【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
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
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
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
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
675
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
627
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++
947
886
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
302
🎉 (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
1.56 K
909
暂无简介
Dart
921
228
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
昇腾LLM分布式训练框架
Python
142
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381