附代码，ChatGPT接入飞书详细步骤

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。

如何接入飞书

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。

创建飞书机器人

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：

@PostMapping(value = "/message")
public FeishuEventDTO message(@RequestBody String body) {
  log.info("收到消息：{}", body);
  FeishuEventParams feishuEventParams = JSON.parseObject(body, FeishuEventParams.class);
  FeishuEventDTO eventDTO = new FeishuEventDTO();
  eventDTO.setChallenge(feishuEventParams.getChallenge());
  return eventDTO;
}

@Data
public class FeishuEventParams {

    private String challenge;
    private String token;
    private String type;
}

@Data
public class FeishuEventDTO {
    private String challenge;
}

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/message，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。

对接逻辑及实现

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>
  <groupId>com.theokanning.openai-gpt3-java</groupId>
  <artifactId>service</artifactId>
  <version>0.10.0</version>
</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
@RequestMapping(value = "/query")
public class QureyController {

    public static ConcurrentLinkedQueue<FeishuResponse> consumer 
      = new ConcurrentLinkedQueue<>();

    @PostMapping(value = "/message")
    public String message(@RequestBody String body) {
        log.info("收到飞书消息:{}", body);
        JSONObject jsonObject = JSONObject.parseObject(body);
        JSONObject header = jsonObject.getJSONObject("header");
        String eventType = header.getString("event_type");
        if ("im.message.receive_v1".equals(eventType)) {
            JSONObject event = jsonObject.getJSONObject("event");
            JSONObject message = event.getJSONObject("message");
            String messageType = message.getString("message_type");
            if ("text".equals(messageType)) {
                String messageId = message.getString("message_id");
                String content = message.getString("content");
                JSONObject contentJson = JSON.parseObject(content);
                String text = contentJson.getString("text");

                FeishuResponse feishuResponse = new FeishuResponse();
                feishuResponse.setMessageId(messageId);
                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";
    }
}

FeishuResponse的结构如下。

@Data
public class FeishuResponse {

    private String messageId;

    private String query;

}

3，写一个任务线程。

@Slf4j
public class AutoSendTask implements Runnable {
    //你的chatgpt的key
    public static final String token = "";
    public static OpenAiService openAiService = null;

    static {
        openAiService = new OpenAiService(token, Duration.ofSeconds(60));
    }

    @Override
    public void run() {
        while (true) {
            try {
                FeishuResponse poll = consumer.poll();
                if (poll == null) {
                    log.info("no query,sleep 2s");
                    TimeUnit.SECONDS.sleep(2);
                } else {
                    String query = this.query(poll.getQuery());
                    this.reply(poll, query);
                }
            } catch (InterruptedException e) {
                log.error("Thread exception...", e);
            }
        }
    }

    private String query(String q) {
        log.info("开始提问:{}", q);
        CompletionRequest completionRequest = CompletionRequest.builder()
                .prompt(q)
                .model("text-davinci-003")
                .maxTokens(2048)
                .echo(false)
                .build();
        StringBuilder sb = new StringBuilder();
        CompletionResult completion = openAiService.createCompletion(completionRequest);
        log.info("q:{},获取响应:{}", q, JSON.toJSONString(completion));
        completion.getChoices().forEach(v -> {
            sb.append(v.getText());
        });
        String rs = sb.toString();
        if (rs.startsWith("？")) {
            rs = rs.replaceFirst("？", "");
        }
        if (rs.startsWith("nn")) {
            rs = rs.replaceFirst("nn", "");
        }
        log.info("格式化后的rs:{}", rs);
        return rs;
    }

    private String reply(FeishuResponse 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.toJSONString());

        String url = String.format("https://open.feishu.cn/open-apis/im/v1/messages/%s/reply",
                                   poll.getMessageId());
        String tenantAccessToken = FeishuUtils.getTenantAccessToken();
        String body = null;
        try (HttpResponse authorization = HttpUtil.createPost(url)
                .header("Authorization", "Bearer " + tenantAccessToken)
                .body(params.toJSONString())
                .execute()) {
            body = authorization.body();
        }

        return body;
    }
    
}

获取飞书token的工具类如下：

@Slf4j
public class FeishuUtils {

    public static final String tokenUrl
            = "https://open.feishu.cn/open-apis/auth/v3/app_access_token/internal/";
    //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.toJSONString()).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。

最后

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、hutool-all、fastjson。