LiteLoaderQQNT-OneBotApi撤回事件上报问题排查指南
2025-06-30 11:37:56作者:凤尚柏Louis
问题背景
在使用LiteLoaderQQNT-OneBotApi项目时,部分用户反馈无法收到QQ消息撤回事件的上报。该问题表现为无论是群聊(group)还是私聊(private)场景下,当其他用户撤回消息时,OneBot客户端都无法接收到相应的撤回事件通知。
环境信息
- 操作系统:Windows 11 专业版 23H2
- QQNT版本:9.9.11-24568 (64位)
- LLOneBot版本:3.26.7至3.30.5
- 通信协议:HTTP
问题排查过程
初步现象确认
用户最初在3.26.7版本发现该问题,搭建的HTTP服务无法接收到任何撤回消息的事件上报。升级到最新版本3.30.5后问题依然存在。
关键发现
经过技术团队深入排查,发现该问题与以下因素密切相关:
-
防撤回插件冲突:当用户安装了第三方防撤回插件时,这类插件会拦截QQ客户端的原始撤回事件,导致OneBot无法获取到原始的撤回通知。
-
事件传递链中断:防撤回插件的工作原理通常是抢先处理撤回事件并阻止其继续传播,这使得后续的OneBot监听器无法接收到该事件。
解决方案
推荐解决方案
-
禁用防撤回插件:临时禁用或卸载所有防撤回类插件,这是最直接的解决方法。
-
插件兼容性检查:如果必须使用防撤回功能,可以尝试寻找与OneBot兼容的防撤回插件,或者修改现有插件的代码使其不阻断事件传递。
验证步骤
- 完全退出QQ客户端
- 移除或禁用所有防撤回插件
- 重新启动QQ和LLOneBot服务
- 进行消息撤回测试,确认事件上报功能恢复正常
技术原理深入
QQ消息撤回机制
QQ客户端的消息撤回流程通常包含以下几个步骤:
- 用户执行撤回操作
- 客户端发送撤回指令到服务器
- 服务器广播撤回通知
- 各客户端接收并处理撤回事件
OneBot事件监听原理
LLOneBot通过Hook QQNT的底层事件系统来捕获各种消息事件。对于撤回事件:
- 依赖QQNT原生的事件分发机制
- 需要完整的事件传递链
- 任何中间环节的中断都会导致事件丢失
最佳实践建议
- 插件管理:谨慎选择和管理QQ插件,避免功能冲突
- 版本同步:保持QQ客户端、LiteLoader和LLOneBot的版本同步更新
- 日志分析:遇到问题时首先检查运行日志,定位问题环节
- 隔离测试:新安装插件前进行隔离测试,确认兼容性
总结
消息撤回事件上报失效问题通常源于插件冲突,特别是防撤回类插件。通过系统的排查和合理的配置,可以确保OneBot的事件上报功能正常工作。建议用户在遇到类似问题时,优先考虑插件兼容性因素,并保持各组件的最新版本。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 WebVideoDownloader:高效网页视频抓取工具全面使用指南 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南
项目优选
收起
deepin linux kernel
C
24
8
Ascend Extension for PyTorch
Python
199
219
暂无简介
Dart
637
145
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++
654
278
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
React Native鸿蒙化仓库
JavaScript
246
316
🎉 (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
1.12 K
629
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
75
99
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
385
3.74 K