ChatGPT-Telegram-Bot

GitHub
648 88 较难 1 次阅读 昨天MIT语言模型
AI 解读 由 AI 自动生成,仅供参考

ChatGPT-Telegram-Bot 是一款专为 Telegram 平台打造的开源机器人,旨在为用户提供流畅自然的 AI 对话体验。它巧妙地将强大的大语言模型能力集成到日常通讯软件中,让用户无需切换应用即可随时与 AI 互动,有效解决了移动端访问 AI 服务不便、操作繁琐的痛点。

这款工具非常适合希望快速搭建私有化 AI 助手的开发者,以及需要在团队内部署智能客服或个性化助手的企业用户。同时,普通用户也能通过预设的多种角色身份,轻松享受定制化的聊天乐趣。

其技术亮点在于支持实时流式响应,显著提升了对话的连贯性与速度;同时兼容原生 OpenAI 及 Azure OpenAI 接口,并集成了 DALL·E 3 绘图功能。项目内置了完善的用户分级权限管理系统,可灵活控制不同用户的调用频率与上下文长度,并支持一键清空对话记忆。此外,它还提供了容器化部署方案和中英文双语界面,配合详细的配置文档,让从环境搭建到功能扩展的全过程都变得简单高效。

使用场景

某跨国电商运营团队需要在 Telegram 群组中实时响应全球用户的咨询,并快速生成多语言营销素材。

没有 ChatGPT-Telegram-Bot 时

  • 客服人员需频繁切换网页版 AI 界面复制粘贴回复,导致响应延迟高达数分钟,用户体验极差。
  • 面对突发流量高峰,缺乏用户分级机制,免费用户与 VIP 客户争夺有限的 API 配额,重要客户需求被阻塞。
  • 每次更换业务场景(如从“售后处理”切换到“新品推广”)需手动重置上下文,操作繁琐且容易出错。
  • 无法直接在聊天窗口生成产品宣传图,必须跳转其他工具绘图后再上传,工作流严重割裂。
  • 缺乏流式输出支持,用户等待完整回复的时间过长,对话过程显得卡顿且不自然。

使用 ChatGPT-Telegram-Bot 后

  • 依托原生 Telegram 按钮和流式响应技术,AI 回复如打字般实时呈现,将平均响应时间缩短至秒级。
  • 通过内置的用户等级划分功能,精准控制不同层级用户的会话频次与 Token 用量,确保 VIP 客户优先获得服务。
  • 利用一键清除上下文及 15 种预设身份切换功能,客服可瞬间在“多语言翻译”、“投诉处理”等角色间无缝流转。
  • 直接调用 DALL·E 3 模型,在对话框内输入指令即可即时生成高质量产品海报,实现图文闭环。
  • 支持 Azure 及原生 OpenAI 双接口,结合容器化部署,保障了高并发下的系统稳定性与数据隐私安全。

ChatGPT-Telegram-Bot 通过将高级 AI 能力深度集成至即时通讯场景,彻底重构了团队的客户服务效率与内容生产流程。

运行环境要求

操作系统
  • 未说明
GPU

不需要 GPU

内存

未说明

依赖
notes需要安装并配置 MySQL 8 数据库。支持原生 OpenAI 和 Azure OpenAI 两种后端。提供 Docker 和 Docker Compose 部署方式。需通过 BotFather 获取 Telegram Bot Token。
python3.9+
python-telegram-bot>=20.3
openai==1.19.0
MySQL
ChatGPT-Telegram-Bot hero image

快速开始

ChatGPT Telegram 机器人

python-version python-telegram-bot-version db openai-version license bot

English | 中文

一款拥有丝滑般AI体验的Telegram机器人。

⚡功能

[✓] 同时支持Azure OpenAI和原生OpenAI。

[✓] 实时(流式)响应AI,体验更快更流畅。

[✓] 基于OpenAI DALL·E 3模型生成图片。

[✓] 15种预设机器人身份,可快速切换。

[✓] 支持自定义机器人身份,满足个性化需求。

[✓] 支持一键清空聊天内容,并随时重新开始对话。

[✓] 原生Telegram机器人按钮支持,使所需功能的实现简单直观。

[✓] 用户等级划分,不同等级享有不同的单次会话Token数量、上下文数量和会话频率。

[✓] UI界面支持英语和中文。

[✓] 容器化部署。

[✓] 更多...

demo

👨‍💻待办事项

[x] 允许用户在机器人中使用自己的OpenAI Key,以获得更大的自由度。

[x] 改进错误处理机制。

🤖快速体验

Telegram机器人:RoboAceBot

🛠️部署

安装依赖

pip install -r requirements.txt

配置数据库

安装数据库

您可以通过以下命令快速创建本地MySQL数据库:

docker-compose up -d -f db/docker-compose.yaml

初始化数据库

mysql -uusername -p -e "source db/database.sql"

添加配置

所有必要的配置都在config.yaml文件中,请参考config.yaml.example了解文件格式和内容。

参数 可选 描述
BOT.TOKEN @botFather创建机器人并获取Token。
DEVELOPER_CHAT_ID 当机器人遇到错误时接收消息的Telegram账号ID。您可以使用@get_id_bot来获取您的ID。
MYSQL 与MySQL连接相关的参数。
TIME_SPAN 用于计算限流的时间窗口大小,单位为分钟。
RATE_LIMIT key为用户等级,value为在TIME_SPAN时间内允许的最大聊天次数。
CONTEXT_COUNT key为用户等级,value为每次聊天包含的上下文数量。
MAX_TOKEN key为用户等级,value为每次聊天AI返回的最大Token数量。
AI.TYPE 使用的AI类型,有两个选项:openaiazure。默认为openai
AI.BASE 在Azure门户中查看资源时,此值可在“密钥和终结点”部分找到。或者也可以在“Azure OpenAI Studio” > “Playground” > “代码视图”中找到。仅当AI.TYPEazure时才需要设置。
AI.VERSION Azure OpenAI的版本号,仅当AI.TYPEazure时才需要设置。
AI.MODEL Azure OpenAI的部署名称,或OpenAI的模型。

如果您使用的是Azure的OpenAI,可以在此链接中获取所有必需的内容:

使用Azure OpenAI服务开始使用ChatGPT和GPT-4

🚀启动

python main.py | tee >> debug.log

Docker构建与运行

docker run --rm --name chatgpt-telegram-bot -v ./config.yaml:/app/config.yaml ghcr.io/v-know/chatgpt-telegram-bot:latest 

Docker Compose

docker-compose up -d

❤️结语

希望这个项目能为您带来流畅的AI体验,并帮助更多人创建和使用自己的Telegram机器人。

星标历史

星标历史图表

版本历史

v3.0.12024/12/29
v2.3.02024/11/19
v2.0.12024/04/17
v1.1.02024/03/29
v1.0.32023/06/12
v1.0.22023/05/19
v1.0.12023/05/10

常见问题

相似工具推荐

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

156.8k|★★☆☆☆|今天
开发框架Agent语言模型

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|1周前
语言模型图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|1周前
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85.1k|★★☆☆☆|5天前
图像数据工具视频

funNLP

funNLP 是一个专为中文自然语言处理(NLP)打造的超级资源库,被誉为"NLP 民工的乐园”。它并非单一的软件工具,而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。 面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点,funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具,还独特地收录了丰富的垂直领域资源,如法律、医疗、金融行业的专用词库与数据集,甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性,从基础的字典词典到前沿的 BERT、GPT-2 模型代码,再到高质量的标注数据和竞赛方案,应有尽有。 无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师,还是从事人工智能研究的学者,都能在这里找到急需的“武器弹药”。对于开发者而言,它能大幅减少寻找数据和复现模型的时间;对于研究者,它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神,极大地降低了中文自然语言处理的开发与研究成本,是中文 AI 社区不可或缺的宝藏仓库。

79.9k|★☆☆☆☆|1周前
语言模型数据工具其他

gpt4all

GPT4All 是一款让普通电脑也能轻松运行大型语言模型(LLM)的开源工具。它的核心目标是打破算力壁垒,让用户无需依赖昂贵的显卡(GPU)或云端 API,即可在普通的笔记本电脑和台式机上私密、离线地部署和使用大模型。 对于担心数据隐私、希望完全掌控本地数据的企业用户、研究人员以及技术爱好者来说,GPT4All 提供了理想的解决方案。它解决了传统大模型必须联网调用或需要高端硬件才能运行的痛点,让日常设备也能成为强大的 AI 助手。无论是希望构建本地知识库的开发者,还是单纯想体验私有化 AI 聊天的普通用户,都能从中受益。 技术上,GPT4All 基于高效的 `llama.cpp` 后端,支持多种主流模型架构(包括最新的 DeepSeek R1 蒸馏模型),并采用 GGUF 格式优化推理速度。它不仅提供界面友好的桌面客户端,支持 Windows、macOS 和 Linux 等多平台一键安装,还为开发者提供了便捷的 Python 库,可轻松集成到 LangChain 等生态中。通过简单的下载和配置,用户即可立即开始探索本地大模型的无限可能。

77.3k|★☆☆☆☆|4天前
语言模型开发框架