Python代码实现轻松编写一个QQ AI机器人

 更新时间:2026年03月10日 08:52:52   作者:ofox  
这篇文章主要介绍了如何结合QQ 官方 Python SDK + 任意大模型 API,用30 行代码搞定一个能在 QQ 群里聊天的 AI 机器人,不用装任何桌面客户端,一个 Python 脚本跑在服务器上就行,感兴趣的小伙伴可以了解下

最近刷热榜全是 OpenClaw 接 QQ Bot 的教程,看起来很香:扫码创建机器人、一键接入 AI、5 分钟搞定。

但我下载完 OpenClaw 一看——800MB 的客户端,Electron 套壳,内存 1.2G 起步。我就想让机器人在群里回答问题而已,有必要装这么重的东西?

于是我试了另一条路:QQ 官方 Python SDK + 任意大模型 API,30 行代码搞定一个能在 QQ 群里聊天的 AI 机器人。不用装任何桌面客户端,一个 Python 脚本跑在服务器上就行。

先说结论

方案部署方式资源占用灵活性上手难度
OpenClaw + QQ桌面客户端内存 1.2G+开箱即用但定制难
botpy + AI APIPython 脚本内存 50MB想接什么模型接什么⭐⭐
go-cqhttp(非官方)Docker/二进制内存 30MB功能最全但有封号风险⭐⭐⭐

我最终选了 botpy(QQ 官方 SDK),原因很简单:官方支持 = 不怕封号

准备工作:3 分钟注册 QQ 机器人

腾讯上周刚开放了个人开发者注册(终于!),流程很快:

  • 打开 QQ 开放平台,手机 QQ 扫码登录
  • 点「创建机器人」,填个名字和简介
  • 拿到 appidtoken

一个 QQ 号最多创建 5 个机器人。注意:目前个人开发者只能在群聊里用,私聊功能还没开放。

核心代码:30 行搞定

先装依赖:

pip install qq-botpy openai

然后就是完整代码了:

# qq_ai_bot.py
import botpy
from botpy.message import GroupMessage
from openai import OpenAI

# AI 客户端 - 兼容 OpenAI 协议的都能用
ai = OpenAI(
    api_key="your-api-key",
    base_url="https://api.ofox.ai/v1"  # 我用的聚合接口,Claude/GPT/Gemini 随便切
)

class MyBot(botpy.Client):
    async def on_group_at_message_create(self, message: GroupMessage):
        """群里被 @ 时触发"""
        user_msg = message.content.strip()
        if not user_msg:
            return

        # 调大模型
        resp = ai.chat.completions.create(
            model="claude-sonnet-4-20250514",  # 换成任意模型
            messages=[
                {"role": "system", "content": "你是一个 QQ 群里的 AI 助手,回复简洁有趣。"},
                {"role": "user", "content": user_msg}
            ],
            max_tokens=500
        )
        answer = resp.choices[0].message.content

        # 回复消息
        await message.reply(content=answer)

intents = botpy.Intents(public_messages=True)
client = MyBot(intents=intents)
client.run(appid="your-appid", secret="your-secret")

没错,就这么多。on_group_at_message_create 是群里 @机器人 时的回调,拿到用户消息 → 丢给大模型 → 回复。

进阶:加上多轮对话记忆

光能一问一答太无聊了,加个简单的上下文记忆:

from collections import defaultdict, deque

# 每个群维护最近 10 轮对话
chat_history = defaultdict(lambda: deque(maxlen=20))

class MyBot(botpy.Client):
    async def on_group_at_message_create(self, message: GroupMessage):
        user_msg = message.content.strip()
        if not user_msg:
            return

        group_id = message.group_openid
        history = chat_history[group_id]
        history.append({"role": "user", "content": user_msg})

        messages = [
            {"role": "system", "content": "你是 QQ 群里的 AI 助手,回复简洁有趣,不超过 200 字。"}
        ] + list(history)

        resp = ai.chat.completions.create(
            model="claude-sonnet-4-20250514",
            messages=messages,
            max_tokens=500
        )
        answer = resp.choices[0].message.content
        history.append({"role": "assistant", "content": answer})

        await message.reply(content=answer)

deque(maxlen=20) 自动滚动,内存占用几乎为零。如果你想更持久,换成 Redis 或 SQLite 都行,但对于群聊机器人来说,记住最近几轮就够了。

踩坑记录

坑 1:botpy 版本混乱

pip install botpy 装的不是官方版本!QQ 官方的包名是 qq-botpy

# ❌ 错误
pip install botpy

# ✅ 正确
pip install qq-botpy

装错了会报一堆莫名其妙的 import 错误,我在这上面浪费了半小时。

坑 2:群聊需要额外申请

个人开发者创建完机器人后,默认只有频道权限。想在QQ 群里用,需要在开放平台后台额外勾选「群聊」场景,然后等审核(大概 1-2 小时)。

很多教程没提这一步,导致代码写好了机器人死活不响应。

坑 3:消息里的 @前缀 要处理

用户在群里 @机器人 发消息时,message.content 前面会带一个 @机器人名字 的前缀(注意有个空格)。如果不处理,这段文字会一起发给大模型,导致回复很奇怪。

# 清理 @ 前缀
user_msg = message.content.strip()
if user_msg.startswith(f"@{bot_name}"):
    user_msg = user_msg[len(f"@{bot_name}"):].strip()

坑 4:回复有频率限制

QQ 机器人有频率限制:被动回复每分钟最多 5 条(个人开发者),超过会被静默丢弃,不报错。

解决方案:对于长回复,先截断到 500 字以内;对于高频群,加个 cooldown:

import time

last_reply = {}

async def on_group_at_message_create(self, message: GroupMessage):
    group_id = message.group_openid
    now = time.time()
    if now - last_reply.get(group_id, 0) < 12:  # 12秒冷却
        return
    last_reply[group_id] = now
    # ... 正常处理

模型怎么选

QQ 群聊场景比较特殊:消息短、要求响应快、上下文碎片化。我试了几个模型的体验:

模型响应速度群聊效果适合场景
GPT-4.1-mini0.8s回复质量高但偶尔太长技术群
Claude Sonnet1.2s语气自然,长度适中通用群
Gemini Flash0.5s最快,但中文偶尔拉胯对速度要求高
Qwen-Plus0.6s中文最好,回复接地气中文闲聊群

我最后在代码里用的是 Claude Sonnet,因为群聊场景下它的回复长度和语气最合适。如果你更在意速度,Gemini Flash 是最快的。这些模型我都是通过一个聚合接口调的,改个 model 参数就切换了,不用管各家 API 的差异。

部署:丢到服务器上跑

本地测试没问题后,直接 nohup 挂后台就行:

想更稳定可以用 systemd 或 supervisor,但说实话对于个人用的小机器人,nohup 够了。

小结

全网都在装 OpenClaw 搞 QQ 机器人,但如果你只是想让机器人能聊天、能回答问题,完全没必要装一个 800MB 的桌面客户端。QQ 官方 SDK + 一个 AI API,30 行 Python 就够了。

当然 OpenClaw 的优势在于它的多 Agent 能力和可视化配置,如果你需要复杂的工作流编排,那确实比自己写代码方便。但对于「群里 @机器人问个问题」这种简单场景,轻量方案完全够用。

到此这篇关于Python代码实现轻松编写一个QQ AI机器人的文章就介绍到这了,更多相关Python QQ机器人内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • python实现录音小程序

    python实现录音小程序

    这篇文章主要为大家详细介绍了python实现录音小程序,实现录音播放功能,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2018-08-08
  • 浅谈Pandas dataframe数据处理方法的速度比较

    浅谈Pandas dataframe数据处理方法的速度比较

    这篇文章主要介绍了浅谈Pandas dataframe数据处理方法的速度比较,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2021-04-04
  • Python使用正则表达式过滤或替换HTML标签的方法详解

    Python使用正则表达式过滤或替换HTML标签的方法详解

    这篇文章主要介绍了Python使用正则表达式过滤或替换HTML标签的方法,简单介绍了Python正则相关语法并结合具体实例形式分析了Python基于正则表达式的HTML标签过滤与替换相关操作技巧,需要的朋友可以参考下
    2017-09-09
  • Python实现Mysql全量数据同步的脚本分享

    Python实现Mysql全量数据同步的脚本分享

    这篇文章主要为大家详细介绍了基于Python如何实现Mysql全量数据同步的功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起了解一下
    2023-06-06
  • python3.5 cv2 获取视频特定帧生成jpg图片

    python3.5 cv2 获取视频特定帧生成jpg图片

    这篇文章主要为大家详细介绍了python3.5 cv2 获取视频特定帧生成jpg图片,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2019-08-08
  • python字符串常见使用操作方法介绍

    python字符串常见使用操作方法介绍

    本文介绍python字符串使用方法,Python最常见数据类型就是字符串,无论哪种编程语言,字符串无处不在,比如从用户那里读取字符串,并将字符串打印到屏幕显示出来,字符串是一种数据结构,下文详细内容介绍需要的朋友可以参考一下
    2022-03-03
  • python实现扫雷小游戏

    python实现扫雷小游戏

    这篇文章主要为大家详细介绍了python实现扫雷小游戏,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2020-04-04
  • 详解Python图像处理库Pillow常用使用方法

    详解Python图像处理库Pillow常用使用方法

    PIL(Python Imaging Library)是Python一个强大方便的图像处理库,只支持到Python2.7。这篇文章主要介绍了Python图像处理库Pillow常用使用方法,需要的朋友可以参考下
    2019-09-09
  • 一篇超级全面的Python功能图谱(推荐)

    一篇超级全面的Python功能图谱(推荐)

    Python作为一种广受欢迎的高级编程语言,不仅在基本语法上易于学习,还拥有强大的标准库和活跃的开发社区,本文详细介绍了Python从基础语法到高级应用的全面功能,并通过实际案例和代码示例展示了其在科学计算、Web开发、机器学习等多个领域的应用,需要的朋友可以参考下
    2024-09-09
  • 解决python xx.py文件点击完之后一闪而过的问题

    解决python xx.py文件点击完之后一闪而过的问题

    今天小编就为大家分享一篇解决python xx.py文件点击完之后一闪而过的问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-06-06

最新评论