个人私聊建议使用**每个会话**；多人群聊且需要隔离文件时，建议使用**每个用户**。
+5. 保存流水线，并在**对话调试**中让 Agent 执行一个简单任务，例如“用 Python 计算 1 到 100 的和”。
+
+如果 Agent 只返回代码但没有执行，请检查模型是否支持工具调用、是否启用了工具使用能力，以及流水线运行器是否为内置 Agent。
+
+### 3. 在 Telegram 创建机器人
+
+1. 打开 [BotFather](https://t.me/botfather)，发送 `/newbot`。
+2. 按提示设置机器人名称和以 `bot` 结尾的用户名。
+3. 保存 BotFather 返回的 API Token，不要将它发送给其他人。
+4. 如果机器人需要读取群聊中的普通消息，在 BotFather 中执行 `/setprivacy`，选择该机器人并关闭 Privacy Mode；只用于私聊时可以保持默认设置。
+
+### 4. 将 Telegram 接入 LangBot
+
+回到 LangBot 控制台，进入**机器人**页面并创建机器人：
+
+1. 平台选择 **Telegram**。
+2. 填入 BotFather 提供的 API Token。
+3. 绑定前面配置好的内置 Agent 流水线。
+4. 保存并启用机器人。
+
+打开 Telegram，进入刚创建的机器人会话并点击 **Start**，发送：
+
+> 请用 Python 生成一份包含 20 条示例数据的 CSV 文件，并统计其中数值列的平均值。
+
+Agent 能执行命令、创建文件并返回统计结果，就说明模型、沙箱、流水线和 Telegram 接入均已配置成功。完整配置项可继续参考 [Telegram 接入文档](/zh/usage/platforms/telegram)和[沙箱文档](/zh/usage/sandbox/readme)。如有私有部署要求，再参考 [Docker 部署文档](/zh/deploy/langbot/docker)。
+
+## 扫码开始体验
+
+使用 Telegram 扫描下方二维码，打开 LangBot 沙箱 Agent 后直接发送任务。
+
+![Telegram 沙箱 Agent 二维码](/images/articles/telegram-sandbox-qr.png)
+
+如果不知道从哪里开始，可以先试试：
+
+> 请用 Python 生成一份包含 20 条示例数据的 CSV 文件，并统计其中数值列的平均值。
@@ -0,0 +1,145 @@
+---
+title: "LangBot 公众号：体验基础 AI 问答"
+description: "通过 LangBot 公众号进行基础 AI 问答，并获取产品动态、使用教程和应用实践。"
+---
+
+发布于 2026-09-17 · 作者：LangBot Team
+
+LangBot 是一个开源的 AI 机器人平台，可以将大模型、知识库、Agent、插件和工作流连接到企业微信、Telegram、飞书、钉钉、QQ、Discord 等消息平台。
+
+关注 **LangBot 公众号**，不仅可以了解产品更新、使用方法和真实应用实践，还可以直接发送消息，体验基础 AI 问答服务。
+
+## 直接使用基础 AI 问答
+
+在公众号中发送问题，即可与 LangBot 进行基础对话。例如：
+
+- 帮我解释一个技术概念
+- 把这段文字概括成三句话
+- 帮我写一封简短的邮件
+- 为一个活动想几个标题
+- 翻译或润色一段内容
+- 给我一些学习或工作建议
+
+公众号适合日常咨询、内容生成、翻译润色和一般知识问答，打开微信即可使用。
+
+## 三个入口有什么区别
+
+公众号提供的是**基础 AI 问答**，当前不接入企业知识库，也不提供沙箱工具。请根据需要选择对应入口：
+
+| 入口 | 提供的能力 | 适合的问题 |
+| --- | --- | --- |
+| LangBot 公众号 | 基础 AI 问答 | 日常咨询、写作、总结、翻译和一般知识问答 |
+| 企业微信客服 | LangBot 知识库 | 查询产品手册、价格政策、实施流程、公司制度和会议纪要 |
+| Telegram | LangBot 沙箱 Agent | 运行代码和命令、创建或修改文件、处理数据和完成多步骤任务 |
+
+如果需要查询企业资料，请使用[企业微信客服知识库](/zh/articles/langbot-wecom-customer-service-knowledge-base)。如果需要让 Agent 执行命令、处理文件或运行代码，请使用[Telegram 沙箱 Agent](/zh/articles/langbot-telegram-sandbox-agent)。
+
+## 你可以看到什么
+
+### 产品动态
+
+了解 LangBot 新版本带来的能力，包括模型支持、知识库、Agent 沙箱、Skills、插件系统和平台适配等更新。
+
+每次重要版本发布后，公众号会用更容易理解的方式介绍新功能能解决什么问题，以及适合哪些使用场景。
+
+### 使用教程
+
+从部署 LangBot 到接入消息平台，从配置模型到使用知识库，公众号会持续发布可直接参考的教程。
+
+内容包括：
+
+- 快速部署 LangBot
+- 接入企业微信、Telegram、飞书和钉钉
+- 配置 GPT、Claude、Gemini、DeepSeek 等模型
+- 创建企业知识库问答机器人
+- 使用 Agent 沙箱执行任务
+- 安装和使用插件
+- 连接 Dify、n8n、Langflow 等外部工作流
+
+### 应用案例
+
+你可以了解 LangBot 在不同场景中的使用方式：
+
+- 企业知识库与内部问答
+- 微信客服与售前咨询
+- 群聊 AI 助手
+- 文件处理和代码执行 Agent
+- 客户支持与故障排查
+- 工作流自动化
+
+这些案例可以帮助你判断 LangBot 是否适合自己的团队，也可以作为搭建机器人时的参考。
+
+### 社区精选
+
+LangBot 社区持续产生新的插件、用法和解决方案。公众号会整理值得关注的项目进展、社区实践和优秀案例，帮助你更快发现可以直接使用的能力。
+
+## 在 LangBot Cloud 部署微信公众号 AI 助手
+
+LangBot Cloud 自带公网域名和 HTTPS，不需要购买服务器、安装 Docker 或配置反向代理。开始前只需准备一个可登录[微信公众平台](https://mp.weixin.qq.com/)的公众号。
+
+### 1. 创建 LangBot Cloud 实例
+
+1. 打开 [LangBot Cloud](https://cloud.langbot.app)，登录 LangBot Account。
+2. 为机器人选择一个名称。这个名称也会成为实例的 `.langbot.cloud` 访问地址。
+3. 选择支持微信公众号的套餐，确认价格、资源和消息平台范围后继续。
+4. 确认配置并部署。实例通常会在 1 到 2 分钟内完成初始化。
+5. 状态变为**运行中**后，点击**打开机器人**进入 LangBot 控制台。
+
+### 2. 配置模型和流水线
+
+进入 LangBot 控制台的**模型**页面：
+
+1. Cloud 会提供可直接使用的 LangBot Models 及一定的模型积分；也可以添加自己的模型供应商、Base URL 和 API Key。
+2. 选择或添加一个对话模型。
+3. 进入**流水线**页面，打开默认流水线。
+4. 在 **AI 能力**中选择**内置 Agent**和刚添加的模型，然后保存。
+5. 使用**对话调试**发送一条消息，确认模型可以正常回复。
+
+只有调试对话成功后再继续接入公众号，这样出现问题时更容易区分是模型配置还是微信回调配置导致的。
+
+### 3. 获取公众号开发配置
+
+登录微信公众平台，进入**设置与开发 > 开发接口管理**：
+
+1. 记录公众号的 `AppID` 和 `AppSecret`。
+2. 按微信公众平台要求配置 IP 白名单。Cloud 实例需要填写的出口 IP 以实例或平台页面显示的信息为准。
+3. 打开服务器配置，准备一个自定义 `Token`，并生成 `EncodingAESKey`。
+4. 将消息加解密方式选择为**安全模式**。
+
+`AppSecret`、`Token` 和 `EncodingAESKey` 都属于敏感信息，不要放进截图、公开仓库或聊天记录。
+
+### 4. 在 LangBot 创建公众号机器人
+
+进入 LangBot 控制台的**机器人**页面，创建一个**微信公众号**机器人，然后：
+
+1. 填入 `AppID`、`AppSecret`、`Token` 和 `EncodingAESKey`。
+2. `Mode` 选择 `drop` 时，公众号直接返回模型回答，但必须在微信规定的 15 秒内完成。
+3. 模型响应可能超过 15 秒时，建议选择 `passive`；用户会先收到等待提示，再发送任意文字获取结果。
+4. 绑定前面配置好的流水线，将 `enable` 设为 `true`，保存并启用机器人。
+5. 从机器人配置页面复制 Webhook 回调地址。
+
+### 5. 完成微信回调验证
+
+回到微信公众平台的服务器配置，粘贴 LangBot 生成的完整 Webhook 地址。Cloud 地址已经配置好公网 HTTPS，形式类似：
+
+```text
+https://你的实例名.langbot.cloud/bots/xxxxx
+```
+
+确认微信公众平台和 LangBot 两边填写的 `Token`、`EncodingAESKey` 及加密模式完全一致，然后保存并启用服务器配置。微信提示保存成功，说明回调验证已经通过。
+
+最后关注公众号并发送一条测试消息。如果回调验证失败，请优先检查 IP 白名单、Webhook 地址以及两端的 `Token`、`EncodingAESKey` 和加密模式是否一致。更多截图和字段说明见[微信公众号接入文档](/zh/usage/platforms/wxoa)。如有私有部署要求，再参考 [Docker 部署文档](/zh/deploy/langbot/docker)。
+
+## 关注并开始问答
+
+在微信中搜索 **LangBot** 公众号并关注。进入公众号后直接发送消息，即可开始基础 AI 问答。
+
+也可以使用微信扫描下方二维码关注：
+
+![LangBot 微信公众号二维码](/images/articles/langbot-wechat-official-account-qr.png)
+
+你还可以访问以下资源了解 LangBot：
+
+- [LangBot GitHub](https://github.com/langbot-app/LangBot)
+- [LangBot 官方文档](https://langbot.app/docs)
+- [LangBot Cloud](https://cloud.langbot.app)
@@ -0,0 +1,175 @@
+---
+title: "企业微信客服：体验 LangBot 知识库"
+description: "通过企业微信客服，用自然语言查询产品、价格、服务流程、公司制度和最新业务信息。"
+---
+
+发布于 2026-09-17 · 作者：LangBot Team
+
+产品有几个版本？学校客户能参加优惠吗？客户签约后应该先做什么？去杭州出差能报销多少住宿费？
+
+这些问题的答案通常分散在产品手册、销售政策、实施流程、员工制度和会议纪要中。现在，你不必逐份查找文档，直接在微信里向 LangBot 知识库提问即可。
+
+![企业微信客服知识库问答效果](/images/articles/wecom-customer-service.jpg)
+
+## 知识库里有什么
+
+当前 LangBot 知识库汇集了企业日常使用的多类资料，包括：
+
+- 客户案例：记录不同行业、团队规模、使用平台和方案选择
+- 产品手册：介绍产品功能、版本区别、适用人数和部署方式
+- 销售政策：包含标准价格、活动规则和适用条件
+- 实施流程：说明签约交接、实施周期、测试和上线要求
+- 故障处理手册：提供问题分级、排查顺序和处理方法
+- 报销标准与员工制度：包含差旅住宿、交通、请假和费用报销规则
+- 会议纪要：记录产品计划、功能调整和最新业务信息
+
+知识库支持导入 **PDF、Word、Markdown** 等多种常用文档格式。不同部门可以直接使用已有资料建立知识库，不必把所有内容重新整理成固定问答。
+
+![LangBot 企业知识库配置](/images/articles/wecom-knowledge-base-config.png)
+
+## 像聊天一样查询企业资料
+
+打开企业微信客服后，直接说出你想知道的事情。你不需要记住文件名，也不需要使用固定格式。
+
+可以这样问：
+
+- 200 人的公司应该购买哪个版本？
+- 企业微信最低需要哪个版本？
+- 学校客户 9 月购买专业版，可以享受 88 折吗？
+- 客户昨天刚签合同，今天应该做什么？
+- 机器人突然不回复，应该先检查什么？
+- 去杭州出差，酒店最多可以报销多少？
+- 企业微信新版文件解析什么时候上线？
+
+LangBot 知识库会从相关资料中寻找依据，再把答案整理成容易理解的回复。
+
+## 一个问题可以包含多个条件
+
+你也可以把完整需求一次说清楚。例如：
+
+> 我们有一个 260 人的教育客户，希望使用飞书，9 月份上线，还希望参加本月优惠。应该推荐哪个版本？有哪些风险？
+
+面对这类问题，LangBot 知识库会同时参考产品版本、人数限制、行业政策、活动规则和类似客户案例，而不是只回答其中一个条件。
+
+如果客户还要求数据本地存储，也可以继续追问：
+
+> 客户要求数据必须保存在本地，版本选择会发生变化吗？
+
+LangBot 知识库会结合私有化部署要求给出补充说明。
+
+## 查询产品和价格
+
+你可以询问产品能力、版本区别、适用人数和标准价格：
+
+- 基础版、专业版和企业版有什么区别？
+- 专业版最多支持多少人？
+- 哪个版本支持 API？
+- 哪个版本支持私有化部署？
+- 专业版的标准价格是多少？
+
+## 查询交付和故障处理
+
+LangBot 知识库也可以根据实施流程和故障处理手册回答：
+
+- SaaS 标准实施通常需要几个工作日？
+- 正式上线前至少需要完成哪些测试？
+- 知识库准确率只有 82%，建议上线吗？
+- 单一客户完全不可用属于什么故障级别？
+- API 连续失败几次后需要升级？
+
+## 查询公司制度和最新消息
+
+除了产品资料，你还可以查询员工制度和会议决定：
+
+- 去上海出差的住宿标准是多少？
+- 出差结束后多久需要提交报销？
+- 某项功能的最新上线日期是什么时候？
+
+当正式手册和最新会议纪要涉及同一件事时，LangBot 知识库会结合更新后的信息回答，帮助你减少使用旧资料的情况。
+
+## 在 LangBot Cloud 部署企业微信客服知识库
+
+LangBot Cloud 会托管运行环境，并提供企业微信回调所需的公网域名和 HTTPS。开始前请准备：
+
+- 已完成企业认证并开通[微信客服](https://kf.weixin.qq.com/kf)的企业微信账号
+- 用于问答的 PDF、Word 或 Markdown 文档
+
+### 1. 创建 LangBot Cloud 实例
+
+1. 打开 [LangBot Cloud](https://cloud.langbot.app)，登录 LangBot Account。
+2. 为机器人选择一个名称。这个名称也会成为实例的 `.langbot.cloud` 访问地址。
+3. 选择支持企业微信客服的套餐，确认价格、资源和消息平台范围后继续。
+4. 确认配置并部署。实例通常会在 1 到 2 分钟内完成初始化。
+5. 状态变为**运行中**后，点击**打开机器人**进入 LangBot 控制台。
+
+### 2. 配置对话模型和嵌入模型
+
+进入 LangBot 控制台的**模型**页面：
+
+1. Cloud 会提供可直接使用的 LangBot Models 及一定的模型积分；也可以添加自己的模型供应商、Base URL 和 API Key。
+2. 选择或添加一个对话模型，用于根据检索结果生成最终回答。
+3. 准备一个嵌入模型，用于将文档和问题转换为向量。可以添加供应商提供的 Embedding 模型，也可以选择零配置的 `chroma-内置`。
+
+先在流水线的**对话调试**中确认对话模型能正常回复，再继续创建知识库。
+
+### 3. 创建并填充知识库
+
+进入**知识库**页面，点击**创建知识库**：
+
+1. 填写知识库名称和说明。
+2. 选择已安装的 RAG 引擎。不同引擎的参数不同，使用内置方案时按页面提示选择刚才准备的嵌入模型。
+3. 设置分块参数；首次使用可以先保留默认值，后续再根据文档结构和检索效果调整。
+4. 创建完成后进入知识库的**文档**页面，上传 PDF、Word 或 Markdown 文件。
+5. 等待解析和索引完成，确认文档状态正常后再测试问答。
+
+建议先上传少量具有明确答案的资料，并用几个可以从原文核对的问题验证效果。资料中如有过期制度或互相冲突的版本，应先清理或标明生效日期。
+
+### 4. 将知识库绑定到流水线
+
+进入**流水线**页面，编辑默认流水线或创建一条客服专用流水线：
+
+1. 在 **AI 能力**中将运行器选择为**内置 Agent**。
+2. 选择已经配置好的对话模型。
+3. 在知识库选项中勾选刚创建的知识库。
+4. 如已配置 Rerank 模型，可以同时启用重排序并设置 Top-K；这一步是可选的。
+5. 保存后进入**对话调试**，提出一个只能从上传文档中找到答案的问题。
+
+回答能够引用文档中的有效信息后，再进行企业微信接入。知识库创建和检索参数的完整说明见[知识库文档](/zh/usage/knowledge/readme)。
+
+### 5. 准备企业微信客服配置
+
+登录[企业微信客服后台](https://kf.weixin.qq.com/kf)：
+
+1. 在**企业信息**中记录企业 ID。
+2. 进入**开发配置**并点击**开始使用**。
+3. 生成并保存 `Token` 和 `EncodingAESKey`。
+4. 暂时保留该页面，稍后需要填写 LangBot 生成的 Webhook URL，并复制企业微信生成的 `Secret`。
+
+`Secret`、`Token` 和 `EncodingAESKey` 都属于敏感信息，不要公开或提交到代码仓库。
+
+### 6. 在 LangBot 创建企业微信客服机器人
+
+进入 LangBot 控制台的**机器人**页面，创建一个**企业微信客服**机器人：
+
+1. 填入企业 ID、`Token` 和 `EncodingAESKey`。
+2. 首次保存时 `Secret` 可先填写临时值。
+3. 绑定前面配置好的知识库流水线，保存并启用机器人。
+4. 从机器人配置页面复制完整的 Webhook 回调地址。Cloud 已经为 `.langbot.cloud` 地址配置好公网 HTTPS，无需替换域名。
+
+回到企业微信客服后台，将该 URL 填入开发配置并保存。验证成功后，复制企业微信页面生成的 `Secret`，再回到 LangBot 用真实 `Secret` 替换临时值并保存。
+
+### 7. 创建客服账号并验收
+
+在企业微信客服后台进入**客服账号**，创建一个客服账号并获取对外服务入口。使用普通微信打开该入口，发送一个知识库测试问题。
+
+如果能够收到依据上传文档生成的回答，说明企业微信回调、客服机器人、流水线和知识库均已连通。如果企业微信无法保存回调 URL，请优先检查 Webhook 地址以及两端的 `Token` 和 `EncodingAESKey` 是否一致。更多字段截图见[企业微信客服接入文档](/zh/usage/platforms/wecom/wecomcs)。如有私有部署要求，再参考 [Docker 部署文档](/zh/deploy/langbot/docker)。
+
+## 扫码开始体验
+
+使用微信扫描下方二维码，进入企业微信客服后即可直接提问。
+
+![企业微信客服二维码](/images/articles/wecom-customer-service-qr.png)
+
+如果不知道从哪里开始，可以先发送：
+
+> 给我介绍一下产品手册。