Signal-CLI中获取非联系人组员信息的解决方案
2025-06-24 01:14:18作者:段琳惟
在使用Signal-CLI的JSON-RPC接口时,开发者可能会遇到一个常见问题:当群组中添加了新成员且该成员并非当前账户的联系人时,通过listGroups命令获取的成员信息不完整(特别是成员号码显示为null)。这种情况会影响需要完整群组成员信息的应用场景,比如消息提及功能中的用户名替换。
问题背景
Signal群组机制允许显示非联系人的基本成员信息,这与直接消息对话的可见性规则不同。官方Signal客户端能够显示这些非联系人成员的部分资料,但通过Signal-CLI的listGroups接口默认只能获取到UUID信息,缺少电话号码和姓名等关键字段。
技术原理
Signal-CLI实际上存储了所有已知接收者(recipients)的信息,包括:
- 已保存的联系人
- 有过交互的非联系人
- 群组中的成员
默认情况下,listContacts命令只返回第一类联系人。要获取完整的接收者信息,需要使用扩展参数。
解决方案
通过JSON-RPC接口,可以使用以下两种方式获取完整信息:
方法一:查询所有已知接收者
{
"jsonrpc": "2.0",
"method": "listContacts",
"params": {
"all-recipients": true
},
"id": "1"
}
方法二:精确查询特定UUID的接收者
{
"jsonrpc": "2.0",
"method": "listContacts",
"params": {
"recipient": "d59...",
"all-recipients": true
},
"id": "1"
}
实现建议
对于需要实时跟踪群组成员变动的应用,建议:
- 监听群组更新事件
- 当检测到新成员加入时,立即通过上述方法查询完整信息
- 建立本地缓存以减少重复查询
- 定期更新缓存中的成员信息
注意事项
- 隐私考虑:获取非联系人信息应遵守Signal的使用条款
- 性能优化:批量查询比单个查询更高效
- 错误处理:某些情况下可能仍然无法获取完整信息(如用户设置了严格的隐私权限)
通过这种方案,开发者可以构建出与官方客户端功能相当的群组成员管理功能,确保在消息处理等场景中获得完整的上下文信息。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
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
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322