一个基于钉钉开放平台的智能机器人系统，集成AI问答、知识库检索、天气查询、JIRA任务管理和服务器维护功能。使用Python 3.12和FastAPI构建，采用微软AutoGen框架实现智能化交互。
sequenceDiagram
actor User as 用户
participant Bot as 钉钉AI机器人
participant AI as AutoGen多智能体
participant KB as 知识库系统
participant Weather as 天气服务
participant Ticket as 工单系统
participant JIRA as JIRA平台
participant Server as 服务器系统
participant Logger as 日志系统
User->>Bot: 发送消息
%% AI智能问答流程
alt AI智能问答
Bot->>AI: 转发用户问题
AI->>AI: 多智能体协作处理
AI->>Bot: 返回智能回复
Bot->>User: 展示AI回答
%% 知识库检索流程
else 知识库检索
Bot->>KB: 查询相关知识
KB->>KB: 向量数据库检索
KB->>Bot: 返回检索结果
Bot->>User: 展示知识库答案
%% 天气查询流程
else 天气查询
Bot->>Weather: 查询城市天气
Weather->>Weather: 调用OpenWeather API
Weather->>Bot: 返回天气信息
Bot->>User: 展示Markdown格式天气
%% 快捷提单流程
else 快捷提单
Bot->>Ticket: 创建工单请求
Ticket->>Ticket: 工单自动创建
Ticket->>Bot: 返回工单状态
Bot->>User: 展示工单创建结果
%% JIRA任务管理流程
else JIRA任务管理
Bot->>JIRA: 定时检查任务
JIRA->>JIRA: 执行规则检查
JIRA->>Bot: 返回检查结果
Bot->>User: 推送卡片通知
Bot->>JIRA: 创建待办任务
%% 服务器管理流程
else 服务器管理
Bot->>Server: 执行管理命令
Server->>Server: 执行SSH操作/Dify升级
Server->>Bot: 返回执行结果
Bot->>User: 展示操作结果
Server->>Bot: 发送日志数据
Bot->>AI: 分析日志数据
AI->>Bot: 返回分析结果
Bot->>User: 展示日报/周报
end
%% 日志记录流程
Bot->>Logger: 记录操作日志
Logger->>Logger: 自动轮转和清理
Logger->>Bot: 提供日志统计
-
机器人AI智能问答和回复
- 基于微软AutoGen多智能体架构
- 支持上下文理解和连续对话
-
知识库检索问答
- 支持对接企业知识库
- 提供精准信息检索和回答
-
天气查询
- 支持实时天气信息查询
- 支持Markdown格式天气信息展示
-
本地数据库查询与分析
- SQLTeamAgent：自然语言 ➜ SQL ➜ Markdown 结果
- 元数据表
columns_comment支持字段级备注
-
快捷提单功能
- 群聊中快速创建工单
- 自定义模板支持
-
JIRA任务管理
- 定时检查JIRA任务规范性
- 群内推送卡片通知
- 自动创建相关人员待办
-
服务器维护助手
- SSH远程操作支持
- Dify服务自动化升级
- AI驱动的日志分析与总结
-
AI智能日报/周报
- 每天的日报，AI智能分析
- 每周五根据本周的每天的日报，生成本周的周报（AI智能分析）
- 生成后定时定点推送
-
日志管理系统
- 自动日志轮转（10MB轮转）
- 定期清理（保留7天）
- 分级记录（主日志+错误日志）
- API管理接口
- 后端框架：FastAPI
- 智能体引擎：Microsoft AutoGen
- 日志系统：Loguru + 自动轮转
- 依赖管理：uv (Python包管理工具)
- 开发环境：Python 3.12+
- 平台集成：钉钉开放平台、JIRA API、OpenWeather API
- Python 3.12+
- uv (推荐的包管理工具)
- 克隆仓库
git clone [仓库地址]
cd dingtalk-ai-robot- 安装依赖
# 使用uv安装依赖
uv pip install -e .
# 或者使用传统方式
uv pip compile pyproject.toml -o requirements.txt
pip install -r requirements.txt- 初始化日志目录
# 初始化日志目录结构
python scripts/init_logs.py- 配置环境变量
创建.env文件，参考.env.example中的示例，配置必要的环境变量。
# 使用uv运行
uv run -m app.main
# 或者使用传统方式
python -m app.main- 在钉钉开发者平台创建机器人应用
- 配置机器人权限和回调地址
- 获取ClientID、ClientSecret和RobotCode
- AI问答：在群聊中@机器人并提问
- 知识库检索：使用特定指令触发知识库搜索
- 天气查询：使用特定指令触发天气信息查询
- 提单功能：按格式发送提单信息
- JIRA管理：系统自动执行定时检查
- 服务器维护：使用指定命令触发服务器操作
- 周报管理：自动化周报生成和钉钉日报推送
- 查看日志统计：
GET /api/logs/stats - 手动清理日志：
POST /api/logs/cleanup - 健康检查：
GET /api/logs/health
系统每周六20:30自动执行周报生成任务，包含以下流程：
- 日志收集：通过钉钉API查询本周一到周四的用户日报记录
- AI总结：使用AutoGen双智能体协作生成专业周报
- 钉钉推送：自动创建钉钉日报并发送到群聊
- 状态通知：任务执行结果通过钉钉机器人通知
-
查询钉钉日报记录：
GET /api/v1/weekly-report/check-logs- 直接调用钉钉API获取用户日报记录
- 支持可选的日期范围参数
- 返回整合后的日报内容
-
查询本地已发送周报：
GET /api/v1/weekly-report/local-reports- 查询本地数据库中已发送成功的周报记录
- 支持按用户ID和日期范围过滤
- 返回已发送周报的详细信息
-
生成周报总结：
POST /api/v1/weekly-report/generate-summary{ "content": "原始日志内容", "use_quick_mode": false } -
创建钉钉日报：
POST /api/v1/weekly-report/create-report⭐ 已改造{ "summary_content": "周报总结内容", "user_id": "可选用户ID", "template_name": "产品研发中心组长日报及周报(导入上篇)", "template_content": "可选的额外模版内容，用于AI智能体增强" }改造亮点：
- ✅ 使用模版名称替代模版ID，更直观易用
- ✅ 自动调用钉钉API获取模版详情信息
- ✅ 根据模版字段动态格式化内容
- ✅ 智能识别"上周工作"字段并转换为列表格式
- ✅ 支持额外模版内容的AI智能体增强
-
保存钉钉日报内容：
POST /api/v1/weekly-report/save-report🆕 新增{ "summary_content": "日志内容", "user_id": "可选用户ID", "template_name": "产品研发中心组长日报及周报(导入上篇)", "template_content": "可选的额外模版内容，用于AI智能体增强" }功能说明：
- ✅ 将内容保存为钉钉日报（不发送到群聊）
- ✅ 使用与创建日报相同的模版格式化逻辑
- ✅ 支持所有创建日报的高级特性
- ✅ 适用于需要保存但暂不发送的场景
-
执行自动任务：
POST /api/weekly-report/auto-task- 执行完整的自动周报流程
- 通常由定时任务调用
-
健康检查：
GET /api/weekly-report/health- 检查周报服务各组件状态
周报生成采用AutoGen RoundRobinGroupChat双智能体协作：
- 总结智能体：负责分析日志内容，生成结构化周报
- 检察官智能体：审核总结质量，确保专业性和准确性
支持两种模式：
- 标准模式：双智能体协作，质量更高
- 快速模式：单智能体生成，速度更快
智能模版适配系统 (2025-07-22 新增)
- 动态模版获取：根据模版名称自动调用钉钉API获取模版详情
- 智能字段匹配：支持精确匹配、映射匹配、模糊匹配三种策略
- 上周工作列表化：自动识别并转换"上周工作"相关字段为列表格式
- AI内容增强：支持额外模版内容，调用周报智能体生成最终版本
- 向下兼容：保持原有API结构，支持无模版字段的默认格式化
使用示例：
// 基础使用
{
"summary_content": "### 本周工作完成情况\n- 完成了功能开发",
"template_name": "产品研发中心组长日报及周报(导入上篇)"
}
// AI增强使用
{
"summary_content": "### 本周工作完成情况\n- 完成了功能开发",
"template_name": "产品研发中心组长日报及周报(导入上篇)",
"template_content": "请重点突出项目进展和风险控制"
}dingtalk-ai-robot/
├── app/ # 主应用目录
│ ├── api/ # API端点
│ │ ├── v1/ # API版本1
│ │ │ ├── logs.py # 日志管理API
│ │ │ └── ... # 其他API模块
│ │ └── router.py # 主路由
│ ├── core/ # 核心配置和功能
│ │ ├── logger.py # 日志配置模块
│ │ ├── scheduler.py # 定时任务调度器
│ │ └── ... # 其他核心模块
│ ├── services/ # 服务模块
│ │ ├── ai/ # AI智能体
│ │ │ ├── agent/ # 智能体实现
│ │ │ ├── tools/ # AI工具模块
│ │ │ │ ├── __init__.py # 统一导出中心
│ │ │ │ ├── weather.py # 天气查询工具
│ │ │ │ ├── knowledge_base.py # 知识库检索工具
│ │ │ │ ├── jira.py # JIRA处理工具
│ │ │ │ └── jira_bulk_creator.py # JIRA批量创建工具
│ │ │ └── handler.py # AI消息处理器
│ │ ├── dingtalk/ # 钉钉API集成
│ │ ├── jira/ # JIRA服务
│ │ ├── knowledge/ # 知识库服务
│ │ ├── ssh/ # SSH服务
│ │ └── weather/ # 天气服务
│ └── main.py # 应用入口
├── logs/ # 日志目录
│ ├── .gitkeep # 保持目录结构
│ ├── .gitignore # 忽略日志文件
│ ├── app.log # 主日志文件
│ └── error.log # 错误日志文件
├── scripts/ # 脚本目录
│ └── init_logs.py # 日志目录初始化脚本
├── docs/ # 文档目录
│ ├── CREATE_REPORT_REFACTOR_SUMMARY.md # /create-report接口改造总结
│ ├── logging-system-flow.md # 日志系统流程图
│ └── README.md # 文档索引
├── tests/ # 测试目录
├── .env.example # 环境变量示例
├── pyproject.toml # 项目配置和依赖
├── CHANGELOG.md # 变更日志
└── README.md # 项目说明
- 机器人AI智能问答和回复
- 机器人问答可以对接知识库进行检索回复
- 快捷批量提单功能的集成
- 定时检查组内JIRA单符合标准规则
- 群内推送卡片形态
- 创建对应人的待办
- 对话机器人可以自动智能升级多台服务器的Dify服务
- 对话机器人可以自由的运维服务器，执行相关命令
- 每周五根据本周的每天的日报，生成本周的周报（AI智能分析）
- 周报接口智能化改造 (2025-07-22)
- 模版名称替代ID，提升易用性
- 动态获取钉钉模版信息
- 智能字段匹配和内容格式化
- 上周工作自动列表化处理
- AI智能体内容增强功能
欢迎提交问题报告、功能请求或代码贡献。请确保遵循项目的代码规范和提交流程。
机器人支持将本地文档嵌入到知识库，目前支持 txt / pdf / docx / md 四种格式。
POST /api/v1/upload_document
Content-Type: multipart/form-data
# form-data 字段
file=<本地文件>
collection=<可选，自定义集合名，默认 global_knowledge_base>
chunk_size=<可选，默认 1500>
overlap=<可选，默认 200>成功响应示例
{
"code": 0,
"msg": "uploaded & embedded 12 chunks",
"data": {
"collection": "global_knowledge_base",
"doc_id": "f6e21..."
}
}📌 默认切片策略为 自然段 + 滑窗，可通过
chunk_size / overlap覆盖。
POST /api/v1/knowledge/search
Content-Type: application/json
{
"query": "曾迪是谁？",
"top_k": 5, // 期望最终返回结果条数
"min_score": 0.15 // 可选，相似度阈值，留空则使用后端默认 0.2
}处理流程 👇
- 向量召回 (Over-Fetch)：后端会以
top_k × 3的倍数（可配置）从 ChromaDB 取候选，且底层阈值极低，确保召回足够全面。 - 二次重排 (Re-Rank)：调用阿里云 DashScope
gte-rerank-v2对候选进行相关性打分，字段rerank_score可在调试阶段通过日志查看。 - 结果截断：按重排得分降序，取前
top_k条返回给调用方。
| 变量名 | 说明 |
|---|---|
DASHSCOPE_API_KEY |
DashScope 服务访问密钥（若缺省将回退 OPENAI_API_KEY） |
提示：若想关闭重排序，可不配置
DASHSCOPE_API_KEY，系统会自动跳过该步骤，仅用向量相似度排序。
自 AutoGen 0.6+ 起，若一次对话中包含多条且不连续的 system prompt，需要在 model_info 中显式开启：
"multiple_system_messages": True本项目已在 app/services/ai/openai_client.py 中设置，避免出现
ValueError: Multiple and Not continuous system messages ...。
项目采用模块化设计，将AI工具功能拆分到独立文件中：
- 统一导出:
tools/__init__.py作为所有工具的统一导出中心 - 天气工具:
tools/weather.py- 集成OpenWeather One Call API 3.0 - 知识库工具:
tools/knowledge_base.py- 向量数据库检索功能 - JIRA工具:
tools/jira.py- JIRA任务处理与批量操作 - 薄包装层:
handler.py保持向后兼容的薄包装接口
graph TD
A[用户消息] --> B[AIMessageHandler]
B --> C{消息类型判断}
C -->|天气查询| D[weather.process_weather_request]
C -->|知识检索| E[knowledge_base.search_knowledge_base]
C -->|JIRA处理| F[jira.process_jira_request]
C -->|通用AI| G[general_assistant_agent]
D --> H[OpenWeather API]
H --> I[Markdown格式化]
I --> J[返回天气信息]
E --> K[ChromaDB向量检索]
K --> L[相关知识匹配]
L --> M[返回检索结果]
F --> N[JiraBatchAgent处理]
N --> O[JIRA API操作]
O --> P[返回处理结果]
G --> Q[AutoGen多智能体]
Q --> R[AI智能回复]
J --> S[钉钉消息回复]
M --> S
P --> S
R --> S