最近ChatGPT大火，boss也蠢蠢欲动要求我们把ChatGPT接入飞书，经过一上午的研究，终于注册成功并且实现了飞书机器人对接到ChatGPT。

下面给大家分享一下接入飞书的详细步骤。

飞书与chatgpt的交互如下，我们的自定义服务就是充当一个中间人的角色，进行消息的转发。

1，进入飞书开放平台，选择创建企业自建应用。

2，创建完应用以后，点击进入应用，添加机器人。

3，给机器人配置消息相关的权限，如果不确定需要什么权限，可以先全部开通。

4，配置事件订阅。事件订阅需要先开发一个接口供飞书验证。接口需要可以公网访问。

这个接口的代码可以参考如下：

@【【微信】】(value="/【【微信】】")public FeishuE【【微信】】 【【微信】】(@Re【【微信】】) { log.info("收到消息：{}", body); FeishuE【【微信】】tParams=JSON.parseObject(body, FeishuE【【微信】】.class); FeishuE【【微信】】 e【【微信】】=new FeishuE【【微信】】(); e【【微信】】.setChallenge(feishuE【【微信】】.getChallenge()); return e【【微信】】;}@Datapublic class FeishuE【【微信】】 { pri【【微信】】; private String token; pri【【微信】】;}@Datapublic class FeishuE【【微信】】 { pri【【微信】】;}

有一点需要注意的是，这个校验接口和下面接收飞书消息的接口是同一个地址，但是消息体不一样。

也就是说校验接口是一次性的，校验完之后需要对这个接口进行改造。

我们先将这个接口发布到一个可以公网访问的项目中，比如接口地址是 http://xx.xx.xx.xx/xx/xx/【【微信】】，将其填写到飞书中保存，飞书如果可以成功保存就没问题了。

OK，到这里飞书的配置基本搞定了，下面就是我们需要进行处理的逻辑了。

先说一下我司对接的大致逻辑，供大家参考。

用户发送消息到飞书之后，飞书会将消息转发到我们自己的服务上。

但是这里会存在一个问题，就是当多个用户并发发起会话时，或者一个大群里很多人都在@我们的机器人时，我们需要记住每一个人的回话，在chatgpt查询到结果后，准确的回复这个人。

由于我司目前也是用于内部测试不想实现太复杂，所以我们采用的思路是：每一个用户的会话转发到我们的服务上时，先将会话内容保存到一个全局的ConcurrentLinkedQueue队列中，然后启动一个线程，不停的消费这个队列。

队列的泛型是一个提前构造好的对象，这个对象保存着当前消息的消息id，发送人，提问内容等。

每消费一个对象，就将对象的提问内容发送到chatgpt，获取响应结果以后，调用飞书提供的会话回复接口去回复用户。（如果并发量比较大，这里可以搞成异步的）。

好了，大致思路就说到这，我们看一下具体的代码。

1，打开我们的项目，引入chatgpt提供的jar。

<dependency> <【【微信】】>com.theokanning.openai-gpt3-java</【【微信】】> <【【微信】】>service</【【微信】】> <【【微信】】>0.10.0</【【微信】】></dependency>

2，重写上面的校验接口，改造成接收飞书消息。（接口路径不要变）

@Slf4j@RestController@Re【【微信】】(value="/query")【【微信】】roller { public static ConcurrentLinkedQueue<【【微信】】> consumer =new ConcurrentLinkedQueue<>(); @【【微信】】(value="/【【微信】】") public String 【【微信】】(@Re【【微信】】) { log.info("收到飞书消息:{}", body); JSONObject 【【微信】】=JSONObject.parseObject(body); JSONObject header=【【微信】】.【【微信】】("header"); String e【【微信】】ader.getString("e【【微信】】"); if ("im.【【微信】】.receive_v1".【【微信】】(e【【微信】】)) { JSONObject event=【【微信】】.【【微信】】("event"); JSONObject 【【微信】】=event.【【微信】】("【【微信】】"); String 【【微信】】Type=【【微信】】.getString("【【微信】】_type"); if ("text".【【微信】】(【【微信】】Type)) { String 【【微信】】Id=【【微信】】.getString("【【微信】】_id"); String content=【【微信】】.getString("content"); JSONObject contentJson=JSON.parseObject(content); String text=contentJson.getString("text"); 【【微信】】 feishuResponse=new 【【微信】】(); feishuResponse.setMessageId(【【微信】】Id); feishuResponse.setQuery(text); log.info("投递用户消息,{}", JSON.toJSON(feishuResponse)); consumer.add(feishuResponse); } else { log.info("非文本消息"); } } return "suc"; }}

【【微信】】的结构如下。

@Datapublic class 【【微信】】 { private String 【【微信】】Id; pri【【微信】】;}

3，写一个任务线程

@Slf4jpublic class AutoSendTask implements Runnable { //你的chatgpt的key public static final String token=""; public static OpenAiSer【【微信】】=null; static { openAiService=【【微信】】(token, Duration.ofSeconds(60)); } @Override public void run() { while (true) { try { 【【微信】】 poll=consumer.poll(); if (poll==null) { log.info("no query,【【微信】】"); TimeUnit.SECONDS.sleep(2); } else { String query=this.query(poll.【【微信】】()); this.reply(poll, query); } } catch (【【微信】】 e) { log.error("Thread exception...", e); } } } pri【【微信】】(String q) { log.info("开始提问:{}", q); 【【微信】】pletionRequest=CompletionRequest.【【微信】】() .prompt(q) .model("【【微信】】") .maxTokens(2048) .echo(false) .build(); StringBuilder sb=new StringBuilder(); CompletionResult completion=openAiServi【【微信】】(completionRequest); log.info("q:{},获取响应:{}", q, JSON.【【微信】】(completion)); completion.getChoices().forEach(v -> { sb.【【微信】】(v.getText()); }); String rs=sb.toString(); if (rs.startsWith("？")) { rs=rs.replaceFirst("？", ""); } if (rs.startsWith(" ")) { rs=rs.replaceFirst(" ", ""); } log.info("格式化后的rs:{}", rs); return rs; } pri【【微信】】(【【微信】】 poll, String rs) { JSONObject params=new JSONObject(); params.put("uuid", RandomUtil.randomNumbers(10)); params.put("msg_type", "text"); JSONObject content=new JSONObject(); content.put("text", rs); params.put("content", content.【【微信】】()); String url=String.format("https://open.feishu.cn/open-apis/im/v1/【【微信】】s/%s/reply", poll.getMessageId()); String tenantAccessToken=FeishuUtils.getTenantAccessToken(); String body=null; try (HttpResponse authorization=HttpUtil.createPost(url) .header("Authorization", "Bearer " + tenantAccessToken) .body(params.【【微信】】()) .execute()) { body=authorization.body(); } return body; }}

获取飞书token的工具类如下：

@Slf4jpublic class FeishuUtils { public static final String tokenUrl ="https://open.feishu.cn/open-apis/auth/v3/【【微信】】ternal/"; //构建一个cache 缓存飞书的token static Cache<String, String> tokenCache= CacheBuilder.newBuilder().expireAfterWrite(Duration.ofSeconds(3500)).build(); //这个是飞书应用的appid和key，可以在创建的飞书应用中找到 public static final String appId=""; public static final String appKey=""; public static String getTenantAccessToken() { String token=null; try { token=tokenCache.get("token", () -> { JSONObject params=new JSONObject(); params.put("app_id", appId); params.put("app_secret", appKey); String body; try (HttpResponse execute=HttpUtil.createPost(tokenUrl) .body(params.【【微信】】()).execute()) { body=execute.body(); } log.info("获取飞书token:{}", body); if (StrUtil.isNotBlank(body)) { String tenantAccessToken=JSON.parseObject(body).getString("tenant_access_token"); tokenCache.put("token", tenantAccessToken); return tenantAccessToken; } return null; }); } catch (ExecutionException e) { throw new RuntimeException(e); } return token; }}

4，启动线程类即可

最后，出于隐私，chatgpt群会话的效果就不展示了，展示一下直接对话机器人的效果吧。

由于我们引入chatgpt也只是抱着尝试的态度，所以代码相对也比较粗糙，如果有哪里写的不好的地方，还望大家海涵。

文中代码还额外引入的jar有：guava、【【微信】】、fastjson。

#万物皆可ChatGPT#

我是@程序员拾山，坚持技术分享，期待与大家一起学习成长，也感谢您的点赞和关注。