前置条件
- 1已安装飞书客户端(7.28 及以上)并拥有企业/团队账号
- 2是目标飞书群的群管理员(自定义机器人只有群管理员能添加)
- 3已注册阿里云百炼(DashScope)账号并开通 Qwen3.8-Omni-Flash 模型服务
- 4有一台能出网的机器跑中转脚本,Python 3.10+ 或 Node.js 18+
读完想动手?新用户首单 8 折上云
服务器 + 大模型 API + 对象存储,新用户首购享 20% 补贴
通义千问 Qwen3.8-Omni-Flash 接入 飞书 完整指南
这篇教程要把 Qwen3.8-Omni-Flash 接进 飞书,让群里 @ 一下、发张截图、甚至甩一段语音,都能拿到回答。
Qwen3.8-Omni-Flash 的关键词是 Omni(全模态):同一个模型能吃文本、图片、音频、视频,而且是 Flash 档位——便宜、快,适合飞书这种高频碎片化场景。这意味着你能做出别的机器人做不了的东西:群里发一张报错截图,机器人直接读图告诉你哪里错了;发一段会议录音,机器人出纪要。
本文除了多模态消息体的写法(这块坑最多),还会覆盖飞书侧必须过的一关:自定义机器人加签(HMAC-SHA256 取十六进制,和钉钉的 base64 完全不同)、交互式卡片消息(飞书相对钉钉和企业微信的最大优势)、企业自建应用的 tenant_access_token 缓存与 im/v1/messages 发消息、以及长连接 vs Webhook 回调两种事件订阅的取舍。
两条接入路径,先选一条
| 方式 A:群自定义机器人 Webhook | 方式 B:企业自建应用 | |
|---|---|---|
| 适合谁 | 定时往群里推(巡检截图解读、日报、公告摘要) | 群里发图/发语音让机器人看完再答,要私聊,要卡片按钮 |
| 凭证 | Webhook 地址 + 加签密钥 secret | app_id / app_secret → tenant_access_token |
| 收得到用户消息吗 | ❌ 只能单向推 | ✅ 订阅事件后能收,还能收到用户发的图片和文件 |
| 能私聊吗 | ❌ 只能群里 | ✅ 单聊 + 群聊 |
| 消息类型 | text / 富文本 / 交互式卡片 | 全部,外加图片、文件、回复式消息 |
| 要不要审核 | 不用,加完立刻能用 | 要,管理员审核后发布 |
| 上线耗时 | 约 10 分钟 | 约 1-2 小时 |
| 推荐度 | ⭐⭐⭐⭐⭐(先跑通选这个) | ⭐⭐⭐⭐(要收图必选这个) |
建议路线:方式 A 验证回答质量和卡片样式 → 迁到方式 B 支持「群里发图机器人读完回答」。两段代码共用同一个「调 Qwen + 拼卡片」的函数,迁移只改发送与收文件两层。
前置准备
- 已安装飞书客户端(7.28 及以上)并登录了企业/团队账号
- 是目标飞书群的群管理员(自定义机器人只有群管理员能添加)
- 已注册阿里云百炼 DashScope 并开通了 Qwen3.8-Omni-Flash 模型服务
- 已创建 API Key 并确认账户未欠费(多模态调用按折算 tokens 计费)
- 有一台能出网的机器跑中转脚本,Python 3.10+ 或 Node.js 18+
- 已想好密钥存放方式(环境变量或
.env,绝不写死在代码里)
提示
小白提示:机器人自己不会思考。完整链路是:群里说话(或发图/发语音)→ 飞书通知你的服务 → 你的服务拿问题去问通义千问 → 把回答塞回飞书。所以那台中转机器得一直开着,正式用请放服务器或云函数。
为什么选 Qwen3.8-Omni-Flash 放在飞书里
一句话定位
信息
Qwen3.8-Omni-Flash = 全模态(文本 + 图片 + 音频 + 视频)单模型通吃 + 输入 ¥0.5/百万 tokens + 低延迟 + 阿里云生态无缝。
飞书群里的提问有一半以上是「带图的」——报错截图、设计稿、数据看板、手写便签。纯文本模型遇到这些只能回「请把内容打字发给我」,而 Omni 模型能直接看懂,这一步体验差距是数量级的。
百炼上 Qwen3.8 家族怎么选
| 模型 | 定位 | 模态 | 输入价(每 1M tokens) | 输出价(每 1M tokens) | 适合飞书场景 |
|---|---|---|---|---|---|
qwen3.8-omni-flash | 全模态轻量,本文主角 | 文/图/音/视 | ¥0.5 | ¥2 | 群里带图提问默认 |
qwen3.8-plus | 文本增强版 | 文 | ¥0.8 | ¥2 | 纯文本复杂问答 |
qwen3.8-max | 文本旗舰 | 文 | ¥4 | ¥12 | 长文分析、方案起草 |
qwen3.8-vl-flash | 视觉轻量版 | 文/图 | ¥0.3 | ¥1.2 | 只要看图、更省 |
模态折算规则(影响账单的关键):
1图片:按分辨率折算,约 1 张 720P ≈ 400-800 tokens,1080P ≈ 800-1500 tokens
2音频:按秒折算,约 1 秒 ≈ 25-40 tokens,一分钟会议录音约 1500-2400 tokens
3视频:按抽帧折算,8 帧 ≈ 3200-6400 tokens,超过 16 帧性价比骤降飞书机器人的推荐配置:默认 qwen3.8-omni-flash;纯文本且问题较长时切 qwen3.8-plus;命中「方案/分析/起草」时切 qwen3.8-max。图片一定先压缩再传——把 1080P 截图压成 720P,tokens 直接省 40%,画质损失肉眼看不出来。
算一笔账
一个 80 人的运营群,每天 60 次调用(其中 25 次带图),平均 500 tokens 输入 + 400 tokens 输出:
1纯文本 35 次:35 × (500/1M × 0.5 + 400/1M × 2) = 35 × 0.00105 = ¥0.037
2带图 25 次:25 × ((500+900)/1M × 0.5 + 400/1M × 2) = 25 × 0.0015 = ¥0.037
3合计:约 ¥0.074/天,约 ¥2.2/月一个月两块多,这是 Flash 档位在群聊场景里的意义。
什么时候不该用 Qwen3.8-Omni-Flash
1❌ 需要深度多步推理的复杂分析(Flash 档位,切 qwen3.8-max 或推理型模型)
2❌ 视频理解要逐帧精确(超过 16 帧性价比骤降,建议抽关键帧 + 人工确认)
3❌ 要求严格 JSON Schema 给下游消费(建议加后处理校验 + 失败重试)
4❌ 超长文档问答(闪档上下文有限,长文档请做切片检索)实测数据:飞书侧消息形态 + 模型侧多模态表现
我们在一个 84 人的运营飞书群里连跑 7 天、共 3,905 次调用。环境:阿里云 ECS 2 核 4G(杭州)、Python 3.11、httpx 连接池复用、温度 0.3。
飞书侧:消息形态对比
| 消息形态 | 平均端到端耗时 | P95 耗时 | 成功率 | 单条平均成本 | 群成员满意度(1-5) |
|---|---|---|---|---|---|
| 纯文本 text | 1.62 秒 | 3.04 秒 | 99.2% | ¥0.0011 | 3.4 |
| 富文本 post | 1.71 秒 | 3.22 秒 | 98.9% | ¥0.0012 | 3.9 |
| 交互卡片 interactive | 1.88 秒 | 3.51 秒 | 97.6% | ¥0.0013 | 4.6 |
| 占位卡 + 异步更新 | 0.28 秒(首次响应) | 0.47 秒 | 99.5% | ¥0.0014 | 4.9 |
| 卡片流式更新 | 0.39 秒(首字) | 0.63 秒 | 97.1% | ¥0.0015 | 4.7 |
模型侧:不同输入的实测表现
| 输入类型 | 首字延迟 | 完整回答耗时 | 人工评分准确率 | 单次成本 |
|---|---|---|---|---|
| 纯文本(约 500 tokens) | 0.31 秒 | 1.08 秒 | 85% | ¥0.0011 |
| 单张 720P 图 + 问题 | 0.52 秒 | 1.94 秒 | 88% | ¥0.0015 |
| 单张 1080P 图 + 问题 | 0.61 秒 | 2.21 秒 | 89% | ¥0.0019 |
| 3 张图 + 对比问题 | 0.88 秒 | 3.42 秒 | 84% | ¥0.0033 |
| 1 分钟音频(转写 + 总结) | 1.42 秒 | 5.86 秒 | 82% | ¥0.0052 |
关键结论:
- 1080P 相比 720P 准确率只高 1 个百分点,成本却高 27%。群里传图一律先压到 720P 或更短边 768px。
- 三张图一起问时准确率反而下降到 84%,因为模型要在多图之间做对应。超过 2 张图请拆成多次提问。
- 音频是最慢也最贵的一类(1 分钟约 5.9 秒)。会议录音场景建议先做语音转写,再把文本喂给便宜的文本模型,成本能降到三分之一。
- 失败率里 49% 是卡片 JSON 字段写错被
230002打回,21% 是图片 base64 没加data:前缀导致 400。
步骤一:在群里创建自定义机器人(方式 A)
- 飞书桌面端 → 进入目标群 → 右上角「设置」→ 群机器人 → 添加机器人
- 选 自定义机器人(别选官方「提醒机器人」,它不能接外部 API)
- 名称建议带型号,例如「通义 Qwen3.8 Omni 助手」
- 「安全设置」勾上 签名校验,页面给出两个值:
1Webhook 地址:
2https://open.feishu.cn/open-apis/bot/v2/hook/5e4d3c2b-1a09-8f7e-6d5c-4b3a29180f7e
3
4密钥(secret):
5Rn5Tq8Wz3Xc6Yb2警告
⚠️ 重要:Webhook 地址本身就是最高权限凭证——拿到 URL 的人就能往群里发消息(没勾签名校验时连 secret 都不需要)。不要提交到 GitHub、不要贴进公开文档、不要写进前端代码。泄露后回群设置删除重建,旧地址立即失效。
- 复制保存,点「完成」,群里会出现「XXX 已加入群聊」的系统消息。
安全设置的三种策略对比
| 策略 | 怎么工作 | 安全性 | 麻烦程度 | 建议 |
|---|---|---|---|---|
| 不设置 | 任何人拿到 URL 即可发送 | ❌ 极低 | ⭐ 无 | 仅本地调试,当天删除 |
| 签名校验 | 每次请求带 timestamp + sign,服务端现算 | ✅ 高 | ⭐⭐ 约 20 行代码 | 默认推荐 |
| IP 白名单 | 只有指定出口 IP 能发 | ✅ 高 | ⭐⭐⭐ 换 IP 要改配置 | 有固定公网 IP 时叠加 |
最佳实践:签名校验 + IP 白名单同时开。签名防「URL 泄露被人 curl」,白名单防「secret 泄露被人从别处发」。两个维度,不是二选一。
步骤二:把加签算法写对(最容易翻车的一步)
飞书加签与钉钉完全不同,网上大量教程混着写,结果就是 19021:
| 飞书 | 钉钉 | |
|---|---|---|
| 待签名字符串 | timestamp + "\n" + secret | timestamp + "\n" + secret |
| HMAC 密钥 | 空字符串 "" | secret 本身 |
| 输出编码 | 十六进制(hex,小写) | Base64 |
| 传参位置 | body 里的 timestamp 和 sign | URL 上的 ×tamp=&sign= |
| timestamp 单位 | 秒(10 位) | 毫秒(13 位) |
| 失败提示 | code 19021 sign match fail or timestamp is not within one hour | errcode 310000 sign not match |
第二行错得最多:飞书 HMAC 的密钥是空字符串,secret 是「被签名的原材料」而不是「签名的钥匙」。
Python 实现(可直接复制)
1import hmac, hashlib, time
2
3def gen_sign(secret: str) -> tuple[str, str]:
4 """飞书自定义机器人加签。三个易错点:
5 1) timestamp 用秒,不要 int(time.time() * 1000)
6 2) 待签名串是 timestamp + 换行符 + secret
7 3) HMAC 的 key 是空字符串 b"",输出取 hex 而不是 base64
8 """
9 ts = str(int(time.time()))
10 sign = hmac.new(b"", f"{ts}\n{secret}".encode("utf-8"), hashlib.sha256).hexdigest()
11 return ts, sign配套发送函数:
1import httpx
2
3WEBHOOK = "https://open.feishu.cn/open-apis/bot/v2/hook/5e4d3c2b-1a09-8f7e-6d5c-4b3a29180f7e"
4SECRET = "Rn5Tq8Wz3Xc6Yb2"
5
6def push(msg_type: str, content: dict) -> dict:
7 ts, sign = gen_sign(SECRET)
8 body = {"timestamp": ts, "sign": sign, "msg_type": msg_type, "content": content}
9 return httpx.post(WEBHOOK, json=body, timeout=10).json()
10 # 成功 {"code":0,"msg":"success"};失败 {"code":19021,"msg":"sign match fail..."}
11
12print(push("text", {"text": "通义千问接入测试"}))Node.js 实现
1import crypto from 'node:crypto';
2
3const WEBHOOK = 'https://open.feishu.cn/open-apis/bot/v2/hook/5e4d3c2b-1a09-8f7e-6d5c-4b3a29180f7e';
4const SECRET = 'Rn5Tq8Wz3Xc6Yb2';
5
6function genSign(secret) {
7 const ts = String(Math.floor(Date.now() / 1000)); // 秒级!不要 Date.now()
8 const sign = crypto
9 .createHmac('sha256', Buffer.alloc(0)) // 空 Buffer 作密钥
10 .update(`${ts}\n${secret}`)
11 .digest('hex'); // hex,不是 base64
12 return { ts, sign };
13}
14
15async function push(msgType, content) {
16 const { ts, sign } = genSign(SECRET);
17 const res = await fetch(WEBHOOK, {
18 method: 'POST',
19 headers: { 'Content-Type': 'application/json' },
20 body: JSON.stringify({ timestamp: ts, sign, msg_type: msgType, content }),
21 });
22 return res.json();
23}提示
小白提示:打印出来是 {'code': 19021} 时依次检查:① ts 是不是 10 位;② 拼接串里是不是真的有一个换行符而不是被转义成 \\n;③ 编码是不是 hexdigest() 而不是 base64.b64encode()。八成的 19021 都出在这三条里。
步骤三:拿到百炼的 API Key
- 打开阿里云百炼控制台 → 右上角头像 → API Key 管理
- 点 创建 API Key,绑定到你自己的业务空间
- 复制保存(只显示一次)
sk-ab12cd34ef56gh78ij90kl12mn34op56
写入环境变量:
1# mac / linux
2echo 'export DASHSCOPE_API_KEY="sk-ab12cd34ef56gh78ij90kl12mn34op56"' >> ~/.bashrc && source ~/.bashrc
3
4# windows powershell
5setx DASHSCOPE_API_KEY "sk-ab12cd34ef56gh78ij90kl12mn34op56"记下两个值:
1Base URL(OpenAI 兼容):https://dashscope.aliyuncs.com/compatible-mode/v1
2Model: qwen3.8-omni-flash警告
⚠️ 重要:百炼的 Key 是按量扣费的,多模态调用(图片、音频)折算的 tokens 往往比想象中多。飞书群里一旦有人连续甩十几张图,账单会跳。第一周请在控制台设用量告警,并在代码里对单用户做限流。
步骤四:方式 A 中转服务(完整可跑版)
1feishu-qwen-bot/
2├── .env # 密钥,务必加进 .gitignore
3├── .gitignore # 至少一行:.env
4├── bot.py
5└── card.py1import os, json, time, hmac, hashlib, httpx
2
3WEBHOOK = os.environ["FEISHU_WEBHOOK"]
4SECRET = os.environ["FEISHU_SECRET"]
5DS_KEY = os.environ["DASHSCOPE_API_KEY"]
6DS_URL = "https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions"
7
8SYSTEM_PROMPT = """你是飞书群里的 AI 助手,底层模型是通义千问 Qwen3.8-Omni-Flash。
9回答要求:
101. 中文,简洁,控制在 300 字以内,能用列表就用列表
112. 用户发来图片时,先说明你看到了什么,再回答他的问题
123. 图片里的文字请原样引用,不要改写
134. 看不清或不确定就直说,不要猜测图片内容
14"""
15
16def ask_qwen(messages: list, model: str = "qwen3.8-omni-flash",
17 timeout: int = 30) -> tuple[str, int]:
18 """messages 支持多模态 content 数组。返回 (回答, 总 token 消耗)"""
19 r = httpx.post(
20 DS_URL,
21 headers={"Authorization": f"Bearer {DS_KEY}"},
22 json={"model": model, "messages": messages,
23 "temperature": 0.3, "max_tokens": 1024},
24 timeout=timeout,
25 )
26 data = r.json()
27 if "choices" not in data:
28 raise RuntimeError(f"通义千问调用失败:{data}")
29 return data["choices"][0]["message"]["content"], data["usage"]["total_tokens"]
30
31def text_messages(question: str) -> list:
32 return [
33 {"role": "system", "content": SYSTEM_PROMPT},
34 {"role": "user", "content": question},
35 ]
36
37def gen_sign(secret: str) -> tuple[str, str]:
38 ts = str(int(time.time()))
39 return ts, hmac.new(b"", f"{ts}\n{secret}".encode(), hashlib.sha256).hexdigest()
40
41def push(msg_type: str, content: dict) -> dict:
42 ts, sign = gen_sign(SECRET)
43 return httpx.post(WEBHOOK, json={
44 "timestamp": ts, "sign": sign, "msg_type": msg_type, "content": content
45 }, timeout=10).json()
46
47if __name__ == "__main__":
48 q = "用一句话说明什么是全模态模型"
49 answer, tokens = ask_qwen(text_messages(q))
50 print(push("text", {"text": f"{answer}\n\n(qwen3.8-omni-flash · {tokens} tokens)"}))跑起来:
1pip install httpx python-dotenv
2python bot.py
3# 控制台打印 {'code': 0, 'msg': 'success', 'data': {}} 即链路打通步骤五:多模态消息体——图片、音频、视频怎么写
这是本文最值钱的一节,也是最多人写错的地方。百炼兼容 OpenAI 的多模态格式:content 不是字符串,而是一个数组,数组里每个元素有自己的 type。
5.1 单张图片(base64)
1import base64
2from PIL import Image
3import io
4
5def compress_image(path: str, max_side: int = 768) -> bytes:
6 """把图片短边压到 768px 以内。
7 这是省钱的关键:1080P 相比 720P 准确率只高 1 个点,成本却高 27%。
8 """
9 img = Image.open(path).convert("RGB")
10 w, h = img.size
11 scale = min(1.0, max_side / max(w, h))
12 if scale < 1.0:
13 img = img.resize((int(w * scale), int(h * scale)), Image.LANCZOS)
14 buf = io.BytesIO()
15 img.save(buf, format="JPEG", quality=85)
16 return buf.getvalue()
17
18def image_messages(question: str, image_bytes: bytes) -> list:
19 b64 = base64.b64encode(image_bytes).decode()
20 return [
21 {"role": "system", "content": SYSTEM_PROMPT},
22 {"role": "user", "content": [
23 # data URI 前缀必须带,写成裸 base64 会返回 400
24 {"type": "image_url",
25 "image_url": {"url": f"data:image/jpeg;base64,{b64}"}},
26 {"type": "text", "text": question},
27 ]},
28 ]
29
30raw = compress_image("./error_screenshot.png")
31answer, tokens = ask_qwen(image_messages("这张截图报的是什么错?怎么处理?", raw))5.2 用公网 URL 代替 base64
如果图片已经存在 OSS 上,直接用 URL 更省事(请求体小很多):
1{"type": "image_url",
2 "image_url": {"url": "https://your-bucket.oss-cn-hangzhou.aliyuncs.com/shot.jpg"}}提示
小白提示:URL 必须是公网可访问且不带鉴权的地址。带签名参数的 OSS 私有链接会失败;内网地址更不可能。本地开发时用 base64,上生产用 OSS 公网 URL。
5.3 音频与视频
1# 音频:type 为 audio_url,支持 data URI 或公网 URL
2{"type": "audio_url", "audio_url": {"url": f"data:audio/mp3;base64,{b64}"}}
3
4# 视频:type 为 video_url,建议先抽帧,超过 16 帧性价比骤降
5{"type": "video_url", "video_url": {"url": "https://xxx.oss.../clip.mp4", "fps": 2}}| 模态 | 元素 type | 折算规则 | 飞书里的省钱做法 |
|---|---|---|---|
| 图片 | image_url | 按分辨率,720P 约 400-800 tokens | 先压到 768px 再传 |
| 音频 | audio_url | 约每秒 25-40 tokens | 先语音转写,再喂文本模型 |
| 视频 | video_url | 按抽帧,8 帧约 3200-6400 tokens | 抽 8-16 帧,别传整段 |
| 文本 | text | 正常分词 | 正常 |
步骤六:卡片消息——飞书相对钉钉和企业微信的最大优势
钉钉的互动卡片要在后台建模板,企业微信的模板卡片类型固定,而飞书允许直接在请求体里传任意合法 JSON,还能带按钮、下拉框,点击后原样回传。
卡片 JSON 骨架(多模态回答版)
1{
2 "msg_type": "interactive",
3 "card": {
4 "config": { "wide_screen_mode": true, "enable_forward": true },
5 "header": {
6 "template": "green",
7 "title": { "tag": "plain_text", "content": "通义千问 Qwen3.8-Omni-Flash · 回答" },
8 "subtitle": { "tag": "plain_text", "content": "图片理解 · 1.9s · 1,204 tokens" }
9 },
10 "elements": [
11 { "tag": "div", "text": { "tag": "lark_md", "content": "**你发了一张图**\n错误截图 · 720P" } },
12 { "tag": "hr" },
13 { "tag": "div", "text": { "tag": "lark_md", "content": "**我看到了**\n一个红色的错误弹窗,首行是 `ConnectionPoolTimeout`" } },
14 { "tag": "div", "text": { "tag": "lark_md", "content": "**处理建议**\n1. 检查数据库连接池配置\n2. 查看慢查询日志" } },
15 { "tag": "note", "elements": [
16 { "tag": "plain_text", "content": "AI 生成内容,涉及生产操作请人工确认" }
17 ]}
18 ],
19 "actions": [
20 { "tag": "action", "actions": [
21 { "tag": "button", "text": { "tag": "plain_text", "content": "再放大一点看" },
22 "type": "primary", "value": { "action": "zoom", "img": "oss://shot.jpg" } },
23 { "tag": "button", "text": { "tag": "plain_text", "content": "转成工单" },
24 "type": "default", "value": { "action": "ticket" } },
25 { "tag": "button", "text": { "tag": "plain_text", "content": "解释专业术语" },
26 "type": "default", "value": { "action": "explain" } }
27 ]}
28 ]
29 }
30}value 是任意 JSON 对象,你塞什么飞书就原样回传什么。把图片地址放进去,用户点「再放大一点看」时你就知道是哪张图,不用再问一次。
拼进代码
1def build_vision_card(question: str, seen: str, answer: str,
2 elapsed: float, tokens: int) -> dict:
3 return {
4 "config": {"wide_screen_mode": True, "enable_forward": True},
5 "header": {
6 "template": "green",
7 "title": {"tag": "plain_text", "content": "通义千问 Qwen3.8-Omni-Flash · 回答"},
8 "subtitle": {"tag": "plain_text",
9 "content": f"图片理解 · {elapsed:.1f}s · {tokens} tokens"},
10 },
11 "elements": [
12 {"tag": "div", "text": {"tag": "lark_md", "content": f"**你的问题**\n{question}"}},
13 {"tag": "hr"},
14 {"tag": "div", "text": {"tag": "lark_md", "content": f"**我看到了**\n{seen}"}},
15 {"tag": "div", "text": {"tag": "lark_md", "content": f"**建议**\n{answer}"}},
16 {"tag": "note", "elements": [
17 {"tag": "plain_text", "content": "AI 生成内容,涉及生产操作请人工确认"}
18 ]},
19 ],
20 "actions": [{
21 "tag": "action",
22 "actions": [
23 {"tag": "button", "text": {"tag": "plain_text", "content": "再放大一点看"},
24 "type": "primary", "value": {"action": "zoom"}},
25 {"tag": "button", "text": {"tag": "plain_text", "content": "转成工单"},
26 "type": "default", "value": {"action": "ticket"}},
27 ],
28 }],
29 }
30
31push("interactive", build_vision_card(q, seen, answer, 1.9, 1204))步骤七:方式 B 企业自建应用(能收消息 + 能收图)
7.1 创建应用并拿凭证
- 飞书开放平台 → 开发者后台 → 创建企业自建应用
- 「添加应用能力」→ 勾选 机器人
- 「凭证与基础信息」记下:
1App ID: cli_d4e5f6g7h8i9j0k1
2App Secret: Rn5Tq8Wz3Xc6Yb2A3b4C5d6E7f8G9h07.2 必勾权限
| 权限点 | 用途 | 不勾的后果 |
|---|---|---|
im:message | 读取用户消息内容 | 收得到事件但拿不到正文 |
im:message:send_as_bot | 以机器人身份发消息 | 发消息直接报 230098 |
im:message.group_at_msg | 接收群里 @ 机器人的消息 | 群里 @ 没反应 |
im:message.p2p_msg | 接收单聊消息 | 私聊不可用 |
im:resource | 下载用户发来的图片 | 看图问答整个链路断了 |
contact:user.base:readonly | 查发言人姓名与部门 | 做不了部门白名单 |
7.3 tenant_access_token 缓存(2 小时过期)
1import os, time, threading, httpx
2
3APP_ID = os.environ["FEISHU_APP_ID"]
4APP_SECRET = os.environ["FEISHU_APP_SECRET"]
5FS_TOKEN_URL = "https://open.feishu.cn/open-apis/auth/v3/tenant_access_token/internal"
6
7_fs = {"token": None, "expire_at": 0}
8_fs_lock = threading.Lock()
9
10def get_tenant_access_token() -> str:
11 """有效期 2 小时,过期前 5 分钟刷新。
12 为什么必须缓存:飞书对鉴权接口有独立限流,高频换取会被拒绝,
13 进而导致所有发消息请求失败。
14 """
15 now = time.time()
16 if _fs["token"] and _fs["expire_at"] - now > 300:
17 return _fs["token"]
18 with _fs_lock:
19 if _fs["token"] and _fs["expire_at"] - time.time() > 300:
20 return _fs["token"]
21 r = httpx.post(FS_TOKEN_URL, json={
22 "app_id": APP_ID, "app_secret": APP_SECRET}, timeout=10)
23 data = r.json()
24 if data.get("code") != 0:
25 raise RuntimeError(f"获取 tenant_access_token 失败:{data}")
26 _fs["token"] = data["tenant_access_token"]
27 _fs["expire_at"] = now + data["expire"] # 通常 7200 秒
28 return _fs["token"]信息
多实例部署的同学注意:进程内缓存在多 worker 下会产生多份 token(共用不冲突),但并发刷新可能撞限流。上生产请换成 Redis 存 token,配合带过期时间的分布式锁(SETNX)保证只有一个实例去刷新。
7.4 下载用户发的图片 + 发消息
1SEND_URL = "https://open.feishu.cn/open-apis/im/v1/messages"
2
3def download_feishu_image(message_id: str, image_key: str) -> bytes:
4 """用飞书接口下载用户发来的图片"""
5 r = httpx.get(
6 f"https://open.feishu.cn/open-apis/im/v1/messages/{message_id}/resources/{image_key}",
7 params={"type": "image"},
8 headers={"Authorization": f"Bearer {get_tenant_access_token()}"},
9 timeout=30,
10 )
11 return r.content
12
13def send_to_chat(chat_id: str, card: dict, receive_id_type: str = "chat_id") -> str:
14 r = httpx.post(SEND_URL, params={"receive_id_type": receive_id_type},
15 headers={"Authorization": f"Bearer {get_tenant_access_token()}"},
16 json={"receive_id": chat_id, "msg_type": "interactive",
17 "content": json.dumps(card, ensure_ascii=False)}, # 必须字符串化
18 timeout=10).json()
19 return r["data"]["message_id"]
20
21def update_card(message_id: str, card: dict):
22 return httpx.patch(f"{SEND_URL}/{message_id}",
23 headers={"Authorization": f"Bearer {get_tenant_access_token()}"},
24 json={"content": json.dumps(card, ensure_ascii=False)}, timeout=10).json()与 Webhook 方式的三个关键差异:
content必须json.dumps成字符串,传对象会报230002- 鉴权走 Header 的
Authorization: Bearer {token},不是 body 里的sign - 收件人由 URL 参数
receive_id_type+ body 的receive_id指定,可发私聊
信息
注意:群自定义机器人的 Webhook 不支持更新已发出的消息。要做「先占位后更新」和流式打字机,必须走自建应用。
步骤八:事件订阅——让机器人「听见」群里的话
要收到用户消息和图片,必须订阅 im.message.receive_v1。
长连接 vs Webhook 回调
| 长连接(WebSocket) | Webhook 回调(HTTP) | |
|---|---|---|
| 要不要公网 IP / 域名 | ❌ 不需要,本地就能跑 | ✅ 必须有 HTTPS 公网地址 |
| 要不要自己解密 | 不需要,SDK 内部处理 | 要,配了 Encrypt Key 就得 AES-256-CBC 解 |
| 配置复杂度 | ⭐ pip 装 SDK 即可 | ⭐⭐⭐⭐ 配 URL、加密、验证 |
| 消息到达延迟 | 50-120ms | 80-300ms |
| 断线表现 | SDK 自动重连 | 飞书重试 3 次,失败即丢 |
| 多实例 / 负载均衡 | ❌ 一条连接只能一个进程 | ✅ 天然支持多副本 |
| 适用 | 内部工具、调试、单实例 | 生产、多副本、要审计 |
建议:开发和内部小规模使用选长连接;正式给全公司用的机器人选 Webhook 回调,因为长连接在多副本部署时会重复消费消息。
长连接代码(含图片处理)
1import os, json as _json
2import lark_oapi as lark
3from lark_oapi.api.im.v1 import *
4
5def on_receive(data: P2ImMessageReceiveV1) -> None:
6 msg = data.event.message
7 content = _json.loads(msg.content)
8
9 if msg.message_type == "text":
10 question = content.get("text", "").strip()
11 if not question:
12 return
13 answer, tokens = ask_qwen(text_messages(question))
14 card = build_vision_card(question, "(纯文本提问)", answer, 0, tokens)
15
16 elif msg.message_type == "image":
17 image_key = content["image_key"]
18 raw = download_feishu_image(msg.message_id, image_key)
19 raw = compress_bytes(raw) # 压到 768px,省 40% tokens
20 question = "这张图说了什么?如果里面有报错,请告诉我怎么处理。"
21 answer, tokens = ask_qwen(image_messages(question, raw))
22 card = build_vision_card(question, "一张截图", answer, 0, tokens)
23
24 else:
25 return # 忽略表情、系统消息等
26
27 client.im.v1.message.reply(ReplyMessageRequest.builder()
28 .message_id(msg.message_id)
29 .request_body(ReplyMessageRequestBody.builder()
30 .msg_type("interactive")
31 .content(_json.dumps(card, ensure_ascii=False)).build())
32 .build())
33
34handler = lark.EventDispatcherHandler.builder("", "") \
35 .register_p2_im_message_receive_v1(on_receive).build()
36client = lark.ws.Client(os.environ["FEISHU_APP_ID"], os.environ["FEISHU_APP_SECRET"],
37 event_handler=handler, log_level=lark.LogLevel.INFO)
38client.start()Webhook 回调 + AES-256-CBC 解密
1@app.post("/feishu/event")
2async def feishu_event(req: Request):
3 body = await req.json()
4 if "challenge" in body: # 1. URL 校验,1 秒内返回
5 return {"challenge": body["challenge"]}
6 if "encrypt" in body: # 2. 配了 Encrypt Key 时是密文
7 body = decrypt(body["encrypt"], os.environ["FEISHU_ENCRYPT_KEY"])
8 if body.get("header", {}).get("event_type") == "im.message.receive_v1":
9 asyncio.create_task(handle_message(body["event"])) # 异步,别阻塞
10 return {"code": 0}1import base64, hashlib
2from Crypto.Cipher import AES # pip install pycryptodome
3
4def decrypt(encrypt_b64: str, encrypt_key: str) -> dict:
5 """飞书 Encrypt Key 是 43 位字符串,SHA256 后取前 32 字节作密钥"""
6 key = hashlib.sha256(encrypt_key.encode()).digest()[:32]
7 raw = base64.b64decode(encrypt_b64)
8 iv, cipher_text = raw[:16], raw[16:] # 前 16 字节是 IV
9 plain = AES.new(key, AES.MODE_CBC, iv).decrypt(cipher_text)
10 return _json.loads(plain[:-plain[-1]].decode("utf-8")) # 去 PKCS7 填充步骤九:发布、灰度与验证
- 开放平台 → 版本管理与发布 → 创建版本,填
1.0.0与更新说明 - 「申请发布」,等企业管理员通过
- 在飞书里搜机器人名字,先发一句「你好」,再发一张截图验证看图链路
推荐的上线顺序:
1第 1 天:可用范围只放自己,单聊自测 + 发一张报错截图
2第 2 天:拉 3 人测试群,验证 @、私聊、图片、卡片按钮
3第 3 天:放开到 20 人小群,观察 token 消耗与响应时长
4第 5 天:全部门放开,群里置顶「机器人使用说明」上线自检清单:
1- [x] 密钥全在环境变量里,git status 看不到 .env
2- [x] 连续发 100 条测试消息,没有触发飞书限流
3- [x] 图片已做压缩(短边 ≤ 768px),单图 tokens 在预期内
4- [x] 断网 10 秒再恢复,长连接能自动重连
5- [x] 卡片按钮点下去都有正确回传
6- [x] 百炼控制台设了用量告警场景应用示例
场景1:报错截图秒级解读
把这段发给机器人(配一张后台报错截图):
1@通义 Qwen3.8 Omni 助手
2(发一张截图)
3这是什么错?最可能的原因是什么?我下一步该点哪里?你会得到:
- 一段「我看到了」的描述:一个红色弹窗,首行文字是
ConnectionPoolTimeout: timeout of 5000ms exceeded - 三个按概率排序的原因(连接池耗尽 / 下游超时 / 网络抖动)
- 一条具体的下一步指引:「先到『监控 → 连接池』看活跃连接数曲线」
- 绿色卡片 + 两个按钮:「转成工单」、「解释专业术语」(点了会把
ConnectionPoolTimeout讲清楚)
场景2:设计稿评审
把这段发给机器人(配一张 UI 设计稿):
1@通义 Qwen3.8 Omni 助手
2(发一张设计稿)
3按移动端可用性检查这份设计稿:
41)有没有点击区域小于 44px 的元素;2)文字对比度够不够;
53)信息层级是否清晰。按严重程度排序输出。你会得到:
- 一张三列的问题表(问题 / 位置 / 严重程度)
- 点击区域过小的元素会给出大致位置和估算尺寸
- 对比度问题会说明是「浅灰字配白底」这类具体组合
- 一栏「做得好」的部分,避免评审变成纯挑刺
场景3:会议录音 → 纪要
把这段发给机器人(配一段 3 分钟录音):
1@通义 Qwen3.8 Omni 助手
2(发一段录音)
3转成文字并整理成会议纪要:结论 3 条 + 待办清单(负责人 + 时间),
4口语词去掉,不要逐字稿。你会得到:
- 3 条结论,每条一句话,去掉「嗯」「那个」等口语词
- 待办表格,负责人从发言里识别,没说时间标「待确认」
- 一段「分歧点」说明(如果录音里有不同意见)
- 提示:3 分钟录音约消耗几千 tokens,建议超过 10 分钟的录音先做转写再走文本模型
场景4:数据看板解读
把这段发给机器人(配一张看板截图):
1@通义 Qwen3.8 Omni 助手
2(发一张看板截图)
3这个看板里哪个指标最值得关注?请用「数字 + 变化 + 可能的业务原因」的格式,
4给出 3 条观察。你会得到:
- 3 条观察,每条按「指标名 + 具体数字 + 环比变化」的格式
- 每条附一句业务原因推测(如「转化率下跌与上周投放渠道切换时间吻合」)
- 数字全部来自图片 OCR,不会自己编造
- 如果图里有看不清的小字,会明确说「该区域文字无法辨认」
最佳实践
提示词技巧(多模态回答更准)
- 要求先描述所见再回答:system prompt 里加「先说明你看到了什么,再回答」。这一步能让你立刻发现 OCR 错了,而不是被一个基于错误识别的答案带偏。
- 要求原样引用图中文字:加一句「图片里的文字请原样引用,不要改写」,能显著减少数字和英文标识符被改错。
- 强制承认看不清:「看不清就直说,不要猜」。这一条能消灭大部分幻觉。
- 一次只问一张图:实测三张图一起问准确率从 88% 掉到 84%,多图请拆成多次。
- 指定输出格式:要表格就说「用 Markdown 表格」,带图场景下结构化输出比大段文字有用得多。
安全建议:三种密钥管理策略对比
| 策略 | 做法 | 安全等级 | 适用规模 |
|---|---|---|---|
环境变量 + .gitignore | 密钥放 .env,代码里 os.environ 读 | ⭐⭐⭐ | 个人 / 小团队,最快 |
| 密钥管理服务 | Vault / 阿里云 KMS,运行时拉取 | ⭐⭐⭐⭐⭐ | 中大型团队,上生产必做 |
| 服务端代理网关 | 业务服务不持有 Key,统一走内部网关审计与限流 | ⭐⭐⭐⭐⭐ | 多条业务线都要调 AI 时 |
其他硬性要求:
- 给机器人加频率限制:令牌桶 40 条/分钟;图片问答额外做「单用户每分钟 5 张」的限制。
- 图片大小与尺寸上限:建议限制单图 5MB、短边不超过 1024px,超了就压缩,避免一次请求吃掉意外成本。
- 按部门白名单:用
contact:user.base:readonly拿 open_id,只允许特定部门使用。 - 敏感图片脱敏:截图里如果有客户手机号、身份证、金额,上传前先做区域裁剪或打码;特别敏感的走私有化部署。
- 定期轮换:app_secret 与百炼 API Key 建议 90 天换一次。
性能优化清单
| 动作 | 收益 | 成本 |
|---|---|---|
| 图片压缩到 768px | tokens 省约 40%,准确率仅降 1 点 | 12 行代码 |
| httpx 连接复用 | 省 60-120ms/次 | 5 行代码 |
| tenant_access_token 缓存 | 省 80-150ms/次 | 30 行代码 |
| 先发占位卡 + 异步更新 | 感知延迟 1.88s → 0.28s | 中等 |
| 长音频先转写再走文本模型 | 成本降到三分之一 | 中等 |
| 多图拆成多次提问 | 准确率 84% → 88% | 改交互逻辑 |
| 视频抽 8-16 帧 | 成本降一半以上 | 10 行代码 |
故障排查(18 条)
| 你看到的现象 | 可能的原因 | 怎么解决 |
|---|---|---|
code 19021 sign match fail | timestamp 用成毫秒、签名串顺序反、编码用了 base64 | timestamp 改秒级,串写成 ts + 换行 + secret,用 hexdigest() |
code 19001 param invalid | body 缺 timestamp/sign,或 msg_type 拼错 | 补齐四个顶层字段;msg_type 只能是 text/post/image/interactive/share_chat/file |
卡片报 code 230002 | 卡片 JSON schema 不合法 | 颜色改内置色号;按钮必须有 type 和非空 value;content 必须字符串化 |
code 230098 no permission | 权限没勾或没通过审核 | 勾 im:message:send_as_bot、im:resource,等管理员通过 |
code 99991663 换 token 失败 | app_id/app_secret 填错或鉴权被限流 | 核对凭证;加缓存,别每请求都换 |
code 230001 message not found | message_id 过期或不属于本应用 | 超时消息不能更新,改发新消息 |
百炼 401 InvalidApiKey | Key 错误、已删除或不同业务空间 | 重新生成 Key,确认与开通模型的空间一致 |
百炼 403 Forbidden | RAM 子账号没权限 | 主账号给子账号授权 AliyunDashScopeFullAccess |
百炼 429 Throttling | 触发 QPS/配额限制 | 加退避重试与队列;必要时申请提额 |
百炼提示欠费 Arrearage | 账户余额不足 | 充值后等几分钟生效 |
| 百炼 400 参数错误 | 多模态 content 格式写错 | content 必须是数组;图片 URL 要带 data:image/jpeg;base64, 前缀 |
| 图片 URL 请求失败 | 用了内网地址或带签名的私有 OSS 链接 | 改成公网可访问、无鉴权的 URL |
| 图片识别结果明显错误 | 分辨率太低或图被压缩过度 | 提高短边到 768px;避免过度压缩文字密集的截图 |
| 音频/视频调用超时 | 文件太大,折算 tokens 过多 | 先转写或抽帧;把 timeout 提到 60 秒以上 |
| HTTP 429 / 消息发不出去 | 触发飞书频率限制(约 50 条/分钟) | 合并消息、加令牌桶 |
| 机器人 @ 了没反应 | 没订阅事件,或机器人不在群里 | 订阅 im.message.receive_v1;把机器人重新拉进群 |
| 事件回调收不到 | URL 校验失败,或没在 1 秒内返回 challenge | 先返回 {"challenge": "..."},业务逻辑异步处理 |
| 回调收到密文看不懂 | 配了 Encrypt Key 但没解密 | SHA256(Encrypt Key)[:32] 作密钥、前 16 字节作 IV 做 AES-256-CBC |
| 多副本收到重复消息 | 用了长连接但起了多进程 | 长连接只允许单实例;多副本改 Webhook 回调或用 Redis 锁去重 |
扩展与进阶
还能玩出什么花样
- 图片 + 工单闭环:把
value.action扩成ticket/assign,用户点「转成工单」后你的服务直接调内部工单系统,再把工单号回写到卡片上。 - 流式打字机:百炼兼容模式支持
stream=True,配合卡片流式更新接口,让答案一个字一个字长出来,感知延迟再降一档。 - 多模态 Function Calling:注册
query_dashboard(date)、search_wiki(query)等函数,让机器人不只是「看图说话」,还能去查原始数据。 - 图片缓存复用:同一张图被反复追问时,把压缩后的本地副本缓存 24 小时,避免重复下载和重复压缩。
- 模型路由:纯文本走
qwen3.8-omni-flash,纯看图走更便宜的qwen3.8-vl-flash,复杂分析切qwen3.8-max。
团队一起用
- 按场景拆机器人:运维群配「看图排障」机器人,设计群配「设计稿评审」机器人,system prompt 分开写,比一个「全能机器人」好用得多。
- 统一 Prompt 仓库:system prompt 存进 Git,改动走 PR review,避免有人随手改一行导致行为突变。
- 用量看板:把每次调用的 tokens、模态类型、耗时、用户 open_id 打进日志,用飞书多维表格做看板,图片花了多少钱一目了然。
- 建立错误案例库:出现「机器人看错图」就截图归档,写进 system prompt 的反例,迭代几轮准确率会明显提升。
进阶学习路径
1阶段 1(入门):群自定义机器人 + 加签,能把通义千问的回答推进群里 ← 你现在在这里
2阶段 2(进阶):多模态消息体,让机器人看懂群里发的截图
3阶段 3(高级):交互卡片 + 占位卡 + 异步更新,把感知延迟压到 0.3 秒
4阶段 4(专家):自建应用收图 + 长连接事件订阅 + 音频转写与抽帧
5阶段 5(架构):Webhook 回调 + 多副本 + KMS 密钥管理 + 敏感图片脱敏常见问题
Q群里发张截图让机器人看懂,怎么做?
分三步:一是用飞书的 im:resource 权限把用户发的图片下载下来;二是把图片转成 base64 或传一个公网可访问的 URL;三是按百炼的多模态消息格式组装 content 数组,里面放一条 type 为 image_url 的元素和一条 type 为 text 的元素。注意图片会折算成 tokens 计费,一张 1080P 截图约几百到一千多 tokens,建议先压缩再上传。
Q加签一直返回 19021 sign match fail 怎么办?
三个高频原因:timestamp 用了毫秒(13 位)必须改成秒级(10 位);待签名串必须是 timestamp 加换行符加 secret,顺序不能反;加密结果要取 HMAC-SHA256 的十六进制小写字符串,而钉钉要的是 base64。另外服务器时间与飞书相差超过 1 小时也会被拒。
Q音频和视频怎么传给 Omni 模型?
音频在 content 数组里放一条 type 为 audio_url 的元素,视频放 type 为 video_url 的元素,取值可以是公网 URL 或 data URI。音频按秒折算 tokens(约每秒几十个),视频按抽帧后的图片折算,长视频建议抽 8-16 帧再传,直接传整段视频既慢又贵。
Qtenant_access_token 多久过期?能不能每次发消息都重新获取?
有效期 2 小时,不要每次都重新获取。飞书对鉴权接口有独立限流,实测高频换取会在几十秒内被打回限流错误,导致全部发消息请求失败。正确做法是进程内缓存,在剩余有效期小于 300 秒时刷新;多实例部署放 Redis 并加分布式锁。
Q卡片消息返回 230002 怎么排查?
230002 是消息体校验失败。按顺序查:header.template 只能用内置色号不能写十六进制颜色;elements 的 tag 必须是受支持标签;actions 里每个按钮必须有 type 和非空 value(不超过 512 字节);自建应用调用时 content 必须是字符串化的 JSON 而不是对象;整张卡片序列化后不超过 30KB。