Agent 与自动化AI 资源
discord-llm-chatbot：集成多模态 LLM 的 Discord 聊天机器人
privacydied/discord-llm-chatbot · Discord bot that integrates LLMs with multimodal capabilities including text chat, voice synthesis (TTS), speech recognition (STT), image analysis (VL), web content extraction, and RAG. The bot connects to Discord and processes messages through a central router that intelligently routes different input modalities to appropriate handlers.
ELI5：它是什么，解决什么问题
基于 discord.py 2.x 的生产级 Discord 机器人，通过中央路由器处理文本聊天、RAG 检索、图像理解、OCR、语音合成与识别、网页与 X/Twitter 内容提取等多种输入模态。文本生成可接入 OpenAI/OpenRouter、NVIDIA NIM 或本地 Ollama，RAG 使用 ChromaDB，语音使用 Kokoro 与 faster-whisper/whispercpp，并提供图像/视频生成、记忆与服务器存档、Prometheus 指标等运维能力。
核心能力与快速开始
★ 2 · Python
- 能做什么
- 支持 Discord 文本聊天与工具调用；基于 ChromaDB 的混合向量+关键词 RAG；顺序处理附件、URL 与嵌入中的图像、音频/视频、PDF、docx/txt；通过视觉模型进行图像理解与 OCR（PyMuPDF + Tesseract）；语音识别（faster-whisper/whispercpp，含 YouTube 字幕优先路径）与 Kokoro 本地 TTS；图像与视频生成（Together/Novita，NVIDIA NIM 仅支持文生图）；X/Twitter 线程展开与社交链接嵌入修复；用户/服务器记忆、对话存档与 SQLite 消息归档；配置热重载、结构化日志、Prometheus 可选指标与资源监控。
- 适用场景
- 在 Discord 服务器中部署具备多模态理解与检索能力的聊天助手；对频道中的图片、音视频、PDF 与网页链接进行统一解析和问答；为社区提供语音回复与语音频道播报；基于本地知识库做 RAG 问答；生成或编辑图像/视频并管理配额与成本。
- 项目形态
- 可直接使用的工具
- 部署方式
- 未说明；README 仅描述入口 run.py、.env 配置热重载及预检（环境、Playwright、端口），未给出具体部署步骤。
- 主要依赖
- Python 3.11+（徽章标识）；使用 discord.py 2.x；涉及 Playwright、ffmpeg、yt-dlp、ChromaDB、Tesseract 等组件；各 LLM/生成服务需自行配置，API 成本与免费额度未说明。
- 使用限制
- README 说明 NVIDIA NIM 托管端点只接受其固定示例图、不支持任意上传的图生图；OpenRouter 当前所有图像输出模型均为付费，因此无免费图生图回退。实际可用性依赖各第三方服务的密钥、配额与限制，材料未说明具体成本和速率限制。
- 许可证
- MIT
- 最近推送
- 2026-10-25 08:56
资料检查：2026-10-26 07:00 · 卡片整理：2026-10-26 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证
讨论 0
登录后参与讨论，阅读资讯无需注册。
还没有评论，来分享第一个看法。