MoleAPIMoleAPI
DocumentaciónAplicaciones de IA

LangBot - Plataforma de desarrollo de bots de mensajería instantánea

Tutorial de integración de LangBot — framework de desarrollo de bots de chat con AI para plataformas como Feishu, DingTalk, Telegram y Discord. Compatible con base de conocimientos, Agent y MCP, y con MoleAPI.

LangBot es una plataforma open source de desarrollo de bots de mensajería instantánea que admite múltiples plataformas de mensajería, como Feishu, DingTalk, WeChat, QQ, Telegram, Discord y Slack. Se integra con los principales modelos de AI del mundo, admite varias capacidades de aplicación de AI como base de conocimientos, Agent y MCP, y se adapta perfectamente a MoleAPI.

Integración con MoleAPI

LangBot es totalmente compatible con MoleAPI, y el proceso de uso es muy sencillo.

Modo de uso

  1. Obtén la API key y la Base URL desde MoleAPI Obtener API key

Ten en cuenta que la dirección de la API (Base URL) debe incluir /v1 al final.
Por ejemplo, la forma correcta de completarla es:

https://api.moleapi.com/v1

Si no se añade /v1, la integración no funcionará correctamente.

  1. Añade un modelo en LangBot, selecciona el proveedor NewAPI y completa la API key y la dirección de la API correspondientes Añadir modelo NewAPI

  2. Selecciona el modelo que se va a usar en el pipeline

    Seleccionar modelo

  3. Ya puedes usarlo conversando en la depuración de diálogo o hablando con el bot vinculado al pipeline

    Conversación

    Conversación en WeChat

    Para desplegar y configurar el bot, consulta Desplegar bot.

Uso de la base de conocimientos de LangBot

LangBot admite el uso de modelos de embeddings de MoleAPI y permite utilizarlos como modelo vectorial de la base de conocimientos.

  1. Añade un modelo de embeddings en LangBot y selecciona el proveedor NewAPI Añadir modelo de embeddings

  2. Al crear una nueva base de conocimientos, selecciona el modelo de embeddings que acabas de añadir como backend de recuperación vectorial para construir una base de conocimientos inteligente con comprensión semántica.

  3. Una vez creada, podrás realizar recuperación semántica y preguntas y respuestas basadas en embeddings de MoleAPI dentro de la base de conocimientos de LangBot.

  4. También puedes ajustar más parámetros del modelo vectorial en la configuración de la base de conocimientos para cubrir necesidades de recuperación más complejas. Usar modelo de embeddings

Para más formas de uso, consulta la documentación oficial de LangBot: https://docs.langbot.app

¿Te resultó útil esta guía?

Última actualización el

Volver al inicioPasarela