LangGraph实战训练营-打造 WhatsApp 全自动消息收发AI智能助手

📅 2026/6/30 0:30:57
LangGraph实战训练营-打造 WhatsApp 全自动消息收发AI智能助手
文章目录1. 项目概述1.1 项目背景1.2 核心功能1.3 技术栈选型1.4 应用场景2. 环境搭建2.1 系统要求硬件要求软件依赖2.2 安装步骤步骤一:安装基础工具步骤二:安装 Docker步骤三:安装 Node.js 和 npm步骤四:安装 Python 和 uv2.3 获取项目源码2.4 环境变量配置复制并编辑环境变量模板环境变量详解(`.env` 文件)WhatsApp 暴露模式详解2.5 创建工作区目录3. 项目结构解析3.1 目录结构总览3.2 关键文件详解📄 `AGENTS.md` — Agent 人格与指令定义📄 `docker-compose.yml` — 容器编排配置📄 `Dockerfile` — 镜像构建脚本📄 `.env.example` — 环境变量参考模板📄 `package.json` — WhatsApp Bridge 依赖📄 `pyproject.toml` — Talon Python 包配置4. 核心原理讲解4.1 架构设计概览4.2 核心组件原理4.2.1 WhatsApp Bridge 机制4.2.2 语音转录 (ASR) 管线4.2.3 Cron 定时任务机制4.2.4 Agent Harness 架构(LangGraph)5. 基础使用指南5.1 方式一:Docker 部署(推荐新手)完整操作流程启动后的日志输出示例扫码配对步骤(图文说明)发送第一条消息5.2 方式二:本地运行(无 Docker)完整操作流程本地运行的注意事项5.3 停止服务5.4 重新构建镜像6. 功能模块示例6.1 基础对话示例示例 1:简单问答6.2 文件操作示例6.3 语音消息处理示例6.4 Cron 定时任务示例6.5 自定义 AGENTS.md 示例6.6 LangSmith 追踪配置示例7. 最佳实践7.1 安全最佳实践✅ 推荐做法❌ 避免的做法7.2 性能优化建议ASR(语音转录)优化Docker 优化模型选择建议7.3 运维最佳实践数据备份日志管理健康检查7.4 开发调试技巧8. 常见问题解答Q1: QR 码扫描失败怎么办?Q2: 出现 "Session expired" 错误Q3: Agent 没有回复我的消息Q4: 语音消息没有被转录Q5: Docker 构建失败Q6: 如何更换 AI 模型?Q7: 如何查看 Agent 的思考过程?Q8: 如何让多人都能与 Agent 交互?Q9: 如何更新到最新版本?Q10: Token 用量过高怎么办?附录A. 快速命令参考卡B. 环境变量速查表1. 项目概述1.1 项目背景项目展示了如何将AI 智能体(Agent)与WhatsApp 即时通讯平台进行深度集成,实现一个可以自动接收、处理和回复 WhatsApp 消息的智能助手系统。⚠️ 实验性声明:Talon 是一个实验性运行时(Experimental Runtime),其 API 和功能可能随时发生变化或被移除。请关注官方更新。1.2 核心功能功能模块描述WhatsApp 桥接通过whatsapp-web.js库连接 WhatsApp Web,实现消息收发AI 对话引擎基于 Deep Agents 框架,支持多轮对话、工具调用、子代理委托语音转文字 (ASR)集成 NVIDIA Parakeet 模型,支持 WhatsApp 语音消息的本地转录