ChatGPT-in-Slack

GitHub
511 186 中等 3 次阅读 4天前MIT开发框架图像Agent语言模型
AI 解读 由 AI 自动生成,仅供参考

ChatGPT-in-Slack 是一个基于 Swift 的开源演示项目,核心功能是让用户能够在 Slack 工作区内直接与 ChatGPT 机器人互动。它将强大的 AI 能力无缝融入日常沟通场景,无需切换应用即可利用 AI 进行内容创作、邮件撰写或任务规划。

这一设计有效解决了团队协作中频繁切换平台导致的工作流中断问题。通过支持上下文记忆,它在同一对话线程中能理解前后关联,使交流更加自然流畅。项目提供了三种灵活的交互界面:既可以在公开频道的回复线程中提及机器人,也能通过一对一私信获取私密帮助,甚至可以直接在 Slack 主页发送提示词或使用快速校对功能。此外,它还集成了 DALL-E 3 图像生成功能。

虽然 OpenAI 现已推出官方集成,但 ChatGPT-in-Slack 对于希望深入了解 Slack API 集成的开发者来说,仍是一份极具价值的参考代码。它也适合需要私有化部署的企业团队,以便根据自身需求定制 AI 助手。无论是想提升办公效率的用户,还是寻求技术灵感的工程师,都能从中找到实用价值。

使用场景

某互联网公司的产品经理在每日站会后,需要在 Slack 中快速整理技术难点并起草一份更新邮件发给相关干系人。

没有 ChatGPT-in-Slack 时

  • 必须频繁切换浏览器和 Slack 窗口,手动复制粘贴会议记录到 ChatGPT 网页版
  • 难以在长线程对话中保持上下文连贯,每次提问都要重新描述项目背景
  • 草稿生成后需再次回到邮件客户端调整格式,打断工作流且耗时较长
  • 无法直接在聊天界面进行多轮迭代优化,容易遗漏关键细节导致返工

使用 ChatGPT-in-Slack 后

  • 直接在 Slack 频道线程中提及机器人,无需离开当前工作界面即可获取会议纪要
  • 利用线程记忆功能,机器人能自动关联之前的讨论内容,大幅减少重复输入
  • 支持在对话中即时要求修改语气或补充细节,快速定稿邮件草稿
  • 结合 Home 标签页的校对功能,可快速检查生成的文本是否符合商务规范

通过无缝集成,ChatGPT-in-Slack 让 AI 辅助创作成为日常沟通的自然延伸,显著提升了团队协作效率与信息流转速度。

运行环境要求

操作系统
  • 未说明
GPU

无需本地 GPU(依赖 OpenAI 云端 API)

内存

未说明

依赖
notes需配置 OpenAI API Key 和 Slack 令牌;支持 Docker 部署;使用 Socket Mode 连接 Slack 无需公网 URL;支持 Azure OpenAI 及 DALL-E 图像生成。
python未说明
未说明
ChatGPT-in-Slack hero image

快速开始

Slack 中的 ChatGPT

:warning: OpenAI 官方的 Slack 集成 (integration) 现已可用!您可能想先尝试一下:https://my.slack.com/marketplace/A097V82EGG2-chatgpt

介绍一款变革性的应用,专为 Slack 用户设计,旨在增强您与 ChatGPT 的沟通! 此应用通过 Slack 频道实现与 ChatGPT 的无缝交互,利用人工智能技术优化您的规划和写作流程。

您可以通过安装实时演示来发现应用的功能:https://bit.ly/chat-gpt-in-slack。 请注意,该实时演示由 @seratch 个人托管。 对于企业 Slack 工作区,我们强烈建议按照以下指南将应用部署在您自己的基础设施上。

如果您正在寻找在 Slack 下一代托管平台 上运行的示例应用,请查看 https://github.com/seratch/chatgpt-on-deno 🙌

工作原理

您可以像在网站上一样的方式与 ChatGPT 进行交互。

在同一线程中交流时,机器人会记住您已经说过的内容:

考虑这个现实场景:让机器人生成一封用于与管理层沟通的商务邮件:

使用 ChatGPT,您最初不需要提出措辞完美的问题。收到机器人的初始回复后调整细节是一个很好的方法:

这听起来是不是很酷?😎

三种支持的界面

有三种界面可供使用。当您想在 Slack 工作区与他人分享对话时,始终使用频道线程 (threads) 是最佳选择。如果您希望私下使用 ChatGPT,其他界面则更方便。

  1. 在频道线程中与机器人交谈
  2. 在 1:1 直接消息 (DM) 中与机器人交谈
  3. 在您的主页标签页 (Home tab) 发送提示词 (prompts)

在频道线程中与机器人交谈

这是使用此应用最常见的方式。您只需在线程的初始消息中提到机器人,就可以随时开始与 ChatGPT Bot 的对话。在线程内,您不再需要提及机器人:

在 1:1 直接消息 (DM) 中与机器人交谈

您可以使用与机器人的 1:1 直接消息 (DM) 私下寻求帮助。无需提及机器人。直接在 DM 中发送消息即可:

在您的主页标签页发送提示词

在主页标签页上,除了 OpenAI API 密钥 (API key) 和模型配置外,您还可以使用快速校对器和自由提示词发送对话框。这些功能非常便捷,即使从移动设备也可以快速向 OpenAI 发送查询。

以下是主页标签页上的校对示例:

您也可以仅通过向 DALL-E 3 模型提供提示词来生成图像:

若要询问其他问题,您可以改用从头开始的模态窗口 (modal):

在本地机器上运行应用

要在本地机器上运行此应用,您只需要遵循以下步骤:

# Create an app-level token with connections:write scope
export SLACK_APP_TOKEN=xapp-1-...
# Install the app into your workspace to grab this token
export SLACK_BOT_TOKEN=xoxb-...
# Visit https://platform.openai.com/account/api-keys for this token
export OPENAI_API_KEY=sk-...

# Optional: gpt-3.5-turbo and newer ones are currently supported (default: gpt-3.5-turbo)
export OPENAI_MODEL=gpt-4o
# Optional: Model temperature between 0 and 2 (default: 1.0)
export OPENAI_TEMPERATURE=1
# Optional: You can adjust the timeout seconds for OpenAI calls (default: 30)
export OPENAI_TIMEOUT_SECONDS=60
# Optional: You can include priming instructions for ChatGPT to fine tune the bot purpose
export OPENAI_SYSTEM_TEXT="You proofread text. When you receive a message, you will check
for mistakes and make suggestion to improve the language of the given text"
# Optional: When the string is "true", this app translates ChatGPT prompts into a user's preferred language (default: true)
export USE_SLACK_LANGUAGE=true
# Optional: Adjust the app's logging level (default: DEBUG)
export SLACK_APP_LOG_LEVEL=INFO
# Optional: When the string is "true", translate between OpenAI markdown and Slack mrkdwn format (default: false)
export TRANSLATE_MARKDOWN=true
# Optional: When the string is "true", perform some basic redaction on prompts sent to OpenAI (default: false)
export REDACTION_ENABLED=true
# Optional: When the string is "true", this app shares image files with OpenAI (default: false)
export IMAGE_FILE_ACCESS_ENABLED=true

# To use Azure OpenAI, set the following optional environment variables according to your environment
# default: None
export OPENAI_API_TYPE=azure
# default: https://api.openai.com/v1
export OPENAI_API_BASE=https://YOUR_RESOURCE_NAME.openai.azure.com
# default: None
export OPENAI_API_VERSION=2023-05-15
# default: None
export OPENAI_DEPLOYMENT_ID=YOUR-DEPLOYMENT-ID

# Experimental: You can try out the Function Calling feature (default: None)
export OPENAI_FUNCTION_CALL_MODULE_NAME=tests.function_call_example

python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
python main.py

使用 .env 进行凭据加载

如果您更喜欢使用 .env 文件来为本地开发加载环境变量 (env variables),您可以将 .env.example 文件重命名为 .env:

cp .env.example .env

Then, replace the values in .env file with your own API keys and tokens:

OPENAI_API_KEY=sk-your-openai-key
SLACK_BOT_TOKEN=xoxb-your-slack-bot-token
SLACK_APP_TOKEN=xapp-1-your-slack-app-token

为公司工作区运行应用

信息安全是企业的首要任务。

此应用已开源!因此请随意 fork(复刻)它,并将其部署到您管理的基础设施上。完成上述本地开发流程后,您可以使用位于根目录的 Dockerfile(Docker 构建文件)来部署该应用。

Dockerfile 旨在通过 Socket Mode(套接字模式)与 Slack 建立 WebSocket(Web 套接字协议)连接。这意味着无需提供用于与 Slack 通信的公共 URL。

贡献

永远欢迎贡献!:raised_hands: 当您对本项目代码进行修改时,请牢记以下几点:

  • 修改应用时,请避免任何可能导致破坏性变更的行为。如果因安全等关键原因必须进行此类更改,请在进行重大修改前在 GitHub Issues 中发起讨论。
  • 有机会的话,请编写一些单元测试。特别是当您触及内部工具模块(例如 app/markdown.py 等)并添加/编辑不调用任何 Web API 的代码时,编写测试应该相对容易。
  • 提交更改前,请确保运行 ./validate.sh。该脚本会运行 black(代码格式化工具)、flake8 和 pytype(静态代码分析器)。

相关项目

  • iwamot/collmbo: @iwamot 的分支项目,除了 OpenAI 外,还通过利用 LiteLLM 支持其他 LLM(大语言模型)提供商。

许可证

MIT 许可证

常见问题

相似工具推荐

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|★★★☆☆|今天
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

139k|★★☆☆☆|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。

107.7k|★★☆☆☆|2天前
开发框架图像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|★★☆☆☆|今天
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。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|昨天
Agent图像开发框架