EvolutionAPI Webhook Base64 功能异常分析与解决方案
问题背景
在EvolutionAPI项目中,从版本1.8.1升级到2.1.0后,用户报告了一个关于Webhook Base64功能的严重问题。该功能在保存设置后无法保持启用状态,页面刷新后会自动恢复为禁用状态。类似的问题也出现在"webhook by events"功能上,只有部分事件能够正常保持设置。
问题表现
当用户在管理界面启用Webhook Base64选项并点击保存后,表面上看起来操作成功了。然而,一旦刷新页面,该选项就会自动恢复为禁用状态。这意味着系统实际上并未真正保存用户的配置选择,导致依赖此功能的自动化流程无法正常工作。
影响范围
这个问题影响了多个版本:
- 2.1.0版本首次报告该问题
- 2.2.0、2.2.2和2.2.3版本仍然存在相同问题
- 2.1.1-homolog版本被证实可以正常工作
临时解决方案
由于官方版本中该功能存在稳定性问题,社区用户探索出了几种替代方案:
-
使用专用API端点获取Base64数据
通过调用专门的API端点/chat/getBase64FromMediaMessage/{instância}可以获取媒体消息的Base64编码。这需要发送一个POST请求,包含以下内容:- Headers中设置API密钥
- Body中包含消息ID和转换选项的JSON数据
-
降级到2.1.1-homolog版本
部分用户报告该特定版本功能正常,但这不是长期解决方案。
最佳实践建议
对于需要处理媒体消息Base64编码的场景,建议采用以下工作流程:
- 配置常规webhook接收消息通知
- 当收到包含媒体内容的消息时
- 使用专用API端点主动获取Base64编码内容
- 处理获取到的Base64数据
这种方法不仅更可靠,还能减少不必要的网络传输,因为只有在确实需要Base64数据时才发起请求。
技术实现示例
以下是获取媒体消息Base64编码的典型请求示例:
{
"message": {
"key": {
"id": "消息ID"
}
},
"convertToMp4": false
}
响应将包含媒体内容的Base64编码字符串,可直接用于后续处理。
总结
虽然Webhook Base64功能的自动发送在部分版本中存在稳定性问题,但通过使用专用API端点可以可靠地获取所需数据。建议开发者采用主动请求的方式替代依赖webhook自动发送Base64数据,这样不仅能解决当前问题,还能提高应用程序的健壮性和可控性。
对于依赖此功能的关键业务系统,建议密切关注EvolutionAPI的版本更新日志,待官方确认问题完全修复后再考虑切换回自动发送模式。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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