EvolutionAPI中群组消息撤回功能的问题分析与解决方案
问题背景
在EvolutionAPI项目使用过程中,开发者发现了一个关于群组消息撤回功能的异常情况。具体表现为当调用/chat/deleteMessageForEveryone接口尝试撤回群组消息时,虽然API返回了看似成功的响应,但实际上消息并未被成功撤回。
问题现象
开发者通过API发送请求尝试撤回群组消息时,请求参数中指定了群组ID(以@g.us结尾)和消息ID。API返回的响应包含以下信息:
{
"key": {
"remoteJid": "idFromGroup@g.us",
"fromMe": true,
"id": "xxxxxxxxxxxx"
},
"message": {
"protocolMessage": {
"key": {
"remoteJid": "idFromGroup@g.us",
"fromMe": false,
"id": "xxxxxxxxxxxxxxxx"
},
"type": "REVOKE"
}
},
"messageTimestamp": "1723824184",
"status": "PENDING",
"participant": "´phonenumberFromBot:29@s.example.net"
}
尽管响应显示撤回操作状态为"PENDING"且包含REVOKE类型,但实际群组中的消息并未被删除。开发者尝试了两种不同的群组ID格式(@g.us和@s.example.net),但问题依然存在。
技术分析
-
版本因素:问题最初出现在EvolutionAPI v2.0.5-rc版本中。后续测试发现,在2.1.0版本中该功能曾经正常工作,但后来停止工作。
-
缓存配置:有开发者建议启用本地缓存配置(设置
CACHE_LOCAL_ENABLED=true)可能解决部分相关问题,但实际测试表明这可能引入其他问题,如消息发送失败。 -
错误类型:在某些情况下,系统会抛出500错误,提示"TypeError: Cannot read properties of undefined (reading 'updateGroupMetadataCache')",这表明在尝试更新群组元数据缓存时出现了问题。
解决方案
-
版本升级:将EvolutionAPI升级到2.1.2或更高版本可以解决消息撤回功能失效的问题。多位开发者确认在升级后功能恢复正常。
-
配置调整:虽然启用本地缓存(
CACHE_LOCAL_ENABLED=true)曾被建议作为解决方案,但实际测试表明这可能影响消息发送功能,因此不建议作为首选方案。 -
新版本问题:需要注意的是,升级到2.1.2版本后,部分开发者报告出现了历史版本中存在的"空白消息"问题,即系统会随机发送空内容消息到群组中。这可能需要额外的修复措施。
最佳实践建议
-
定期检查并升级到EvolutionAPI的最新稳定版本,以确保获得最佳的功能支持和错误修复。
-
在实现消息撤回功能时,建议:
- 使用正确的群组ID格式(
@g.us) - 确保API版本兼容性
- 实现适当的错误处理和重试机制
- 使用正确的群组ID格式(
-
对于生产环境,建议在升级前进行全面测试,特别是检查消息撤回和发送功能的稳定性。
通过以上分析和解决方案,开发者可以更好地理解和解决EvolutionAPI中群组消息撤回功能的相关问题,确保应用功能的稳定性和可靠性。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00