千问 Qwen 教程
前一篇文章我们深度拆解了 nanobot——港大开源的超轻量 AI Agent 框架，4000 行代码平替 OpenClaw，一个月冲到 32K+ Star。
这篇是实战篇，用 nanobot + 通义千问 Qwen 3.5 Plus + 钉钉机器人，从零搭一套纯国产的小龙虾方案。
最终效果：在钉钉上直接跟 AI 对话，随时派活。通义千问原生支持联网搜索，再配合 9 个自定义技能（文档阅读、网页抓取、多语言翻译、数据分析、代码审查、文案写作等），覆盖日常工作的主要场景。
nanobot — 上篇介绍过的超轻量 AI Agent 框架，4000 行代码，通过 LiteLLM 支持主流大模型，原生支持钉钉、飞书等十多种聊天渠道。在这套系统里它负责消息接收、工具调用和技能管理。
通义千问 Qwen 3.5 Plus — 阿里云旗舰大模型，代码生成、推理、多轮对话都很稳。API 原生支持联网搜索（），AI 可以实时获取互联网信息。
钉钉机器人 — nanobot 支持钉钉 Stream 模式，不需要公网 IP，不需要域名备案，配好 AppKey 就能连。手机上直接跟 AI 对话、派任务。
nanobot
大脑 + 手脚
消息接收 + 工具调用 + 技能管理
Qwen 3.5 Plus
智力引擎
理解、推理、生成代码和文本
钉钉
交互界面
手机/电脑随时对话，派活收结果
整个系统的工作流程很直观：
关键点：
- Skills 自动匹配：你不需要手动选技能，模型会根据你的问题自动判断该用哪个 Skill
- 多轮对话：nanobot 维护对话上下文，可以连续追问
- 记忆系统：nanobot 用 存储长期记忆，越用越了解你的偏好
目录结构
接入钉钉后，在群里 @机器人 就能对话。但默认能力有限，可以通过两种方式增强。
联网搜索
通义千问原生支持 参数，开启后 AI 可以实时搜索互联网信息。具体配置方法见第四章第三步。
开启后在钉钉上问”今天有什么新闻”，AI 就能返回实时信息，不再是”我的知识截止到 xxxx 年”。
9 个自定义技能
这套方案配置了 9 个自定义 Skills，覆盖日常工作的主要场景：
信息检索与文档处理类
web-scraper
抓取网页正文、生成摘要、提取关键信息
读取和分析 PDF 文件
markdown-reader
读取和分析 Markdown 文件
docx-reader
读取 Word 文档，含表格提取
效率工具类
translator
中英日韩等多语言互译，保留格式和术语
cron-reminder
待办事项管理、日程安排、进度追踪
数据与开发类
csv-analyzer
CSV/Excel 数据分析，自动生成统计摘要和可视化图表（matplotlib）
code-reviewer
代码审查（Bug/安全/性能）、Git 操作、日志分析
内容创作类
content-writer
文案生成、周报总结、会议纪要、邮件撰写
添加 Skill 非常简单，在 下建个目录，写一个 描述文件就行。nanobot 启动后自动加载所有 Skills。
环境要求
- macOS / Linux
- Python ≥ 3.11
- Git
- 访问 阿里云 DashScope，注册并获取 API Key
- 编辑 ：
- 验证连接：
编辑 ，在 之后添加：
- 打开 钉钉开放平台
- 创建应用 → 添加「机器人」能力 → 开启 Stream 模式
- 获取 AppKey 和 AppSecret → 发布应用
- 编辑 ：
- 启动：
- 在钉钉群里添加机器人，@机器人 即可对话
系统跑起来之后，日常用法举几个例子：
纯对话类（开箱即用）
- “把这段话翻译成英文” → translator 技能自动翻译，保留格式
- “今天有什么 AI 领域的新动态” → 联网搜索返回实时信息
- “帮我写一份本周周报，内容如下：……” → content-writer 生成结构化周报
- “审查一下这段代码有没有问题” → code-reviewer 从 Bug、安全、性能三个维度检查
这些只依赖 LLM 能力，不需要额外配置。
文件处理类（需要额外安装依赖）
- “帮我总结一下这份 PDF 的要点” → pdf 技能读取文件，AI 输出摘要
- 发一个 CSV 文件，说”分析一下销售趋势” → csv-analyzer 统计数据，生成图表
- 发一份 Word 文档，说”提取里面的表格” → docx-reader 解析文档结构
- “抓取这个网页的正文内容” → web-scraper 提取网页并生成摘要
注意：文件处理类技能需要在 nanobot 运行环境中安装对应的 Python 库（如 pymupdf、pandas、matplotlib、python-docx 等），且通过钉钉发送文件需要 nanobot 支持媒体消息接收（v0.1.4.post3+ 支持钉钉媒体消息）。
这套方案的核心思路：用最轻的架构，搭一个能实际用起来的 AI 助手。
nanobot 只有 4000 行代码，但扩展性不错：
- Skills 系统可以按需扩展能力——本文配置了 9 个技能，覆盖信息检索、文档处理、效率工具、数据分析、内容创作五大类
- 钉钉/飞书/Slack 等渠道让你在手机上就能用
- LiteLLM 多模型支持让你随时切换底层大模型
全部国产方案，手机上就能用。
如果你也想试试，核心三步：装 nanobot、配通义千问、接钉钉。联网搜索按需开启。
本文基于实际部署过程撰写，所有步骤均已验证通过。部署环境：macOS Darwin 25.2.0 / Python 3.11.14 / nanobot v0.1.4.post4
发布者：Ai探索者，转载请注明出处：https://javaforall.net/278425.html原文链接：https://javaforall.net
