Ollama+DeepSeek+SlackBot

技术背景

想必最近有在部署DeepSeek大模型的人，看标题就知道这篇文章在做什么事情了。由于Ollama对于IP的监听缺乏安全防护，并且内网部署的Ollama模型对于外网来说也是不可见的，而如果使用一些公网API，又存在隐私数据泄露的风险。这里提供一个方案：使用端到端加密的通讯软件，将消息内容转为token传输给Ollama本地部署的模型，然后接收token作为消息，通过加密通讯返回给用户。但是考虑到加密通讯软件的用户群体并不是很大，这里仅仅使用Slack作为一个演示。需要注意的是，Slack公司也有自己的AI模型SlackAI，在用户数据安全防护这一块有多大的可靠性，留给大家自行判断。
Slack应用注册流程

我们先假定你已经有一个Slack账号和相应的Slack工作区了，那么可以进入到app界面去创建一个自己的应用：
       

我选择的是scratch创建模式：
       

这样就能在网页界面上进行配置。选择好自己的工作区，配置该机器人在工作区中的名字：
       

创建完成后大概是这样的：
       

然后可以进入到APP的设置界面：
       

要打开Socket模式：
       

权限配置在Event Subscriptions和OAuth & Permissions中：
       

但是权限配置这一块需要后面单独开一个章节，请继续往下看。配置完成后，可以把应用安装到自己的工作区：
       

安装完成后，打开本地的Slack客户端，找到应用-添加应用，在列表中属于该工作区的应用会排在最前面，可以直接将其加入工作区：
       

这样以后就可以在应用列表看到自己定义的应用了。
关键信息

Slack应用创建之后，有几个关键的tokens信息（可以自己在Slack APP网页找到相关的字符串）需要保存到本地：

• SLACK_BOT_TOKEN，是一串xoxb-开头的字符串，用QAuth&ermissions里面的Bot User OAuth Token；
  
• SLACK_APP_TOKEN，是一串xapp-开头的字符串，从Basic Information里面的APP Level Tokens里面找，注意权限配置；
  
• SLACK_SIGNING_SECRET，是一串普通的随机字符串，从Basic Information里面找。
  

关键配置

想要正常的使用SlackBot，有几个关键的权限配置，如果权限配置错误，会导致SlackBot无法正确的读取消息或者正确地对消息进行反应。
首先是APP Level Tokens的配置（参考这里的ChatBotApp里面的配置）：
       

然后是Event Subscriptions中的配置信息：
       

最后是两个QAuth&ermissions的配置参数：
       

       

需要注意的是，这些都是个人配置信息，仅供参考。
slack_bolt环境配置

slack_bolt可以允许你从本地Python启动服务，调用SlackBot的API，监听Slack应用程序中的对话，并且可以按照不同的权限跟用户进行对话。可以使用pip安装slack_bolt：

1. $ python3 -m pip install slack_bolt
2. Looking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple
3. Collecting slack_bolt
4.   Downloading https://pypi.tuna.tsinghua.edu.cn/packages/5d/2d/fb23c998c43ff8398d7fa1e58bb82e7e735fbdaa0bd4ddaac04b3865bd4c/slack_bolt-1.22.0-py2.py3-none-any.whl (229 kB)
5. Collecting slack_sdk<4,>=3.33.5 (from slack_bolt)
6.   Downloading https://pypi.tuna.tsinghua.edu.cn/packages/25/2d/8724ef191cb64907de1e4e4436462955501e00f859a53d0aa794d0d060ff/slack_sdk-3.34.0-py2.py3-none-any.whl (292 kB)
7. Installing collected packages: slack_sdk, slack_bolt
8. Successfully installed slack_bolt-1.22.0 slack_sdk-3.34.0

复制代码

然后根据前面重要配置信息中提到的，配置Token：

1. # export SLACK_BOT_TOKEN=xxx
2. # export SLACK_APP_TOKEN=xxx
3. # export SLACK_SIGNING_SECRET=xxx

复制代码

先测试一个简单的Python脚本：

1. import os
3. from slack_bolt import App
4. from slack_bolt.adapter.socket_mode import SocketModeHandler
6. # Install the Slack app and get xoxb- token in advance
7. app = App(token=os.environ["SLACK_BOT_TOKEN"])
9. if __name__ == "__main__":
10.     SocketModeHandler(app, os.environ["SLACK_APP_TOKEN"]).start()

复制代码

运行效果：

1. $ python3 slack_chatbot.py
2. ⚡️ Bolt app is running!

复制代码

这就表示本地SlackBot安装成功了，当然，这个程序本身没有附带任何的功能。可以稍微升级一下SlackBot的测试功能：

1. import os
2. from slack_bolt import App
3. from slack_bolt.adapter.socket_mode import SocketModeHandler
5. # Initializes your app with your bot token and socket mode handler
6. app = App(token=os.environ.get("SLACK_BOT_TOKEN"), signing_secret=os.environ.get("SLACK_SIGNING_SECRET"))
8. # Listens to incoming messages that contain "hello"
9. # To learn available listener arguments,
10. # visit https://tools.slack.dev/bolt-python/api-docs/slack_bolt/kwargs_injection/args.html
11. @app.message("hello")
12. def message_hello(message, say):
13.     # say() sends a message to the channel where the event was triggered
14.     say(f"Hey there <@{message['user']}>!")
16. @app.event("app_mention")
17. def handle_mentions(event, say):
18.     say(text="Hello!", channel=event["channel"])
20. # Start your app
21. if __name__ == "__main__":
22.     SocketModeHandler(app, os.environ["SLACK_APP_TOKEN"]).start()

复制代码

在这个案例中，我们的程序会对一个事件和一个关键词起反应。例如我们只@slackbot的话，会返回一个hello：
       

如果@slackbot并且带上指定的字符串，那么就会做出相应的特别处理：
       

SlackBot对接Ollama模型

在上述章节中已经完成了本地通信的一些配置，接下来我们可以把SlackBot对接到Ollama模型中，原理也很简单：触发SlackBot之后，将消息作为token转发给Ollama的API，然后等待回复再回传给Slack聊天界面。这就是我做的一个简单的框架，接下来看看具体实施。
首先安装Ollama通信相关依赖：

1. $ python3 -m pip install requests python-dotenv

复制代码

直接上D老师给的代码：
[code]import osimport reimport requestsfrom slack_bolt import Appfrom slack_bolt.adapter.socket_mode import SocketModeHandlerfrom dotenv import load_dotenv# 加载环境变量load_dotenv()# 初始化 Slack 应用app = App(    token=os.environ["SLACK_BOT_TOKEN"],    signing_secret=os.environ["SLACK_SIGNING_SECRET"])# Ollama 配置（可通过环境变量覆盖）OLLAMA_ENDPOINT = os.getenv("OLLAMA_ENDPOINT", "http://localhost:11434/api/generate")OLLAMA_MODEL = os.getenv("OLLAMA_MODEL", "deepseek-r1:14b")OLLAMA_PARAMS = {    "num_ctx": int(os.getenv("OLLAMA_NUM_CTX", 4096)),    "num_gpu": int(os.getenv("OLLAMA_NUM_GPU", 64)),    "keep_alive": os.getenv("OLLAMA_KEEP_ALIVE", "2h")}def query_ollama(prompt: str) -> str:    """向 Ollama 发送请求并获取完整响应"""    payload = {        "model": OLLAMA_MODEL,        "prompt": f"请先输出思考过程（用THINKING:开头），再输出最终答案（用ANSWER:开头）：\n\n{prompt}",        "stream": False,        # "options": OLLAMA_PARAMS    }    try:        response = requests.post(OLLAMA_ENDPOINT, json=payload, timeout=6000)        response.raise_for_status()        return response.json()["response"]    except Exception as e:        return f"Ollama 请求失败: {str(e)}"def format_slack_response(raw_response: str) -> str:    """将原始响应分割为思考过程和最终答案"""    thinking_match = re.search(r"THINKING.*?)(ANSWER:|\Z)", raw_response, re.DOTALL)    answer_match = re.search(r"ANSWER.*)", raw_response, re.DOTALL)    thinking = thinking_match.group(1).strip() if thinking_match else "未提供思考过程"    answer = answer_match.group(1).strip() if answer_match else raw_response    return (        f"*
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！