grammY 机器人开发中 setMyCommands 的常见问题与解决方案
2025-06-29 14:34:35作者:裘晴惠Vivianne
在基于 grammY 框架开发即时通讯机器人时,setMyCommands API 的调用是一个常见但容易出错的环节。本文将深入分析该问题的技术背景,并提供多种解决方案。
问题现象
开发者在单元测试中调用 setMyCommands 时遇到 404 错误,具体表现为:
- 测试运行时抛出
GrammyError: Call to 'setMyCommands' failed! (404: Not Found) - 错误发生在模块加载阶段而非测试执行阶段
根本原因分析
这个问题主要由两个技术因素导致:
-
模块加载顺序问题
在代码结构中,setMyCommands调用直接写在模块顶层,会在模块导入时立即执行。而此时测试环境的请求转换器(transformer)尚未安装,导致实际向服务器发送了无效请求。 -
测试环境特殊性
测试环境下通常使用模拟数据,而直接调用 API 会尝试连接真实服务器,这与测试隔离原则相违背。
解决方案
方案一:代码结构调整(推荐)
将命令设置逻辑封装为函数,在适当的时机调用:
// bot.ts
export async function setupCommands(bot: Bot) {
await bot.api.setMyCommands([
// 命令列表
])
}
// 测试文件中
beforeAll(async () => {
// 先安装转换器
bot.api.config.use(/* ... */)
// 再设置命令
await setupCommands(bot)
})
方案二:生产环境最佳实践
对于生产环境,建议采用以下模式:
-
通过管理工具直接配置
最简单可靠的方式是直接使用管理工具设置全局命令。 -
部署脚本控制
将命令设置逻辑放在部署脚本中执行,而不是放在业务代码里:
# deploy.sh
npx ts-node src/deploy-commands.ts
- 动态命令设置
只有在需要设置特定作用域命令(如群组专属命令)时,才在业务代码中使用setMyCommands:
bot.on('chat_member', async (ctx) => {
if (ctx.chatMember.new_chat_member.status === 'member') {
await ctx.api.setMyCommands(/* ... */, {
scope: { type: 'chat', chat_id: ctx.chat.id }
})
}
})
测试环境特殊处理
在测试环境中,需要特别注意:
- 请求拦截
确保所有 API 调用都被正确拦截和模拟:
beforeAll(() => {
bot.api.config.use((prev, method, payload) => {
if (method === 'setMyCommands') {
return { ok: true, result: true } // 模拟成功响应
}
return prev(method, payload)
})
})
- 异步控制
所有异步操作都应在测试生命周期钩子中正确处理:
describe('Bot测试', () => {
beforeAll(async () => {
await bot.init()
await setupTestCommands()
}, 10000) // 适当延长超时
})
总结
在 grammY 框架中处理机器人命令设置时,开发者应当:
- 区分生产环境和测试环境的不同需求
- 遵循模块化原则,将配置逻辑与业务逻辑分离
- 在测试中确保完全的请求隔离
- 根据实际场景选择最合适的命令设置方式
通过合理的架构设计和环境隔离,可以有效避免 setMyCommands 相关的各种问题,构建更健壮的即时通讯机器人应用。
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 StartedRust0198
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 Notebook0129
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。Python08
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
项目优选
收起
暂无描述
Dockerfile
767
5.02 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++
865
1.96 K
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++
691
1.36 K
Ascend Extension for PyTorch
Python
728
903
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
460
455
deepin linux kernel
C
32
16
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++
1.09 K
1.12 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
Claude 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 Started
Rust
1.92 K
198
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
631