前言（开胃菜）#

在过去一年里，大语言模型（LLM）已经从科研实验室走进生产环境。许多企业、社区甚至个人开发者，都想把这些强大的「大脑」嵌入自己的聊天工具中，让机器人不仅能聊八卦，还能 即时搜索、阅读网页、记忆上下文、处理图片 ……

今天，我把 tg_bot.py（核心代码）和 .env（配置文件）结合起来，做了一篇实战分享。本文会：

1. 概览功能——从身份鉴权到模型切换，一网打尽所有特性；
2. 技术拆解——关键模块的实现思路与代码亮点；
3. 部署指南——一步步跑通整个系统；
4. 扩展思路——后续可以玩儿的高级玩法。

项目链接 https://git.wlens.top/laowang/TeleIntelliChat

🔐 身份鉴权 & 配置加载#

• 读取 .env

  1
  from dotenv import load_dotenv
  2
  load_dotenv()
  3
  TELEGRAM_BOT_TOKEN = os.getenv('TELEGRAM_BOT_TOKEN')
  4
  NVIDIA_API_KEY      = os.getenv('NVIDIA_API_KEY')
  

• 白名单控制

  1
  ALLOWED_USERS = [int(u.strip()) for u in os.getenv('ALLOWED_USERS', '').split(',') if u.strip()]
  2
  def check_auth(message):
  3
      return not ALLOWED_USERS or message.from_user.id in ALLOWED_USERS
  

🤖 多模型管理#

• 模型映射表 (MODEL_MAP)：支持十余种主流模型（GPT‑OSS、Qwen、LLaMA、DeepSeek、Kimi 等）。
• 动态切换：通过 /model 命令并行检测各模型连通性，展示 ✅/❌ 状态按钮，点击即切换。
• 默认模型：openai/gpt-oss-120b（可自行改成更适合的）。

🧠 持久化对话记忆#

• JSON 文件 user_memory.json 保存每位用户的自定义记忆（如喜好、待办事项）。
• API execute_manage_memory(chat_id, action, content) 提供 增删查 三大操作，供 Bot 内部 tool 调用。

📜 核心聊天流程#

1. 获取历史 → get_chat_history(chat_id) 自动加入系统提示词（包括日期、行为手册）。
2. 发送请求至 NVIDIA API（chat_with_agent），携带 tools 定义（web_search、web_fetch、image_search、manage_memory）。
3. 工具调用循环：最多 15 次迭代，依据模型返回的 tool_calls 执行对应函数，随后继续对话直至得到最终文本。
4. 结果回写：用 bot.edit_message_text 更新占位「思考中」消息，实现 “实时进度” 反馈。

🌐 网络工具#

📸 图片处理（Telegram 专属）#

• 当收到 photo 消息时，将图片下载为 Base64 并封装进 current_content，后续可交给大模型进行视觉理解。

🚀 其他便利功能#

• 快捷命令：/start、/help、/reset（清空对话缓存）。
• 并发检测模型可达性：使用 ThreadPoolExecutor，在 8 s 超时内判断节点健康。
• 日志打印：大量 print 用于调试，可轻松迁移到正式日志框架。

配置 .env#

在 E:\AI_Workspace 下新建 .env（注意文件名前有点号）：

1
TELEGRAM_BOT_TOKEN=YOUR_TELEGRAM_BOT_TOKEN_HERE
2
NVIDIA_API_KEY=YOUR_NVIDIA_API_KEY_HERE
3
ALLOWED_USERS=12345678,987654321   # 可选，多个 ID 用逗号分隔

Tips：如果想让所有人都可以使用，把 ALLOWED_USERS 留空即可。

启动 Bot#

1
python tg_bot.py   # Win
2
python3 tg_bot.py  # Macos Liunx

启动成功后，终端会出现：

1
🚀 Bot 开始运行...
2
✅ Telegram 快捷菜单注册成功！

现在打开 Telegram，搜索你的 Bot 名称，输入 /start 即可看到欢迎信息。尝试以下指令：

• /model → 检测并切换模型
• 任意文字，例如 “帮我查询最近的 AI 会议” → Bot 会自动决定是搜索还是深度阅读，并返回答案。
• 发一张图片并问 “这是什么？” → Bot 将图片转为 Base64 送给大模型进行视觉推理（需要模型支持多模态）。

当前已有的配置块#

1
import os
2
from dotenv import load_dotenv
3
load_dotenv()
4

5
# ────────────────────────────────
6
# ① 必须的凭证
7
# ────────────────────────────────
8
TELEGRAM_BOT_TOKEN = os.getenv('TELEGRAM_BOT_TOKEN')
9
NVIDIA_API_KEY     = os.getenv('NVIDIA_API_KEY')
10
# 如果你想替换为其他厂商的 URL，只需要改下面这一行
11
NVIDIA_API_URL = "https://integrate.api.nvidia.com/v1/chat/completions"
12
# 标例替换为DeepSeek厂商
13
# NVIDIA_API_URL = "https://api.deepseek.com/v1"
14

15
try:
16
    ALLOWED_USERS = [int(u.strip()) for u in os.getenv('ALLOWED_USERS', '').split(',') if u.strip()]
17
except ValueError:
18
    ALLOWED_USERS = []
19

20
# ────────────────────────────────
21
# ③ 已内置的模型映射表
22
# ────────────────────────────────
23
MODEL_MAP = {
24
    "gpt-oss-120b": "openai/gpt-oss-120b",
25
    "qwen3-next-80b-a3b-thinking": "qwen/qwen3-next-80b-a3b-thinking",
26
    "qwen3.5-122b-a10b": "qwen/qwen3.5-122b-a10b",
27
    # …（其余略）…
28
}

MODEL_MAP 中加入新模型#

模型映射表的结构非常直观：

1
MODEL_MAP = {
2
    "<别名>": "<实际模型标识>",
3
}

• 别名（左侧键）是用户在 Telegram 中通过 /model 命令看到的名称，也是后端请求体里 model 字段的值。
• 实际模型标识（右侧值）是对应云平台（NVIDIA、OpenAI、Claude 等）在 Model Registry 中的唯一 ID。