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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.75 K
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
336
178
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
886
596
Ascend Extension for PyTorch
Python
340
405
暂无简介
Dart
772
191
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
247
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355