企业微信Webhook推送助手使用指南
2026-02-06 04:52:38作者:傅爽业Veleda
项目介绍
企业微信Webhook推送助手是一个基于Java开发的SDK库,专门用于简化企业微信Webhook机器人的消息推送功能。通过配置Webhook地址,开发者可以快速方便地发送各种类型的消息通知,无需手动拼接复杂的参数,采用面向对象的方式优雅地发送提醒。
当前版本支持的消息类型包括:
- 文本消息
- 图片消息
- 文本卡片消息
- 图文消息(支持批量)
- Markdown消息
快速开始
添加Maven依赖
在你的Maven项目中添加以下依赖:
<dependency>
<groupId>io.github.swalikh</groupId>
<artifactId>wework-wehook-starter</artifactId>
<version>1.0.0</version>
</dependency>
配置Webhook地址
在Spring Boot应用的配置文件中配置Webhook API地址,支持配置一个或多个地址:
spring:
message:
wechat-webhooks:
- https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxxxxxxx
- https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=yyyyyyyy
注入MessageService发送消息
在代码中注入MessageService并发送各种类型的消息:
@Autowired
private MessageService messageService;
消息发送示例
发送文本消息
WeWorkWebhookMessage textMessage = WeWorkWebhookMessage.buildText("你好,世界!");
messageService.send(textMessage);
发送图片消息
支持网络图片和本地图片,格式支持JPG和PNG:
// 网络图片示例
String networkImageUrl = "http://www.image.com/dog.jpg";
WeWorkWebhookMessage imageMessage = WeWorkWebhookMessage.buildImageMessage(networkImageUrl);
messageService.send(imageMessage);
// 本地图片示例
String localImageFilePath = "/home/image/cat.png";
WeWorkWebhookMessage localImageMessage = WeWorkWebhookMessage.buildImageMessage(localImageFilePath);
messageService.send(localImageMessage);
发送图文卡片消息
Article article = new Article()
.setTitle("这是卡片的标题")
.setUrl("http://www.example.com/这是点击的链接地址")
.setPicurl("http://www.image.com/dog.jpg")
.setDescription("这是描述文字");
WeWorkWebhookMessage articleMessage = WeWorkWebhookMessage.buildNewsMessage(article);
messageService.send(articleMessage);
发送Markdown消息
使用MarkdownBuffer构建复杂的Markdown格式消息:
MarkdownBuffer markdownBuffer = new MarkdownBuffer();
markdownBuffer
.h2("H2标题").nextLine()
.h3("H3标题").nextLine()
.quote("引用文本").quoteEnd()
.green("绿色文字").nextLine()
.orange("橙色文字").nextLine()
.gray("灰色文字").nextLine()
.code("单行代码").nextLine()
.link("链接标题", "链接URL").nextLine();
WeWorkWebhookMessage markDownMessage = WeWorkWebhookMessage.buildMarkDownMessage(markdownBuffer);
messageService.send(markDownMessage);
项目技术架构
该项目基于Spring Boot框架构建,核心依赖包括:
- Spring Boot AutoConfigure:自动配置支持
- Lombok:简化Java代码编写
- Fastjson:JSON处理库
- Apache HttpClient:HTTP客户端
- SLF4J:日志框架
应用场景
自动化日报推送
集成到CI/CD流程中,每日构建成功后自动向团队发送构建报告和状态更新。
系统监控告警
当系统监测到异常或性能问题时,立即通过Webhook发送告警通知到指定的工作群组。
任务完成通知
自动化任务(如代码审查、部署、测试等)完成后,发送完成状态通知给相关人员。
数据报表推送
定期将业务数据报表通过图文消息的形式推送到企业微信群,方便团队查看和分析。
最佳实践建议
- 消息模板化:定义清晰的消息模板,保持消息格式统一和专业化
- 分组策略:根据消息重要程度设置不同的接收群组,减少不必要的打扰
- 错误处理:合理处理网络异常和API调用失败的情况,确保消息可靠性
- 性能优化:对于高频消息发送场景,考虑使用异步发送和批量发送机制
项目结构说明
核心代码位于src/main/java/com/sayalala/wework/wehook/目录下:
config/:配置相关类,包含消息发送属性配置entity/:实体类,包括消息和文章数据结构service/:服务接口和实现,提供消息发送功能utils/:工具类集合,包含Base64处理、HTTP客户端、Markdown构建器等
该项目采用Apache 2.0许可证开源,开发者可以自由使用和修改代码以满足特定业务需求。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust030
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
678
4.33 K
An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
117
29
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.57 K
910
deepin linux kernel
C
28
16
暂无简介
Dart
923
228
Ascend Extension for PyTorch
Python
520
630
全称:Open Base Operator for Ascend Toolkit,哈尔滨工业大学AISS团队基于Ascend C打造的高性能昇腾算子库。
C++
46
52
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
305
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.36 K
110