Signal-CLI-REST-API 连接超时问题分析与解决方案
问题背景
在使用Signal-CLI-REST-API项目时,从0.82版本开始出现了无法搜索新号码或向新号码/群组发送消息的问题。主要表现为API调用时出现"Operation timed out"错误,返回400 Bad Request状态码。该问题在0.81及以下版本中不存在,表明可能是新版本引入的变更导致了连接问题。
问题表现
- 搜索号码API返回超时错误:
{"error":"WARN RefreshRecipientsJob - Full CDSI recipients refresh failed...Operation timed out"}
- 发送消息API返回未注册用户错误:
Failed to send (some) messages: +351914567985: Unregistered user "+351914567985"
- 底层signal-cli日志显示网络连接超时:
org.signal.libsignal.net.NetworkException: connect timed out (IOException)
根本原因
经过深入分析,该问题主要由以下因素导致:
-
网络连接超时:signal-cli在尝试连接Signal服务器时出现超时,可能是由于网络环境变化或服务器端调整了连接策略。
-
代理配置问题:某些网络环境下需要配置代理才能正常连接Signal服务器,而默认配置可能无法正确处理代理设置。
-
版本兼容性问题:从0.82版本开始,signal-cli内部使用的网络库可能进行了更新,导致在某些网络环境下的连接行为发生变化。
解决方案
临时解决方案
-
回退到0.81版本:如果业务紧急,可以暂时使用0.81版本,该版本不受此问题影响。
-
手动设置超时时间:虽然官方未提供直接配置超时时间的选项,但可以通过修改网络环境配置间接调整。
长期解决方案
-
升级到最新开发版本:使用包含修复的0.181-dev或更新版本,这些版本集成了signal-cli 0.13.13+,修复了代理相关问题。
-
配置网络代理:确保网络代理配置正确,特别是在企业网络环境下。
-
设置用户资料:虽然不直接解决连接问题,但按照警告提示设置用户资料可以避免未来可能的问题:
PUT /v1/profiles/{number}
最佳实践建议
-
定期调用接收端点:在normal模式下,建议每小时调用一次
/v1/receive端点以保持连接活跃。 -
监控网络连接:使用tcpdump等工具监控网络流量,确认连接是否真正到达Signal服务器。
-
启用调试模式:通过调试模式获取更详细的日志信息,帮助诊断问题:
docker run -e DEBUG=1 ... -
保持版本更新:定期检查并更新到最新稳定版本,以获取问题修复和新功能。
结论
Signal-CLI-REST-API的连接超时问题主要源于网络连接和代理处理的变更。通过升级到包含修复的版本(0.181-dev或更新)并确保正确的网络配置,可以解决这一问题。对于关键业务系统,建议建立版本升级前的测试流程,以及时发现和解决兼容性问题。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00