AI bot

Telegram AI机器人与Ollama和矢量搜索

Telegram是一个基于Aiogram的机器人，集成了LLM的OLLAMA、用于向量搜索的Chromadb和MCP工具（天气、互联网搜索、Notion）。

机会

• 💬 智能聊天机器人 基于Ollama的对话记忆（Llama3.1:8b）
• 🔍 向量搜索 基于Chromadb和Nomic Embed Text的知识库
• 🌤️ 天气 -获取任何城市的当前天气
• 🌐 在线搜索 通过DuckDuckGo获取最新信息
• 📝 与 Notion 集成 搜索、阅读和创建页面
• 🧠 聊天存储器 -在SQLite中保存对话历史记录
• 🐳 Docker-部署 通过Docker Compose轻松部署

要求

• DockerиDocker作曲
• Telegram Bot Token（英语：Telegram Bot Token） @植物学家)
• （可选）Notion API Key for Notion

安装和启动

1.克隆存储库

git clone 
cd new_AI

2.配置环境变量

创建文件 .env 在项目的根：

# Обязательные переменные
TELEGRAM_BOT_TOKEN=your_telegram_bot_token_here

# Опциональные переменные
OLLAMA_MODEL=llama3.1:8b
OLLAMA_BASE_URL=http://ollama:11434

# Для работы с Notion (опционально)
NOTION_API_KEY=your_notion_api_key_here
PARENT_ID=your_notion_parent_page_id_here

如何获取token：

• TELEGRAM_BOT_TOKEN:

1. 打开 @植物学家 在Telegram 1. 发送团队 /newbot 1. 按照说明复制收到的代币

• 通知_API_KEY （可选）：

1. 转到https://www.notion.so/my-integrations 1. 创建新的集成 1. 内部集成令牌 1. 将集成添加到所需页面/数据库

• PARENT_ID （可选）：

- 创建新页面的页面ID或Notion数据库 - 可以在Notion页面的URL中找到 /)

3.通过Docker Compose启动

选项1：使用现成图像

如果您可以访问图像 mrjuise/tg_bot_mvp:latest:

docker-compose up -d

选项2：自行构建图像

如果您需要自行制作图像：

1. 收集机器人图像：

docker build -t mrjuise/tg_bot_mvp:latest .

1. 启动服务：

docker compose up -d

4.核实工作

启动后，检查日志：

# Логи всех сервисов
docker compose logs -f

# Логи только бота
docker compose logs -f telegram-bot

# Логи только Ollama
docker compose logs -f ollama

预期行为：

• Ollama 模特下载 llama3.1:8b 和 nomic-embed-text 第一次启动（可能需要几分钟）
• 机器人将连接到Telegram并开始回复消息

5.机器人的使用

1. 按您创建时指定的名称在Telegram中找到您的机器人
2. 发送团队 /start 开始工作
3. 使用 /help 查看可用命令

可用命令：

• /start -欢迎
• /help -团队和功能帮助
• /health -检查服务状态
• /new_chat 清除对话历史记录
• /add_to_vector -将文本添加到矢量知识库
• /cancel -取消当前操作

项目结构

new_AI/
├── bot.py                 # Основной файл бота
├── memory.py              # Управление памятью чатов (SQLite)
├── vector_store.py        # Векторное хранилище (ChromaDB)
├── mcp_tools/             # MCP инструменты
│   ├── mcp_weather.py     # Получение погоды
│   ├── mcp_notion.py      # Работа с Notion
│   └── search_duckduckgo.py  # Поиск в интернете
├── Dockerfile             # Образ для бота
├── docker-compose.yml     # Конфигурация Docker Compose
├── requirements.txt       # Python зависимости
└── .env                   # Переменные окружения (создать самостоятельно)

数据与持久性

数据存储在主机上的以下目录中：

• /srv/ollama_models -Ollama模型（在重新启动之间保存）
• /srv/bot_data -机器人数据：

- chat_memory.db -聊天历史数据库 - vectorstore/ Chromadb矢量存储

重要的是： 确保这些目录存在并具有正确的访问权限：

sudo mkdir -p /srv/ollama_models /srv/bot_data
udo chown -R 1000:1000 /srv/ollama_models /srv/bot_data

或者改变你的方式 docker-compose.yml 本地目录。

停止和重新启动

# Остановка сервисов
docker compose down

# Остановка с удалением данных (осторожно!)
docker compose down -v

# Перезапуск
docker compose restart

# Перезапуск с пересборкой образа
docker compose up -d --build

本地开发（无Docker）

如果您想在没有Docker的情况下在本地运行机器人：

1.建立依赖关系

python -m venv venv
source venv/bin/activate  # На Windows: venv\Scripts\activate
pip install -r requirements.txt

2.本地运行Ollama

下载并安装Ollama ollama.com，然后：

ollama serve
# В другом терминале:
ollama pull llama3.1:8b
ollama pull nomic-embed-text

3.配置环境变量

В .env 修改 ：

OLLAMA_BASE_URL=http://localhost:11434

4.启动机器人

python bot.py

故障排除

bot没有回复

1. 检查日志： docker-compose logs telegram-bot
2. 确保 TELEGRAM_BOT_TOKEN 正确地在 .env
3. 检查bot是否已运行： docker-compose ps

Ollama不加载模型

1. 检查日志： docker-compose logs ollama
2. 确保有足够的磁盘空间
3. 检查Internet连接（模型从Internet下载）

矢量存储错误

1. 确保模型 nomic-embed-text 下载到Ollama
2. 检查目录访问权限 /srv/bot_data
3. 尝试删除并重新创建向量存储

Notion的问题

1. 确保 NOTION_API_KEY 正确
2. 检查是否已将集成添加到Notion中的正确页面
3. 确保 PARENT_ID 指向现有页面/数据库

技术

• 图表3.22.0 -电报机器人框架
• 奥拉玛 本地LLM服务器
• 色度数据库 矢量数据库
• LangChain -与LLM和Embadding集成
• SQLite -保存聊天历史记录
• Docker&Docker编写 集装箱化

\=====================================================================

总结

指定代理

Telegram的个人AI助理，使用本地LLM模型（Ollama Llama3.1:8b）、知识库向量搜索和通过MCP协议访问外部工具，为用户提供智能答案。代理能够进行上下文对话，同时保留通信历史记录，并根据请求自动在使用知识库和调用工具LLM之间进行选择。

MCP工具

1. 天气 (mcp_weather.py）通过Open Meteo API（地理编码+天气预报）获取任何城市的当前天气
2. DuckDuckGo搜索 (search_duckduckgo.py）在互联网上搜索最新信息，以回答需要最新数据的问题
3. 概念 (mcp_notion.pyNotion API集成到：

- 查询页面（notion_search) - 检索网页内容（notion_get_page) - 创建新页面（notion_create_page)

内存实现

通过SQLite数据库实现的内存（memory.py):

• 为每个用户单独存储对话历史记录
• 基于令牌限制的上下文管理（默认为6000令牌）
• 使用 tiktoken 精确计算代币
• 优先保存最新消息超过限制
• 团队 /new_chat 清理特定用户的历史记录

实现知识库

使用Chromadb（vector_store.py):

• 向量存储：持久磁盘存储Chromadb
• 安贝丁吉：模型 nomic-embed-text 从Ollama到文本向量转换
• 搜索余弦搜索（cosine similarity）
• 相关阈值：0.7（如果找到的文档相似≥0.7，则使用它而不是调用LLM）
• 添加数据团队： /add_to_vector 手动将文本添加到知识库
• 异步性：所有向量数据库操作都是异步执行的，以避免阻止事件循环