【亲测免费】 WECHATY-PUPPET-PADLOCAL 技术文档
2026-01-25 06:48:50作者:彭桢灵Jeremy
1. 安装指南
1.1 获取 PadLocal TOKEN
要开始使用 WECHATY-PUPPET-PADLOCAL,首先需要获取 PadLocal TOKEN。你可以通过访问 pad-local.com 获取一个为期7天的免费试用TOKEN。
1.2 安装依赖
确保你的开发环境已经安装了 Node.js 和 npm。然后,通过 npm 安装 wechaty-puppet-padlocal:
npm install wechaty-puppet-padlocal
1.3 配置环境变量
在项目根目录下创建一个 .env 文件,并添加以下内容:
WECHATY_PUPPET=wechaty-puppet-padlocal
WECHATY_PUPPET_PADLOCAL_TOKEN=your_padlocal_token
将 your_padlocal_token 替换为你从 pad-local.com 获取的 TOKEN。
2. 项目的使用说明
2.1 初始化项目
在你的项目中引入 wechaty-puppet-padlocal,并初始化 Wechaty 实例:
import { Wechaty } from 'wechaty'
import { PuppetPadlocal } from 'wechaty-puppet-padlocal'
const puppet = new PuppetPadlocal({
token: process.env.WECHATY_PUPPET_PADLOCAL_TOKEN,
})
const bot = new Wechaty({
puppet,
})
bot.on('scan', (qrcode, status) => {
console.log(`Scan QR Code to login: ${status}\nhttps://wechaty.js.org/qrcode/${encodeURIComponent(qrcode)}`)
})
bot.on('login', user => {
console.log(`User ${user} logged in`)
})
bot.on('message', message => {
console.log(`Message: ${message}`)
})
bot.start()
.then(() => console.log('Wechaty bot started.'))
.catch(e => console.error(e))
2.2 运行项目
确保你的环境变量配置正确后,运行以下命令启动项目:
node your_script.js
3. 项目API使用文档
3.1 消息处理
3.1.1 发送文本消息
await bot.say('Hello, World!')
3.1.2 发送图片
await bot.say(new FileBox('path/to/image.png'))
3.1.3 发送文件
await bot.say(new FileBox('path/to/file.pdf'))
3.2 群组管理
3.2.1 创建群聊
const room = await bot.Room.create([contact1, contact2], 'Group Name')
3.2.2 设置群公告
await room.announce('New Group Announcement')
3.2.3 获取群公告
const announcement = await room.announce()
3.3 联系人管理
3.3.1 添加好友
await contact.add()
3.3.2 修改备注
await contact.alias('New Alias')
4. 项目安装方式
4.1 通过 npm 安装
npm install wechaty-puppet-padlocal
4.2 通过 yarn 安装
yarn add wechaty-puppet-padlocal
4.3 手动安装
如果你需要手动安装,可以克隆项目仓库并安装依赖:
git clone https://github.com/padlocal/wechaty-puppet-padlocal.git
cd wechaty-puppet-padlocal
npm install
通过以上步骤,你可以顺利安装并使用 WECHATY-PUPPET-PADLOCAL 项目。希望这篇文档能帮助你更好地理解和使用该项目。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python06
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
766
5.01 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
863
1.96 K
Ascend Extension for PyTorch
Python
722
894
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
689
1.35 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
458
453
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
250
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
627
Oohos_react_native
React Native鸿蒙化仓库
C++
357
425