NapCatQQ 4.7.77版本发布:全面优化与功能增强
项目概述
NapCatQQ是一款基于QQNT架构的跨平台QQ机器人框架,提供了丰富的API接口和灵活的扩展能力。该项目采用模块化设计,支持Windows、Linux和macOS等多个操作系统,能够满足开发者对于QQ机器人功能的各种需求。
核心更新内容
1. 系统兼容性提升
本次4.7.77版本全面适配了QQ 34606+版本,最低兼容28060版本。特别针对Windows平台提供了一键部署方案,包含两种选择:
- 无头模式(NapCat.Shell.Windows.OneKey)
- 有头模式(NapCat.Framework.Windows.OneKey)
对于Linux用户,项目提供了针对不同架构的deb和rpm包支持,包括x86_64和arm64架构。在运行环境方面,修复了Windows平台可能出现的dll缺失问题,并优化了运行库依赖管理。
2. 消息处理机制优化
新版本对消息处理系统进行了多项改进:
- 修复了合并转发消息残留问题
- 优化了高并发下的消息发送性能
- 解决了空格消息丢失的问题
- 增强了消息发送上下文识别能力
- 改进了撤回消息的上报机制
特别值得注意的是,poke功能现在支持拍自己,只需通过target_id参数传入即可实现这一操作。
3. 群组管理功能增强
群组管理方面新增和优化了多项功能:
- 增加了群全体禁言字段(group_all_shut)
- 扩展了群文件操作相关API
- 优化了群头衔缓存刷新机制
- 新增set_group_kick_members接口支持
- 修复了群禁言数据刷新不及时的问题
这些改进使得群组管理更加灵活和高效,特别是在大规模群组管理场景下表现更为出色。
4. 安全性与稳定性提升
4.7.77版本在安全性方面做了重要改进:
- WebUI鉴权过程由明文改为salt sha256加密
- 修复了一处重要问题
- 终端在默认密码下禁用
- 优化了HTTPS支持,只需在config文件夹放入cert.pem和key.pem即可启用
在稳定性方面,项目增强了鲁棒性,优化了文件处理逻辑,并改进了管道背压处理机制,特别是在Windows平台下表现更为稳定。
5. 用户交互体验优化
针对用户体验,新版本做了多项改进:
- WebUI支持回车登录
- 优化了WebUI配置的快速登录流程,解决了30秒等待问题
- 日志输出内容更加清晰和详细
- 修复了用户ID可能显示为负数的问题
- 增强了图片大小解析能力并提供了fallback机制
技术架构改进
4.7.77版本对底层架构进行了多项优化:
- 移除了piscina依赖,解决了__dirname相关问题
- 将compressing依赖库交给vite tree-shaking处理
- 重构了类型校验系统
- 优化了消息拉取reverse功能
- 改进了文件URL下载过程中的301/302重定向处理
这些底层改进不仅提升了系统性能,也为未来的功能扩展打下了坚实基础。
开发者友好特性
针对开发者体验,新版本增加了多个实用API接口:
- 单向好友获取功能
- 好友备注设置接口
- 已过滤好友申请操作接口(get_doubt_friends_add_request/set_doubt_friends_add_request)
- 群机器人添加选项设置(set_group_robot_add_option)
- 群组搜索设置(set_group_search)
- 原始群组详情接口(raw detail group)
这些接口的加入大大扩展了开发者的操作空间,使得能够实现更复杂的业务逻辑。
跨平台支持
4.7.77版本在跨平台支持方面取得显著进展:
- 完整适配Windows 34231版本
- 兼容Linux 34231环境
- 支持amd64架构下的Windows/Linux 35951版本
- 优化了Linux平台下的兼容性
- 修复了macOS平台的相关问题
总结
NapCatQQ 4.7.77版本是一个功能全面、稳定性高的重大更新,在消息处理、群组管理、安全性和开发者体验等方面都有显著提升。项目团队持续关注用户反馈,修复了大量已知问题,同时引入了多项实用新功能,使得NapCatQQ成为QQ机器人开发领域的强大工具。
对于开发者而言,这个版本提供了更稳定、更安全的基础环境;对于终端用户,则带来了更流畅、更可靠的使用体验。随着项目的持续发展,NapCatQQ有望成为QQ生态系统中不可或缺的重要组成部分。
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-1.5暂无简介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
Spark-Formalizer-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