Gotify项目中JSON消息扩展字段的多媒体集成方案
2025-05-18 05:45:08作者:伍希望
背景与问题场景
在基于Gotify构建的通知系统中,开发者常需要实现富媒体通知功能。典型场景如安防监控系统(示例中的Blueiris)触发告警时,需要同时推送事件图片到移动设备。原始问题暴露了两个技术痛点:
- Android系统通知栏无法正确渲染Markdown格式的图片引用
- 多扩展字段(extras)的JSON结构编排问题
核心解决方案
通过Gotify的扩展字段机制实现双通道图片传输:
- 消息正文:采用Markdown语法内联图片,确保应用内展示效果
- 通知扩展:通过client::notification.bigImageUrl字段提供系统级通知大图支持
正确JSON结构示例:
{
"title": "监控告警",
"message": "",
"priority": 5,
"extras": {
"client::display": {
"contentType": "text/markdown"
},
"client::notification": {
"bigImageUrl": "https://example.com/alert.jpg"
}
}
}
技术要点解析
-
数据类型规范:
- priority字段必须为整型数值
- 图片URL需确保公网可访问性
- 建议使用标准图片格式(JPG/PNG)
-
字段作用域:
- client::display控制应用内渲染行为
- client::notification影响系统通知样式
-
内容协商机制:
- Markdown渲染需显式声明contentType
- 同一资源建议同时提供内联和扩展两种引用方式
系统集成实践
以Blueiris监控系统为例的完整实现方案:
-
文件输出层:
- 配置告警动作输出PS1脚本模板
- 保留系统变量插值功能(如&ALERT_PATH)
-
媒体处理层:
- 独立服务将图片发布到Web可访问位置
- 确保URL规范化(去除特殊字符)
-
执行控制层:
- 使用PowerShell 7+运行时
- 通过cURL发送结构化请求
典型PowerShell脚本示例:
$json = @{
title = "&CAM &MEMO"
message = ""
priority = 5
extras = @{
"client::display" = @{ contentType = "text/markdown" }
"client::notification" = @{ bigImageUrl = "https://cdn.example.com/&ALERT_PATH" }
}
} | ConvertTo-Json
curl.exe -X POST -H "Content-Type: application/json" -d $json $webhookUrl
兼容性建议
-
移动端适配:
- Android系统通知对大图有尺寸限制(建议不超过2MB)
- 考虑添加图片压缩环节
-
安全增强:
- 对图片URL实施签名验证
- 设置合理的访问有效期
-
错误处理:
- 添加HTTP请求重试机制
- 实现媒体上传的校验流程
该方案已在实际生产环境中验证,可稳定支持每分钟数十次告警事件的图片推送需求。开发者可根据具体业务场景调整媒体处理策略和通知优先级设置。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
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
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
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
321
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
Ascend Extension for PyTorch
Python
157
178
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++
640
249
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
244
86
暂无简介
Dart
608
136
React Native鸿蒙化仓库
JavaScript
239
311
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
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
364
3.03 K