urban-bot

GitHub
572 32 简单 1 次阅读 3天前MIT开发框架语言模型图像其他
AI 解读 由 AI 自动生成,仅供参考

urban-bot 是一个基于 React 构建的通用聊天机器人开发库,旨在让开发者能够“一次编写,多端运行”。它解决了传统机器人开发中需要针对不同即时通讯软件(如 Telegram、Discord、Slack、Facebook Messenger 等)重复适配 API 的痛点。通过 urban-bot,开发者只需使用熟悉的 React 组件语法编写逻辑,即可轻松将同一个机器人部署到多个主流社交平台,未来还将支持 WhatsApp 等平台。

这款工具特别适合熟悉前端技术或希望利用 React 生态进行后端交互开发的程序员使用。其核心亮点在于引入了声明式编程模型,开发者无需深究各平台复杂的底层接口,像编写网页一样组合组件即可构建机器人功能。此外,urban-bot 原生支持 TypeScript,提供完整的类型定义,并具备独立的会话渲染机制,使得每个聊天场景都能拥有独立的状态管理,极大提升了代码的可复用性和维护效率。无论是构建简单的自动回复助手,还是开发带有复杂交互逻辑的多功能机器人,urban-bot 都能提供简洁而强大的技术支持。

使用场景

一家初创电商团队希望快速构建一个跨平台客服机器人,同时覆盖 Telegram、Discord 和 Facebook Messenger 以响应用户咨询。

没有 urban-bot 时

  • 开发团队必须分别研究 Telegram、Discord 和 Facebook 各自独立的 API 文档,学习成本极高且容易出错。
  • 每增加一个新渠道就需要重写一套业务逻辑代码,导致“待办事项查询”等核心功能在不同平台重复开发,维护困难。
  • 难以统一处理用户会话状态,不同平台的上下文管理方式各异,容易造成用户对话中断或数据不同步。
  • 前端与后端逻辑耦合严重,缺乏类似 React 的组件化思维,代码复用率极低,迭代新功能耗时漫长。

使用 urban-bot 后

  • 团队只需利用熟悉的 React 语法编写声明式组件,完全屏蔽了底层各 messenger API 的差异,上手即用。
  • 实现“一次编写,多端运行”,同一套 <Counter><Echo> 组件可直接部署到所有支持的聊天软件,极大提升开发效率。
  • 依托内置的 Session 机制,应用自动为每个聊天渲染独立实例,像开发客户端页面一样自然管理用户状态。
  • 借助完整的 TypeScript 支持和可复用组件库,团队能轻松在不同机器人项目间共享逻辑,显著降低长期维护成本。

urban-bot 让开发者从繁琐的多平台适配中解放出来,真正专注于用 React 思维构建通用的聊天体验。

运行环境要求

操作系统
  • 未说明
GPU

不需要

内存

未说明

依赖
notes该工具是基于 React 的聊天机器人库,运行环境为 Node.js,非 Python 项目。无需 GPU。支持多平台(Telegram, Discord, Slack, Facebook Messenger 等)。建议使用官方提供的 starter 模板(create-urban-bot)进行初始化,支持 TypeScript 和 JavaScript。
python不需要
react
@urban-bot/core
@urban-bot/telegram
@urban-bot/slack
@urban-bot/facebook
typescript (可选)
urban-bot hero image

快速开始

构建 社区聊天

Urban Bot

基于 React 的通用聊天机器人库。

  • 声明式。 无需了解任何消息平台的 API,只需编写简单的 React 组件。
  • 跨平台。 一次编写,即可部署到任意消息平台。
  • 可复用。 轻松在不同聊天机器人之间共享逻辑,或直接使用公共组件。
  • 会话支持。 应用程序为每个对话单独渲染,因此你可以像进行客户端渲染一样编写应用。
  • 类型安全。 完全支持 TypeScript。

我们支持的平台

即将支持

开始使用

API 文档

教程

安装

请使用我们的零配置 入门模板

TypeScript

npx create-urban-bot my-app

JavaScript

npx create-urban-bot my-app --template js

或者手动安装:

npm i react @urban-bot/core @urban-bot/telegram @urban-bot/facebook ...

示例

import React from 'react';
import { render, Route, Router, Root, Text, ButtonGroup, Button, useText } from '@urban-bot/core';
import { UrbanBotTelegram } from '@urban-bot/telegram';
import { UrbanBotSlack } from '@urban-bot/slack';

function Echo() {
    const [text, setText] = React.useState('Say something');

    useText(({ text }) => {
        setText(text);
    });

    return (
        <Text>
            <i>{text}</i>
        </Text>
    );
}

function Counter() {
    const [count, setCount] = React.useState(0);

    const increment = () => setCount(count + 1);
    const decrement = () => setCount(count - 1);

    return (
        <ButtonGroup title={count} isNewMessageEveryRender={false}>
            <Button onClick={increment}>+1</Button>
            <Button onClick={decrement}>-1</Button>
        </ButtonGroup>
    );
}

function App() {
    return (
        <Router>
            <Route path="/echo">
                <Echo />
            </Route>
            <Route path="/counter">
                <Counter />
            </Route>
        </Router>
    );
}

const urbanBotTelegram = new UrbanBotTelegram({
    token: 'telegramToken',
});

const urbanBotSlack = new UrbanBotSlack({
    signingSecret: 'slackSigningSecret',
    token: 'slackToken',
});

render(
    <Root bot={urbanBotTelegram}>
        <App />
    </Root>
);

render(
    <Root bot={urbanBotSlack}>
        <App />
    </Root>
);

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