Python开发Slack Bot教程：从零搭建到接入GPT-4o完整指南

Slack是企业团队协作的核心工具，而通过Python构建自定义Slack Bot，能把自动化能力直接嵌入日常工作流。本文基于一个快速上手教程，带你从环境配置到接入大语言模型，完整走通Slack Bot的开发流程。

为什么要开发Slack Bot

日常工作中，大量重复性任务都可以通过Bot自动化完成——从简单的消息响应、命令执行，到接入AI实现智能问答。Slack Bot的核心价值在于：它把自动化能力放在了团队沟通的中心位置，无需切换工具就能触发各种工作流。

本文聚焦于构建一个最小可行产品（MVP），包含三个核心能力：

响应特定消息
执行斜杠命令
接入OpenAI的GPT-4o模型实现智能对话

环境准备与Slack应用配置

创建Slack应用

首先你需要一个Slack账号和一个有管理权限的工作区。访问 api.slack.com/apps，点击「Create New App」，选择「From scratch」从零开始创建。给应用起个名字（如Tutorial Bot），选择目标工作区，点击创建即可。

创建完成后，页面会显示Client ID、App ID等凭证，不过本文的场景暂时用不到这些。

启用Socket Mode

在左侧导航栏找到「Socket Mode」，开启它。这是Bot运行的基础模式。系统会要求你添加 connections:write 权限范围，然后生成一个Socket Token——务必保存好这个Token。

Socket Mode配置

配置Bot权限与事件订阅

进入「OAuth & Permissions」页面，在Bot Token Scopes中添加 chat:write 权限，赋予Bot发送消息的能力。

然后进入「Event Subscriptions」，启用事件订阅，在Bot Events中添加 message.channels 事件。这样Bot就能监听频道中的消息并做出响应。

添加斜杠命令

在「Slash Commands」中创建一个新命令 /add，描述为"add two numbers"，示例参数填 1 2。

创建斜杠命令

最后回到「OAuth & Permissions」，将应用安装到工作区，获取Bot User OAuth Token。将两个Token保存到项目目录的 .env 文件中：

SLACK_SOCKET_TOKEN=xapp-...
SLACK_BOT_TOKEN=xoxb-...

编写Bot核心代码

项目初始化与依赖安装

安装所需的Python依赖包：

pip install slack-bolt python-dotenv

创建 main.py，写入基础框架：

import os
from dotenv import load_dotenv
from slack_bolt import App
from slack_bolt.adapter.socket_mode import SocketModeHandler

load_dotenv()
app = App(token=os.getenv("SLACK_BOT_TOKEN"))

响应特定消息

先实现最基础的功能——当用户发送"hello"时，Bot回复问候：

@app.message("hello")
def hello(message, say):
    say(f"Hello <@{message['user']}>")

@app.message() 装饰器的工作方式类似Flask的路由机制，匹配特定字符串后触发对应函数。say 函数用于发送回复，message 对象包含发送者等上下文信息。

消息响应代码

实现斜杠命令功能

为之前配置的 /add 命令添加实际逻辑：

@app.command("/add")
def add(ack, respond, command):
    ack()
    try:
        a, b = map(float, command["text"].split())
        respond(str(a + b))
    except:
        respond("Usage: /add 1 2")

这段代码有几个关键点需要注意：

ack() 必须首先调用：Slack要求3秒内确认收到命令，否则会提示超时
command["text"]：获取命令后面的参数文本
respond：用于向用户返回执行结果

处理通用消息事件

对于非"hello"且非斜杠命令的消息，可以通过事件监听来兜底处理：

@app.event("message")
def handle_message_events(body, say):
    say("What?")

启动Bot服务

在文件末尾添加启动代码：

SocketModeHandler(app, os.getenv("SLACK_SOCKET_TOKEN")).start()

完整代码结构

运行 python main.py 后，终端会显示"Bolt app is running"。别忘了在Slack频道中邀请Bot（输入 /invite @Tutorial Bot），然后就可以开始测试了：发送"hello"会收到问候回复，使用 /add 20 30 会返回50。

接入OpenAI大语言模型

基础功能跑通之后，接下来是最有意思的部分——将Bot连接到GPT-4o，让它具备智能对话能力。

配置OpenAI API与代码改造

首先在 .env 文件中添加OpenAI API Key：

OPENAI_API_KEY=sk-...

安装OpenAI包并修改代码：

from openai import OpenAI

load_dotenv()
client = OpenAI()  # 自动读取OPENAI_API_KEY环境变量

@app.event("app_mention")
def mention_gpt_response(event, say):
    text = event.get("text", "")
    response = client.responses.create(
        model="gpt-4o",
        input=text
    )
    say(response.output_text)

这里用 app_mention 事件替代了通用的 message 事件，也就是说只有在@提及Bot时才会触发AI响应。这个设计很重要，可以避免对所有消息都调用API，减少不必要的开销。

别忘了关键步骤：需要回到Slack API配置页面，在Event Subscriptions中添加 app_mention 事件，保存后重新安装应用到工作区，并更新 .env 中的Bot Token。

实际效果展示

在Slack中@Tutorial Bot并提问，比如"How are you?"，Bot会通过GPT-4o生成自然语言回复。你甚至可以让它生成代码，比如"write a simple recursive Fibonacci function in Python"，生成的代码会直接显示在聊天窗口中。

进阶思路与应用场景

有了这个基础框架，可以扩展出许多实用场景：

运维自动化：通过Slack命令触发部署、查看服务状态
数据查询：连接数据库，用自然语言查询业务数据
AI Agent交互入口：将Bot作为AI Agent的控制界面，在Slack中管理复杂工作流
代码审查助手：接入代码仓库，自动分析PR并在Slack中反馈
服务器监控：在服务器上运行的程序通过Slack消息来控制和监控

核心思路是将Slack Bot作为团队协作与自动化之间的桥梁，把各种能力统一到一个沟通界面中。

总结

本文完整演示了用Python构建Slack Bot的全流程：从Slack API配置、Socket Mode启用、权限设置，到消息响应、斜杠命令、事件监听的代码实现，最后接入OpenAI GPT-4o实现智能对话。

整个项目只依赖 slack-bolt、python-dotenv 和 openai 三个包，核心代码不超过50行，但已经具备了一个功能完整的智能Bot雏形。理解了Slack的事件驱动模型和装饰器路由机制之后，在此基础上扩展更复杂的功能就顺理成章了。