claudia-bot-builder

GitHub
1.8k 252 较难 1 次阅读 2周前MIT图像语言模型数据工具
AI 解读 由 AI 自动生成,仅供参考

claudia-bot-builder 是一款专为开发者设计的开源工具,旨在帮助用户快速构建并部署聊天机器人到 AWS Lambda 云端服务。它支持包括 Facebook Messenger、Slack、Telegram、Skype、Amazon Alexa 以及微信外的主流即时通讯平台在内的十余种渠道。

在传统开发中,为不同平台编写机器人往往需要处理繁杂的接口协议、手动配置 Webhook 并适配各异的消息格式,这消耗了大量精力在基础设施搭建而非业务逻辑上。claudia-bot-builder 巧妙地解决了这一痛点:它能自动解析来自不同平台的输入消息为统一格式,并将你的回复自动封装成对应平台所需的模板。这意味着开发者只需编写一次核心业务代码,即可让机器人在所有支持的平台上运行,同时工具还会引导完成必要的云端配置步骤。

该工具特别适合希望专注于对话逻辑与业务创新,而不愿被底层架构琐事困扰的 JavaScript 开发者。其独特的技术亮点在于“一次编写,多端部署”的抽象能力,以及对 AWS Serverless 架构的深度集成,让原本复杂的机器人上线流程缩短至几分钟内即可完成,极大地提升了开发效率。

使用场景

一家初创电商团队希望快速构建客服机器人,同时覆盖 Facebook Messenger、Slack 和 Telegram 等多个主流沟通渠道以响应用户咨询。

没有 claudia-bot-builder 时

  • 开发团队需要为每个平台单独编写适配代码,处理各自复杂的消息协议和 Webhook 验证逻辑,导致重复劳动严重。
  • 部署流程繁琐,需手动配置 AWS Lambda 触发器、API Gateway 路由及各平台的回调地址,极易因配置错误导致服务不可用。
  • 消息格式不统一,后端业务逻辑必须针对不同平台编写多套解析与响应模板,维护成本随平台数量线性增长。
  • 缺乏统一的测试与迭代机制,每次新增平台支持都需要数天甚至数周的基建搭建时间,严重拖慢产品上线节奏。

使用 claudia-bot-builder 后

  • 只需编写一套核心业务逻辑,claudia-bot-builder 自动将不同平台的传入消息解析为统一格式,并自动封装符合各平台规范的响应数据。
  • 通过简单的命令行指令,即可自动完成 AWS Lambda 函数创建、API Gateway 绑定及各平台 Webhook 的全流程配置,几分钟内完成多端部署。
  • 开发者完全无需关心底层基础设施代码,可专注于优化客服对话策略和业务问题解决,显著提升开发效率。
  • 支持一键切换测试环境(如 --version test),在不影响生产环境的前提下快速验证新功能,大幅缩短迭代周期。

claudia-bot-builder 让团队从繁琐的多平台适配与运维工作中解放出来,实现了“一次编码,全渠道运行”的高效交付模式。

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该工具是基于 Node.js 的库,需通过 npm 安装。它专为部署到 AWS Lambda 设计,不支持在本地轻松运行 standalone HTTP 服务器(如 Express),建议使用 '--version test' 标志在 AWS 中创建测试环境。主要依赖 'claudia' 和 'claudia-api-builder' 库,且 v2.x 版本不兼容 v1.x 的依赖项。
python不适用
claudia
claudia-api-builder
claudia-bot-builder hero image

快速开始

Claudia 机器人构建工具

npm npm npm 构建状态 加入 Gitter 讨论

Claudia 机器人构建工具 帮助开发者在几分钟内为各种平台创建并部署聊天机器人到 AWS Lambda。它简化了消息传递流程,自动设置正确的 Webhook,并引导您完成配置步骤,使您可以专注于重要的业务问题,而无需担心基础设施代码。

🚀 入门指南 🛠 API 文档 🤖 示例项目 🤔 常见问题解答 💬 在 Gitter 上交流

观看这段两分钟的视频,了解如何快速创建和部署机器人:

以下是一个简单的示例:

const botBuilder = require('claudia-bot-builder');
const excuse = require('huh');

module.exports = botBuilder(function (message) {
  return '感谢您发送了 ' + message.text +
    '您的消息对我们非常重要,但 ' +
    excuse.get();
});

这段代码足以支持所有受支持的平台上的机器人运行。Claudia 机器人构建工具会自动将传入的消息解析为通用格式,方便您处理。它还会自动将响应打包成请求方机器人的正确消息模板,因此您无需关心各个机器人的协议细节。

支持的平台

  • Facebook Messenger
  • Slack(频道 Slash 命令及带有 Slash 命令的应用)
  • Skype
  • Viber
  • Telegram
  • Twilio(短信服务)
  • Amazon Alexa
  • Line
  • Kik
  • GroupMe

创建机器人

请参阅入门指南,了解如何在几分钟内设置一个简单的机器人;以及API 文档,获取关于 API 的详细信息。

示例

请查看 Claudia.js 示例项目列表中的聊天机器人部分

常见问题解答

  1. 如何在本地运行?

    目前还无法轻松实现。Claudia 机器人构建工具本身并不包含独立的 HTTP 服务器(如 Express、Hapi 等),而是依赖于 API Gateway,因此在本地模拟类似环境并不简单。您可以使用 --version test 参数将其部署到 AWS Lambda 中,以创建一个独立的测试环境。

  2. 如何测试我的机器人?

    您的聊天机器人本质上就是一个 Lambda 函数,也就是一个简单的 JavaScript 函数,理论上您应该能够在本地将其作为自动化测试来运行。

    最重要的是设计可测试的 Lambda 函数,这篇指南 将帮助您做到这一点。

    如果涉及与外部或 AWS 服务的集成,集成测试可能会稍微复杂一些。请参考这篇指南,了解如何编写集成测试并在本地运行自动化测试。

  3. 我的 Facebook Messenger 机器人只回复我的消息,为什么不回复所有人?

    Facebook 对聊天机器人有审核流程。请确保您的机器人已通过审核。

  4. 我能否发送延迟的 Slack Slash 命令响应?

    是的,您可以参考这篇教程

  5. v2 版本有哪些新功能?

    这是一个重大版本更新,主要是因为依赖项的变化——Claudia API 构建工具和 Claudia 本身都有显著改进,因此 v1.x 版本的 Claudia 机器人构建工具不再兼容这些工具。此外,v2.x 还新增了对许多新平台的支持。

  6. 如何加快部署速度?

    您可以使用 claudia update 命令,并加上 --cache-api-config 标志来缓存 API Gateway 配置。更多信息请参阅 claudia update 的文档页面

    另外,从 2.7.0 版本开始,您可以禁用暂时不使用的平台。具体说明请参阅 API 文档

如果您有未在此列出的问题,请随时在 Claudia 的 Gitter 聊天室 中提问。

请注意:请勿使用 GitHub Issues 来提问或寻求帮助和支持,仅用于报告 bug。

贡献

我们非常欢迎贡献!请参阅贡献者指南,了解如何运行和测试代码。

自上次发布以来的新变化?

请查看发布历史

使用 Claudia bot Builder 打造的酷炫项目

  • AWS Bot for Slack - 一个 Slack 机器人,用于停止和启动指定的 AWS EC2 实例,并总体监控你的 AWS 资产。
  • Comic Book Bot - 一个简单的 Viber 聊天机器人,提供漫威角色的相关信息。
  • DotCom Bot - 在 Slack 和 Facebook Messenger 上快速搜索并购买域名,同时检查用户名是否可用!
  • Eksplorer - 一个 Facebook 聊天机器人,帮助你发现周边的精彩事物。
  • Fact Bot - 这个机器人会查询 WikiData,为你提供任何输入内容的事实信息。
  • Food Recommendation Bot - 基于 Google Places API,向你展示附近的营业餐厅。
  • JS Belgrade bot - 在一次 meetup 活动中创建的简单 Telegram 讨论组聊天机器人。
  • LaptopFriendly Bot - 为 LaptopFriendly.co 开发的 Viber 机器人。
  • MrRoadboto - 一款低带宽、易用的 Facebook 聊天机器人,用于发布科罗拉多州交通部 (CDOT) 关于 I70 高速公路关闭的通知,该路段影响多个主要滑雪胜地。你可以在此处了解开发动机:这里
  • PingdomBot - 一个 Slack 机器人,用于查看 Pingdom 网站监控的状态。
  • Pokemon Lookup bot - 一个简单的宝可梦查询机器人,源代码
  • QRCode Bot - 一个艺术感十足的二维码生成器,源代码
  • Quote bot - 一个非常简单的机器人,会从 Forismatic API 获取一句励志名言并回复给你。
  • Robbert - 一个通用聊天机器人。
  • slackslash-radar - 一个 Claudiajs 机器人,用于获取 Wunderground 的雷达动画 GIF 并发布到 Slack。
  • Space Explorer Bot - 一个简单的 Messenger 聊天机器人,利用 NASA 的 API 获取太空相关的数据和图片。
  • Space Explorer Bot for Viber - Space Explorer Bot 的 Viber 版本。
  • Vacation tracker bot - 一个简单的 Slack 机器人,帮助你管理团队成员的假期、病假和休息日。
  • MDNBot - 一个 Slack 机器人,让开发者无需离开 Slack 频道即可搜索 MDN 文档。
  • Ver.bot - 订阅 GitHub、npm、PyPI 项目,及时获取新版本发布通知!

使用 Claudia Bot Builder 打造了什么酷炫项目吗?欢迎告诉我们,或提交 PR 来更新此列表!

作者

许可证

MIT -- 参见 LICENSE

版本历史

v2.15.02017/03/07
v2.14.12017/03/05
v2.14.02017/03/05
v2.13.22017/02/13
v2.13.12017/02/13
v2.13.02017/02/07
v2.12.02017/01/10
v2.11.02017/01/03
v2.10.02016/12/18
v2.9.02016/12/08
v2.8.02016/12/04
v2.7.22016/11/26
v2.7.12016/11/22
v2.7.02016/11/22
v2.6.02016/11/19
v2.5.12016/11/19
v2.5.02016/11/09
v2.4.12016/11/09
v2.4.02016/10/30
v2.3.02016/10/28

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|4天前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|5天前
开发框架图像Agent

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

149.5k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

108.3k|★★☆☆☆|今天
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。

100.8k|★★☆☆☆|昨天
插件Agent图像

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|★★★☆☆|4天前
语言模型图像Agent