【亲测免费】 健康160全自动挂号脚本 - 91160-cli 使用指南
项目介绍
91160-cli 是一款专为简化健康160挂号过程而设计的命令行工具,由 pengpan 开发。这款神器旨在帮助用户自动完成挂号流程,包括但不限于指定医生、就诊人、挂号时间,并具备定时挂号和代理刷号能力。项目采用 Java 实现,保证了高兼容性和稳定性,特别适合那些难以手动捕捉放号时机的场景。
项目快速启动
环境要求
确保你的系统已安装 Java 1.8 或更高版本。
获取项目
首先,通过 Git 克隆项目到本地:
git clone https://github.com/pengpan/91160-cli.git
初始化配置
接下来,初始化配置文件,这一步只需要执行一次:
java -jar 91160-cli.jar init
这将生成 config.properties 文件,你可以根据需要修改该配置文件来定制挂号行为。
开始挂号
一旦配置完毕,即可启动挂号流程:
java -jar 91160-cli.jar register -c config.properties
如果你想使用 Docker 方式简化部署,可以这样做:
docker run --name 91160-cli \
-v $PWD/91160-cli/config:/app/config \
-v $PWD/91160-cli/logs:/app/logs \
-e APP_CMD='register' \
-e APP_CMD_ARGS='-c config/config.properties' \
-d pengpan/91160-cli:latest
应用案例和最佳实践
-
定时挂号: 假设你想在每天特定时间自动尝试挂号某位热门医生,可以在配置文件中启用定时挂号功能 (
enableAppoint=true) 并设定具体时间 (appointTime)。enableAppoint=true appointTime=2023-10-15 08:00:00 -
代理设置: 对于网络环境复杂的情况,可以利用代理提高挂号成功率。创建一个
proxy.txt文件,列出你的代理信息,然后在配置文件中启用代理设置。 -
刷号模式调整: 若发现不同页面的放号逻辑差异,可以通过配置
brushChannel来切换刷号通道。
典型生态项目
虽然直接关联的典型生态项目信息未明确提及,但值得注意的是,91160-cli 解决了一个特定领域的痛点问题——医疗资源的自动化预约。对于类似需求的其他服务或者开源项目,可能涉及自动化预约、资源配置优化等领域,尽管它们可能不是直接由pengpan开发或紧密相关的项目,但任何旨在提升此类服务质量的工具都可以视作其生态环境的一部分。
以上就是关于 91160-cli 的快速入门和一些实用场景介绍,希望它能成为你在医疗资源紧张时刻的小助手。记住,在使用过程中遵守相关法律法规和个人隐私政策,合理合法地使用此工具。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00