chat
Chat 是一款基于 TypeScript 开发的统一 SDK,旨在帮助开发者轻松构建跨平台聊天机器人。它支持 Slack、Microsoft Teams、Google Chat、Discord、Telegram、GitHub、Linear 及 WhatsApp 等主流协作与通讯工具。
过去,开发者若想让机器人在多个平台运行,往往需要为每个平台编写独立的适配代码,维护成本高昂且逻辑分散。Chat 完美解决了这一痛点,倡导“一次编写,处处部署”的理念。开发者只需专注于核心业务逻辑,即可通过插件化的适配器将机器人快速发布到不同渠道,极大提升了开发效率。
这款工具主要面向软件工程师和全栈开发者,特别是那些需要为企业内部或社区提供多平台自动化服务的团队。其技术亮点在于强大的抽象能力:不仅统一了消息、提及、反应等基础事件的处理,还支持基于 JSX 构建交互式卡片、处理模态表单以及实现 AI 大模型的原生流式输出。此外,它还提供了类型安全的表情符号处理和文件上传等功能,让复杂的交互开发变得简洁优雅。无论是初创团队快速验证想法,还是大型企业整合内部通讯系统,Chat 都能提供稳定且灵活的技术支撑。
使用场景
某初创科技公司希望将内部的"IT 自助服务助手”同时部署到员工常用的 Slack、Microsoft Teams 和 Discord 三个平台,以统一处理密码重置和设备报修请求。
没有 chat 时
- 重复开发成本高:开发团队需要分别为三个平台编写三套完全独立的代码逻辑,维护三套不同的 API 调用方式,导致人力成本翻倍。
- 功能体验不一致:由于各平台 SDK 差异巨大,同一功能(如交互式卡片或模态表单)在不同软件中表现不一,甚至因某个平台技术难点而被迫砍掉功能。
- 状态管理复杂:需要在每个适配器中单独实现 Redis 会话状态存储,难以保证用户在跨平台切换时对话上下文的连贯性。
- 迭代周期漫长:每次新增一个业务指令(如"/reset-password"),都需要在三个代码库中同步修改和测试,上线效率极低。
使用 chat 后
- 一次编写,多端运行:利用 chat 统一的 TypeScript SDK,团队只需编写一套核心业务逻辑,通过安装对应的适配器即可瞬间覆盖所有目标平台。
- 标准化交互组件:借助 chat 的 JSX 卡片和模态框功能,自动将统一的交互界面适配为各平台原生格式(如 Slack Block Kit 或 Teams Adaptive Cards),确保体验一致。
- 内置状态持久化:直接集成
@chat-adapter/state-redis,无需关心底层差异,即可在所有平台上自动实现稳定的会话状态管理。 - 高效敏捷迭代:新增功能时仅需修改一处代码,即可同步更新至所有渠道,大幅缩短从开发到上线的周期。
chat 通过屏蔽底层平台差异,让开发者真正实现了“构建一次,随处部署”,将多平台机器人开发效率提升了数倍。
运行环境要求
- 未说明
未说明
未说明

快速开始
聊天 SDK
一个统一的 TypeScript SDK,用于在 Slack、Microsoft Teams、Google Chat、Discord、Telegram、GitHub、Linear 和 WhatsApp 上构建聊天机器人。只需编写一次机器人逻辑,即可部署到所有平台。
安装
npm install chat
为你的目标平台安装适配器:
npm install @chat-adapter/slack @chat-adapter/teams @chat-adapter/gchat @chat-adapter/discord @chat-adapter/telegram
使用
import { Chat } from "chat";
import { createSlackAdapter } from "@chat-adapter/slack";
import { createRedisState } from "@chat-adapter/state-redis";
const bot = new Chat({
userName: "mybot",
adapters: {
slack: createSlackAdapter(),
},
state: createRedisState(),
});
bot.onNewMention(async (thread) => {
await thread.subscribe();
await thread.post("Hello! I'm listening to this thread.");
});
bot.onSubscribedMessage(async (thread, message) => {
await thread.post(`You said: ${message.text}`);
});
完整的使用指南请参阅 入门指南。
支持的平台
| 平台 | 包名 | 提及 | 反应 | 卡片 | 模态框 | 流式传输 | 私信 |
|---|---|---|---|---|---|---|---|
| Slack | @chat-adapter/slack |
是 | 是 | 是 | 是 | 原生 | 是 |
| Microsoft Teams | @chat-adapter/teams |
是 | 只读 | 是 | 否 | 发布+编辑 | 是 |
| Google Chat | @chat-adapter/gchat |
是 | 是 | 是 | 否 | 发布+编辑 | 是 |
| Discord | @chat-adapter/discord |
是 | 是 | 是 | 否 | 发布+编辑 | 是 |
| Telegram | @chat-adapter/telegram |
是 | 是 | 部分支持 | 否 | 发布+编辑 | 是 |
| GitHub | @chat-adapter/github |
是 | 是 | 否 | 否 | 否 | 否 |
| Linear | @chat-adapter/linear |
是 | 是 | 否 | 否 | 否 | 否 |
@chat-adapter/whatsapp |
不适用 | 是 | 部分支持 | 否 | 否 | 是 |
功能特性
- 事件处理器 — 提及、消息、反应、按钮点击、斜杠命令、模态框
- AI 流式传输 — 使用原生 Slack 流式传输和发布+编辑回退机制流式输出大模型响应
- 卡片 — 基于 JSX 的交互式卡片(Block Kit、Adaptive Cards、Google Chat 卡片)
- 操作 — 处理按钮点击和下拉选择
- 模态框 — 带有文本输入、下拉菜单和验证的表单对话框
- 斜杠命令 — 处理
/command调用 - 表情符号 — 类型安全、跨平台的表情符号,并支持自定义表情符号
- 文件上传 — 发送和接收文件附件
- 直接消息 — 以编程方式发起私信
- 临时消息 — 仅用户可见的消息,并带有私信回退机制
包列表
| 包名 | 描述 |
|---|---|
chat |
核心 SDK,包含 Chat 类、类型定义、JSX 运行时和实用工具 |
@chat-adapter/slack |
Slack 适配器 |
@chat-adapter/teams |
Teams 适配器 |
@chat-adapter/gchat |
Google Chat 适配器 |
@chat-adapter/discord |
Discord 适配器 |
@chat-adapter/telegram |
Telegram 适配器 |
@chat-adapter/github |
GitHub 适配器 |
@chat-adapter/linear |
Linear 适配器 |
@chat-adapter/whatsapp |
WhatsApp 适配器 |
@chat-adapter/state-redis |
Redis 状态适配器 (生产环境) |
@chat-adapter/state-ioredis |
ioredis 状态适配器 (替代方案) |
@chat-adapter/state-pg |
PostgreSQL 状态适配器 (生产环境) |
@chat-adapter/state-memory |
内存状态适配器 (开发环境) |
AI 编码助手支持
如果你使用像 Claude Code 这样的 AI 编码助手,你可以将其配置为了解 Chat SDK:
npx skills add vercel/chat
文档
完整文档可在 chat-sdk.dev/docs 查阅。
贡献
开发环境搭建和发布流程请参阅 CONTRIBUTING.md。
许可证
MIT
版本历史
@chat-adapter/gchat@4.23.02026/03/26@chat-adapter/slack@4.23.02026/03/26@chat-adapter/state-pg@4.23.02026/03/26@chat-adapter/shared@4.23.02026/03/26@chat-adapter/teams@4.23.02026/03/26@chat-adapter/whatsapp@4.23.02026/03/26@chat-adapter/state-redis@4.23.02026/03/26@chat-adapter/linear@4.23.02026/03/26chat@4.23.02026/03/26@chat-adapter/github@4.23.02026/03/26@chat-adapter/state-ioredis@4.23.02026/03/26@chat-adapter/telegram@4.23.02026/03/26@chat-adapter/state-memory@4.23.02026/03/26@chat-adapter/discord@4.23.02026/03/26@chat-adapter/github@4.22.02026/03/24@chat-adapter/whatsapp@4.22.02026/03/24@chat-adapter/discord@4.22.02026/03/24@chat-adapter/slack@4.22.02026/03/24@chat-adapter/state-memory@4.22.02026/03/24@chat-adapter/state-redis@4.22.02026/03/24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。
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
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。
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。
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。
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。