企业官网建设流程全解析

引子：一个"口袋里"的 AI 工作台

想象一个场景：你在地铁上，给某个 Telegram bot 发一句"帮我盯一下服务器，内存超 80% 就告警"，然后收起手机；回家打开电脑，一个 Claude Code 会话已经把日志整理好、写好了排查脚本等你验收。

这不是科幻——OpenClaw 早就证明了"后台 agent + 手机遥控"的形状[2]；2026 年 9 月，Claude Code Channels 把这条路径变成了官方能力：Telegram 官方插件、持久记忆、/loop 定时任务、云端 Routine[1][2]。本文走两条路把它落地：路线 A（官方插件，开箱即用）与路线 B（用 Claude Code 从零开发自定义 Bot，代码完整可跑）。

一、为什么 IM Bot 是 AI 编程的新热门载体

1.1 从 OpenClaw 到官方 Channels

OpenClaw 证明了形状：一个在后台持续工作的 agent，通过 IM 随时接收指令。而 Claude Code 栈在 2026 年 9 月把这套东西全部官方化[1][2]：

1.2 IM Bot 的场景价值

核心洞察：IM 是"低门槛入口 + 高可用通知"的最佳组合——agent 不需要 UI，它需要的是随时能叫醒它的通道[2]。

二、路线 A：Claude Code Channels 官方插件

2.1 第一步：BotFather 建 bot

打开 Telegram 找 @BotFather，/newbot，起名、拿 token——token 就是你的 bot 的钥匙，要像密码一样保管，绝不提交仓库[1][3]。

2.2 三步配置

# 在 Claude Code 会话内： # ① 安装官方 Telegram 插件 /plugin install telegram@claude-plugins-official # ② 配置 token（也可用环境变量 TELEGRAM_BOT_TOKEN） /telegram:configure 7123456789:AAH1bGciOiJSUzI1NiIsInR5cCI6Ikp... # 你的真实 token # ③ 完成：手机给 bot 发消息 = 远程给 Claude Code 下指令

2.3 能做什么

• 给 Claude Code 派活（写代码、读文件、跑命令）

• 配合/loop做定时任务；skills/ 目录持久记忆；cloud Routines 让 VPS 关机后仍触发[2]

路线 A 一句话：零代码，三步，能力完整——适合个人自动化。

三、路线 B：用 Claude Code 从零开发自定义 Bot

以下对话流程为用 Claude Code 开发的示意（产物即telegram_agent_demo.py，已通过本地语法验证）。

3.1 开发对话实录（AI 编程的工作方式）

你：帮我用 python-telegram-bot 写一个 Telegram bot， 命令：/start /help /ask <问题> /status， 其中 /ask 调用 DeepSeek 兼容 API。代码要能直接跑。 Claude Code： ① 检查环境 → 确认 python-telegram-bot 版本 ② 生成 telegram_agent_demo.py（应用框架 + LLM 接入） ③ 给出运行说明（设置 BOT_TOKEN 环境变量）

3.2 完整代码：telegram_agent_demo.py

import os import requests from telegram import Update from telegram.ext import Application, CommandHandler, ContextTypes TOKEN = os.getenv("BOT_TOKEN", "") # @BotFather 获取 LLM_URL = os.getenv("LLM_URL", "https://api.deepseek.com/v1/chat/completions") LLM_KEY = os.getenv("LLM_KEY", "") LLM_MODEL = os.getenv("LLM_MODEL", "deepseek-chat") def ask_llm(prompt: str) -> str: """OpenAI 兼容端点：换 base_url + model 即可接 GLM/Qwen 等""" if not LLM_KEY: return f"[模拟] 未配置 LLM_KEY，收到问题：{prompt[:30]}……" resp = requests.post( LLM_URL, headers={"Authorization": f"Bearer {LLM_KEY}"}, json={ "model": LLM_MODEL, "messages": [ {"role": "system", "content": "你是网络与通信技术助手，回答要简洁、有依据。"}, {"role": "user", "content": prompt}, ], "max_tokens": 512, }, timeout=60, ) resp.raise_for_status() return resp.json()["choices"][0]["message"]["content"] async def start(update: Update, ctx: ContextTypes.DEFAULT_TYPE) -> None: await update.message.reply_text( "👋 我是 AI 编程开发的 Telegram Agent。\n" "/ask <问题> — 问 LLM\n/status — 状态\n/help — 帮助") async def ask(update: Update, ctx: ContextTypes.DEFAULT_TYPE) -> None: q = " ".join(ctx.args) if not q: await update.message.reply_text("用法：/ask <你的问题>"); return await update.message.reply_text("🤔 思考中……") try: ans = ask_llm(q) except Exception as e: ans = f"❌ LLM 调用失败：{e}" await update.message.reply_text(ans) async def status(update: Update, ctx: ContextTypes.DEFAULT_TYPE) -> None: await update.message.reply_text(f"🟢 运行中\n模型：{LLM_MODEL}\n端点：{LLM_URL.split('/')[2]}") def main() -> None: assert TOKEN, "请设置 BOT_TOKEN" app = Application.builder().token(TOKEN).build() app.add_handler(CommandHandler("start", start)) app.add_handler(CommandHandler("help", start)) app.add_handler(CommandHandler("ask", ask)) app.add_handler(CommandHandler("status", status)) app.run_polling() if __name__ == "__main__": main()

3.3 运行与接入

# 安装依赖 pip install python-telegram-bot requests # 运行（token 来自 @BotFather） BOT_TOKEN=你的token python3 telegram_agent_demo.py

接其他模型：DeepSeek/GLM 都提供 OpenAI 兼容端点——只需改LLM_URL（base_url）与LLM_MODEL，一行都不用动主逻辑。这就是"OpenAI 兼容"协议的红利[1]。

四、双路线对比

怎么选：个人自动化、想要完整工具链 → A；要产品化、要换模型、要自定义命令 → B[1][2]。

五、生产化与安全

• Token 是密码：用环境变量注入，echo "BOT_TOKEN=xxx" >> .env且.gitignore掉.env——绝不提交仓库、不贴公开聊天[1][3]

• 权限：自建 bot 加user_id白名单；官方插件在私有会话使用

• 持久化：长任务用后台队列（Celery/Redis）或/loop定时；bot 进程用 systemd/pm2 守护

六、总结

三个关键结论：

1. IM Bot 是"后台 agent"最顺滑的入口：OpenClaw 证明形状，Claude Code Channels 官方化——2026 年 9 月起，个人 agent 有了标准脚手架[1][2]；

2. 两条路各有归属：官方 Channels 零代码、能力完整；自建 Bot 全可控、任意 LLM——个人用 A，产品用 B[1][3]；

3. AI 编程做 Bot 的本质：Claude Code 负责把"需求→代码→运行说明"一次做完，你负责设计边界（命令、权限、安全）——AI 写的是实现，你写的是产品[6]。

衔接生态：这个 bot 挂上 DeepSeek/GLM 就是个人 AI 助手，挂上 MCP 工具就是"口袋里的 OpenClaw"——从手机发出的一条消息，背后是一整个可编程的 agent 栈。

参考资料

• [1] Claude Code 官方文档：Channels（telegram 插件安装/配置/环境变量，2026-08-20）

• [2] dplooy（2026-09-09）：Build a 24/7 Claude Code Agent With Telegram Control

• [3] LowCode Agency（2026-09-03）：Claude Code Channels: Complete Setup Guide (Telegram & Discord)

• [6] python-telegram-bot 官方文档（Application/CommandHandler/run_polling）

补充说明：①路线 B 代码telegram_agent_demo.py已通过python3 -m py_compile与python-telegram-bot 22.8环境验证（真跑需 BOT_TOKEN）；②Channels 插件与订阅的绑定关系以 Anthropic 官方最新文档为准；③本文为技术教程，token 安全为开发者自身责任。