poxiaoxi博客如果只是想和大模型聊天，直接使用ChatGPT、Claude、Gemini或者国内各种AI应用通常已经足够。但当需求变成“让AI进入QQ群、飞书、企业微信或Telegram”“让它调用工具、查询知识库、执行自动化任务”，单纯的聊天页面就不太够用了。
AstrBot解决的正是这一层问题。根据项目官网和GitHub当前定位，它并不是一个新的基础大模型，而是一个开源的Agent聊天机器人平台和开发框架，用来把不同模型、聊天平台、插件、知识库和工具调用能力组合到一起。
用户可以自行部署AstrBot，再接入OpenAI、Anthropic、Gemini、DeepSeek、Qwen等模型服务，最后把AI能力放进QQ、企业微信、飞书、钉钉、Telegram、Slack、Discord等聊天入口中。对于需要长期运行机器人、搭建个人AI助手或者开发群聊Agent的人，这种方式比单独维护每个平台的一套机器人代码更集中。
AstrBot到底是什么项目
AstrBot官方将项目描述为面向个人与群聊的Agentic AI助手，并提供一套可以继续扩展的聊天机器人基础设施。
它主要负责连接几个原本相互独立的部分：
大语言模型服务，例如OpenAI、Anthropic、Gemini以及兼容OpenAI API格式的其他模型。
QQ、企业微信、飞书、钉钉、Telegram、Discord、Slack等聊天平台。
网页搜索、代码执行、函数调用、MCP等外部工具能力。
知识库、人格设定、上下文管理等对话功能。
第三方插件和Skills扩展。
WebUI和Web ChatUI管理与聊天界面。
因此，把AstrBot简单理解成“QQ AI机器人”并不完整。QQ只是它支持的一个消息入口，项目本身更接近一套可自托管的AI Agent运行平台。
截至2026年9月，GitHub项目当前最新稳定Release为v4.28.2，发布于2026年9月27日。项目仍保持持续更新状态，因此具体功能和安装要求应以对应版本的官方文档为准。
它和普通AI聊天有什么不同
普通AI聊天产品一般已经把模型、账号、界面和运行环境全部准备好。用户打开网页或App即可使用，不需要维护服务器。
AstrBot的思路不同。它把更多控制权交给部署者，用户需要自己决定使用什么模型、接入哪些聊天平台、启用哪些插件，以及Agent可以调用哪些外部能力。
例如，同一个AstrBot实例可以配置大模型后接入飞书，让团队成员直接在群聊中提问；也可以安装特定插件查询业务数据；如果再加入知识库，还可以让机器人围绕自己的文档回答问题。
这种设计的代价也很明显：它需要配置和维护，并不像普通AI聊天网站一样注册账号即可立即使用。
目前支持哪些聊天平台
AstrBot的一个核心特点是把AI能力放到已有的即时通讯环境中。
当前GitHub README列出的官方维护平台包括QQ、OneBot v11、Telegram、企业微信、企业微信智能机器人、微信公众号、飞书、钉钉、Slack、Discord、LINE、Satori、KOOK、Misskey和Mattermost等，部分其他平台由社区维护。
这类多平台架构比较适合已经有固定沟通工具的团队。
例如公司内部平时主要使用飞书，没有必要为了使用企业知识问答再要求员工打开一个新的AI网站，可以直接让机器人进入现有的群聊环境。Telegram或Discord社区同样可以把AstrBot作为机器人中间层，再通过插件增加查询、自动回复或工具调用能力。
不过不同聊天平台的接入方式并不完全相同。有的平台可以直接使用Bot API，有的平台涉及额外适配器或平台侧审核，因此不能认为部署AstrBot之后所有平台都会自动可用。
可以接入哪些大模型
AstrBot并没有把用户固定在某一家模型服务商上。
官方文档目前支持OpenAI、Google GenAI和Anthropic三类原生API格式，同时可以连接兼容这些接口格式的第三方模型服务。
例如DeepSeek、Qwen、MoonshotAI、GLM和MiniMax等服务，可以根据提供商实际API格式进行配置。项目也提供Ollama接入文档，用于连接运行在自己电脑或服务器上的本地模型。
这种架构的实际价值是把“机器人平台”和“模型”拆开。
如果当前使用DeepSeek，后续想改成其他模型，不需要重新开发整个Telegram或飞书机器人，只需要调整模型提供商和配置。对于需要测试不同模型成本、速度和工具调用能力的人，这种方式会更灵活。
当然，使用云端模型通常仍然需要对应厂商的API Key，并按照各平台规则支付模型调用费用。AstrBot本身开源，并不意味着接入的所有大模型API也免费。
Agent能力不只是自动聊天
AstrBot当前的重点已经不只是把用户消息发送给LLM，再把文字回复原样返回。
官方文档将Chat Provider和Agent Runner进行了区分：模型提供商负责生成内容，而Agent执行器负责围绕任务进行多轮规划、调用工具、观察结果并继续执行。
例如用户在群里提出“查一下今天某项数据并整理成结论”，具备工具调用能力的Agent可以先调用搜索或业务工具，再根据返回信息继续生成结果，而不是只能依赖模型原有训练知识。
AstrBot默认提供网页搜索、提醒和代码执行等工具能力，同时插件也可以向模型暴露新的函数。
对于只想做自动回复机器人，这些Agent能力可能用不到；但如果希望机器人真正执行任务，它们会成为AstrBot与普通聊天机器人框架之间的重要区别。
MCP可以扩展外部工具
AstrBot目前已经支持Model Context Protocol，也就是MCP。
MCP的作用可以简单理解为：把外部工具作为独立服务提供给AI，由Agent在需要时调用。
官方文档显示，AstrBot从v3.5.0开始支持MCP，可以配置多个MCP Server，并让模型使用这些服务器暴露的函数工具。
例如某个MCP Server提供数据库查询、文件管理或第三方服务接口，AstrBot不需要把全部能力直接写进核心代码，而是可以通过协议连接。
不过MCP服务器本身可能依赖uv、npm或其他运行环境。如果只是想部署一个简单的AI聊天机器人，并没有必要一开始就配置大量MCP服务。
Skills适合处理固定任务
AstrBot现在还支持Agent Skills。
Skills与传统工具调用的思路并不完全相同。一个Skill通常包含任务说明、脚本、模板和相关资源，可以理解成给Agent准备的一套特定工作流程。
官方文档显示，AstrBot从v4.13.0以后加入了对Anthropic Skills规范的支持，并允许用户通过WebUI上传Skills。
例如团队可以准备一个报告生成Skill，把报告结构、数据处理脚本和输出规则放在一起。当Agent判断当前任务需要该Skill时，再按需读取完整说明。
这种方式比较适合流程相对固定的任务，但它也意味着Agent可能执行脚本或访问运行环境，因此权限配置和执行环境需要更加谨慎。
插件市场能扩展哪些功能
插件系统是AstrBot比较重要的一部分。项目README目前写明插件生态提供1000+插件，并支持通过插件市场一键安装。
在WebUI中，可以查看已经安装的插件、进入插件市场，或者通过URL和文件手动安装。
如果现有插件不能满足需求，开发者也可以自行编写。官方插件开发文档要求开发者具备一定Python、Git和GitHub基础，并提供了插件模板和目录规范。
插件适合扩展聊天指令、API调用、数据查询、平台适配以及工具调用等功能，因此对于需要定制机器人的开发者，它比直接修改AstrBot核心代码更容易维护。
同时也需要看到插件生态的边界。官方WebUI文档明确提醒，AstrBot Team无法完全保证插件市场中所有插件的安全性。第三方插件实际上可能运行代码、访问网络或处理机器人数据，因此部署到生产环境之前需要检查来源、权限和代码可信度。
精彩评论