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 StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
618
795
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
433
395
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++
1.01 K
1.01 K
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
1.18 K
152
deepin linux kernel
C
29
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
暂无简介
Dart
983
252
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.68 K
989