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。
kernelopenEuler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。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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