随着人工智能技术的飞速发展，各类大语言模型正在深刻改变我们的工作方式。将这些强大的AI能力整合到企业内部的聊天系统中，无疑会大幅提升工作效率。本文将详细介绍如何通过开源项目Synology Chat Bot，将DeepSeek等大语言模型接入群晖的Synology Chat，打造一个私有化的智能聊天系统。
项目背景与优势
在前文中，我们已经介绍了如何使用群晖的Synology Chat搭建企业内部的私有化聊天系统。如今，随着AI技术的进步，我们可以通过开源项目Synology Chat Bot，轻松将大语言模型整合到群晖的聊天系统中，赋予企业专属的AI助手能力。结合开源的Dify平台，甚至可以构建一个完整的企业知识库和智能问答系统。
项目原理
Synology Chat Bot的核心原理是通过Webhook机制，在群晖Chat与大语言模型之间搭建桥梁。具体流程如下：
- 当用户在群晖Chat中向机器人发送消息时，Chat会通过Webhook将消息转发给项目的服务端。
- 服务端收到消息后，会将用户的问题通过API发送给大语言模型（如DeepSeek）。
- 大语言模型生成回答后，服务端再通过Webhook将回答发送回群晖Chat。
- 最终，用户可以在群晖Chat中看到AI的回复。
该项目采用OpenAI的标准API格式，如果你的模型不是标准的OpenAI格式，可以参考相关文章进行转换。
部署前提
在开始部署之前，需要确保以下条件已满足：
- 群晖已安装Synology Chat套件（参考前文）。
- 已安装Container Manager套件。
- 注册一个DeepSeek API Key（推荐使用硅基流动的API进行演示，注册后会有赠送余额）。
安装与部署
由于该项目涉及的环境变量较多，建议采用Docker-compose的方式进行部署。
步骤1：创建项目文件夹
- 打开群晖的【File Station】，新建一个名为
synology-chat-bot的文件夹，用于存放项目数据。
步骤2：编辑环境变量文件
-
将项目中的
.env.example文件下载到本地进行编辑。 -
修改以下五个关键环境变量：
CHAT_API_URL：请求的URL地址，通常可以在API文档中找到。CHAT_API_KEY：API密钥，可以在相应的菜单中获取或新建。CHAT_API_MODEL：模型名称，与模型广场上的模型名一一对应。SYNOLOGY_INCOMING_WEBHOOK_URL：传入URL。SYNOLOGY_OUTGOING_WEBHOOK_TOKEN：令牌。
步骤3：配置机器人
- 打开群晖的Synology Chat网页，点击头像选择整合（需要管理员账户）。
- 选择机器人，点击创建，并将传入URL和令牌拷贝到相应的环境变量中。
- 为机器人输入名称并保存。
步骤4：上传环境变量文件
- 将编辑好的
.env文件上传到群晖的synology-chat-bot文件夹。
步骤5：部署Docker容器
- 打开群晖的【Container Manager】，新增一个项目，并将以下docker-compose文件粘贴进去：
version: '3.8'
services:
synology-chat-bot:
image: laoning666/synology-chat-bot
container_name: synology-chat-bot
ports:
- "8008:8008"
env_file:
- .env
restart: unless-stopped
- 点击下一步，等待项目构建成功。
步骤6：配置机器人传出URL
- 在机器人配置中，去掉在聊天机器人列表隐藏的选项。
- 在传出URL中填写刚刚部署的地址
http://your_server_ip:8008/webhook。
步骤7：添加机器人并开始对话
- 在Synology Chat主界面添加机器人，即可开始与AI进行对话。
后记
通过这个项目，我们成功为群晖的Synology Chat注入了AI能力，不仅提升了工作效率，还确保了数据的私有化部署，保障了数据安全。由于Synology Chat不支持流式响应，输出较长文字时可能会出现响应超时的情况。虽然可以通过分割对话的方式分批输出，但老宁认为这种方式不够友好，因此未实现此功能。