(保姆级教程)通过官方API搭建一个自己的QQ群聊机器人

(保姆级教程)通过官方API搭建一个自己的QQ群聊机器人

简介

用官方api做了一个qq群聊机器人的demo,有获取天气、简单编辑待办、从本地发送图片等功能。

建了个群,欢迎来交流(

QQ群号:710101225

重新写了个基于nonebot框架的教程,个人认为比官方sdk更容易开发:https://blog.ZEEKLOG.net/Clovertaa/article/details/145452834

获取

机器人demo

GitHub仓库:GitHub - ClovertaTheTrilobita/SanYeCao-bot: 一个基于官方API的QQ群聊机器人

官方SDK

GitHub仓库:GitHub - tencent-connect/botpy: QQ频道机器人PythonSDK

教程

前置需求

本项目使用conda环境和git操作。如果未安装这两个工具请首先移步

史上最全最详细的Anaconda安装教程-ZEEKLOG博客

Git 详细安装教程(详解 Git 安装过程的每一个步骤)_git安装-ZEEKLOG博客

(这俩教程我粗略看了下感觉挺好的,如果不适合你那烦请自行百度了qwq)

一、配置QQ开放平台

网址:QQ 开放平台

1.机器人设置

完成注册之后,登陆,进入主页,点击创建机器人

简单填写好资料之后,进入机器人控制面板,找到“沙箱配置”。

点击进入,选择你想在哪个群里测试你的qq机器人。

注意,你必须是该群的群主或者管理员。

在你选择的群聊中,打开群聊设置>群机器人,选择其它,可以看到你创建的机器人。将它邀请进群。

下一步,在导航栏中找到“发布设置”。

点击功能配置。

之后点击右上角的重新配置,设置机器人被at后输入栏上方会弹出的指令。需要根据代码来配置。

以下是我配置的。

最后,在导航栏中找到“开发设置”。

查看你的机器人的AppleID和AppleSecret。由于AppleSecret不会明文保存在网页上,刚创建的机器人需要点击“生成”,并将生成的密钥记录下来,我们在之后的步骤中要用。

注意:生成密钥后退出页面将无法再次查看密钥,所以请妥善记录并保管好。

二、拉取项目

进入GitHub,点击绿色的<>code

之后复制项目仓库链接

之后在自己的文件夹空白处右键,选择open git bash  here

输入

git clone https://github.com/ClovertaTheTrilobita/SanYeCao-bot.git

将项目拉取至本地。

三、启动机器人

很好!现在我们拿到了机器人的源代码,只需要启动它就行了。

请详细阅读项目的README.md根据指引配置API和其它一些东西。

1.配置机器人账号密码

找到./botpy/examples/config.yaml

appid: "Your_Bot_Id" secret: "Enter_Your_Secret_Here"

还记得第一步中我们保存的机器人ID和密钥么?

将你在QQ开放平台上的AppleID和AppleSecret分别填入Your_Id和Enter_Your_Secret_Here的位置。

2.配置图床API

首先打开图床:Image Upload - SM.MS - Simple Free Image Hosting

注册/登陆之后,在右上角找到User

单击,点击DashBoard

在左侧导航栏中找到API Token,如果是第一次使用需要点击Gennerate Secret Token生成令牌。

复制你的令牌,进入项目。

在./botpy/examples/plugins/img_upload.py中,找到

headers = {'Authorization': 'Your_Token'} # 此处填写你的API Token

将上述代码中的Your_Token改为你刚刚复制的令牌。

这样我们就完成了机器人API的配置。

3.配置conda环境(推荐)

接下来,我们回到项目根目录,打开终端,输入

conda create -n chatbot

创建一个名为chatbot的环境,如果你想起别的名字就请把chatbot换为你喜欢的名字。

之后在终端输入

conda activate chatbot

 启动我们刚刚创建的环境。

刚刚创建的conda环境貌似是没有pip安装器的,所以我们要

conda install pip 

安装pip

最后一步,在项目根目录输入

pip install -r requirements.txt

安装所需要的软件包。

requirements.txt内的包可能看起来很多,实际上大部分都是conda环境自带的,我直接把所有的贴上去了,因为懒()

4.启动机器人

非常棒!现在我们已经完成了所有所需要的配置!

我们只需要进入./botpy/examples目录,找到client.py。在终端中输入

python client.py

启动机器人。

现在你就可以在群聊中at它啦。

 

Read more

Pycharm 中的本地git 如何关联到 gitee ?

Pycharm 中的本地git 如何关联到 gitee ?

前言: 这里我用一个实际的项目来做了一个实际的这个操作啊,将本地的git仓库上传到gitee上。 1 在gitee上注册账号: 登陆gitee后,里面有很多方法进行注册,比如微信和手机:具体这个省略了。 有3个不同的类型,私有,团队,和社区组织: 我们这里选取私有的仓库,见下一节: 2  新建一个gitee的git仓库: 然后,我们在仓库名称这里输入,他会自动给你配置一个仓库的路径地址, 注意,为了避免冲突,下面的选项,不要选: 直接选择【创建】 仓库创建后: 3 pycharm git 准备 3.1 commit 代码 3.2 推送到gitee 找到gitee的账号,比如我的: 3.2.1 找到项目的地址: 复制一下: https://gitee.com/mountain_cloud/

抛弃无头浏览器!阿里9K Star开源神作Page-Agent:用一行JS代码让大模型寄生前端DOM

抛弃无头浏览器!阿里9K Star开源神作Page-Agent:用一行JS代码让大模型寄生前端DOM

抛弃无头浏览器!阿里9K Star开源神作Page-Agent:用一行JS代码让大模型"寄生"前端DOM 当传统的自动化脚本还在艰难地寻找 DOM 节点时,Page-Agent 已经在你的网页里主动问用户:“这份30个字段的报销单,我已经帮你填好了,还需要核对一下再提交吗?” 一、一场让前端圈彻底沸腾的开源风暴 2026年初,GitHub 上出现了一个现象级的开源项目——Page-Agent(由阿里开源)。如果说过去两年的 Web AI 创新多集中在后端的 API 调用,那么 Page-Agent 则是一场属于前端和界面的燎原烈火。 这不是普通的开源库,这是前端交互范式的"海啸": * 📈 惊人的引入曲线: 从发布到飙升至 9,000+ Stars,并在 Hacker News 等社区霸榜。它将极其复杂的"网页级智能体"

Comsol 等离子体仿真:Ar 棒板粗通道流注放电探秘

Comsol 等离子体仿真:Ar 棒板粗通道流注放电探秘

Comsol等离子体仿真,Ar棒板粗通道流注放电。 电子密度,电子温度,三维视图,电场强度等。 5.5,6.0版本。 最近在研究等离子体相关的课题,用到了 Comsol 软件来对 Ar 棒板粗通道流注放电进行仿真,今天就来和大家分享一下其中的一些关键要点和有趣发现,特别是涉及到电子密度、电子温度、三维视图以及电场强度这些重要参数的分析,同时还会聊聊 Comsol 5.5 和 6.0 版本在这个过程中的一些特点。 一、Comsol 版本选择 Comsol 5.5 和 6.0 版本在功能上有一定的迭代和优化。5.5 版本已经是一个非常成熟的版本,对于等离子体仿真的基础功能十分完备。而 6.0 版本则在一些细节和新特性上有所增强,比如在多物理场耦合的计算效率上可能会有一些提升,对于复杂模型的处理也更加友好。在实际操作中,如果你已经对

YOLOFuse与无人机红外相机配套使用实战记录

YOLOFuse与无人机红外相机配套使用实战记录 在夜间搜救任务中,一架搭载双光相机的无人机正低空盘旋。地面指挥中心的屏幕上,浓雾笼罩下的树林几乎不可见——然而,在热成像画面中,一个微弱但清晰的人体热源轮廓被迅速锁定,并自动标注上红色检测框。这不是科幻场景,而是基于 YOLOFuse + 无人机红外系统 的真实应用案例。 这类复杂环境下的目标检测需求正在快速增长:电力巡检需穿透烟尘发现过热部件,边境监控要在漆黑环境中识别非法越境者,森林火灾救援则要从滚滚浓烟中定位被困人员。传统仅依赖可见光的目标检测模型在这种场景下频频失效,而多模态融合技术正成为破局关键。 本文将围绕 YOLOFuse 这一轻量级多模态检测框架,结合实际部署经验,深入剖析其如何与无人机红外相机系统协同工作,解决极端条件下的感知难题,并分享从环境配置到推理优化的一线实战细节。 架构设计与核心技术解析 双流融合的设计哲学 YOLOFuse 并非简单地并行运行两个YOLO模型再合并结果,而是构建了一个真正意义上的“双编码器-融合解码器”架构。它的核心思想在于:让RGB和红外图像在特征层面产生交互,而非孤立处理。