钉钉Webhook机器人如何发送群消息?

钉钉Webhook机器人如何发送群消息?

钉钉Webhook机器人如何发送群消息?

在钉钉中通过 Webhook 机器人发送消息的步骤如下:

一、创建自定义机器人

  1. 进入群设置
    • 打开钉钉群 → 点击右上角「设置」→「群管理」
  2. 添加机器人
    • 点击 [机器人] ->「添加机器人」→ 选择「自定义」
    • 点击「添加」
  3. 获取Webhook地址
    • 创建完成后复制 Webhook URL

设置成功后如下:

在这里插入图片描述


在这里插入图片描述

二、发送消息示例

1. 基础文本消息

import json import requests url ="你的Webhook地址" headers ={"Content-Type":"application/json"} data ={"msgtype":"text","text":{"content":"监控报警:服务器CPU使用率超过90%"}} response = requests.post(url, headers=headers, data=json.dumps(data))print(response.json())

2. Markdown格式消息

data ={"msgtype":"markdown","markdown":{"title":"项目更新","text":"### 项目进度报告\n- **任务**:API开发\n- **状态**:✅ 已完成\n- **负责人**:张三\n- [查看详情](http://example.com)"}}

3. 带@提醒的消息

data ={"msgtype":"text","text":{"content":"@张三 请处理紧急工单"},"at":{"atMobiles":["13888888888"],# 手机号"atUserIds":["user123"],# 用户ID"isAtAll":False# 是否@所有人}}

4. 链接消息

data ={"msgtype":"link","link":{"text":"这是一条链接消息","title":"系统通知","picUrl":"https://img.example.com/1.jpg","messageUrl":"https://www.example.com"}}

5. ActionCard(按钮卡片)

data ={"msgtype":"actionCard","actionCard":{"title":"审批通知","text":"### 请假申请\n申请人:李四\n时间:2024-01-01","btns":[{"title":"同意","actionURL":"http://example.com/approve"},{"title":"拒绝","actionURL":"http://example.com/reject"}]}}

三、安全设置处理

加签验证

import time import hmac import hashlib import base64 import urllib.parse timestamp =str(round(time.time()*1000)) secret ="你的加签密钥" secret_enc = secret.encode('utf-8') string_to_sign =f'{timestamp}\n{secret}' string_to_sign_enc = string_to_sign.encode('utf-8') hmac_code = hmac.new(secret_enc, string_to_sign_enc, digestmod=hashlib.sha256).digest() sign = urllib.parse.quote(base64.b64encode(hmac_code))# 将timestamp和sign添加到URL webhook_url =f"{原URL}&timestamp={timestamp}&sign={sign}"

四、使用 cURL 示例

curl'你的Webhook地址'\ -H 'Content-Type: application/json'\ -d '{ "msgtype": "text", "text": { "content": "测试消息" } }'

注意事项

  1. 频率限制:每分钟最多20条消息
  2. 消息长度:文本消息不超过5000字符
  3. 关键词匹配:如果设置了关键词,消息中必须包含
  4. 错误处理:建议添加重试机制和错误日志
  5. 敏感信息:不要在消息中暴露敏感数据

调试建议

  • 使用钉钉官方提供的调试工具
  • 先发送测试消息验证配置
  • 检查返回的状态码和错误信息

这样你就可以通过钉钉Webhook机器人发送各种类型的消息了!

Read more

2026最新AI聚合系统(渐进式AIGC系统):nano-banana-2第二代绘画、VEO3/VEO3.1、Sora-2视频生成大模型私有化独立系统+扣子工作流Agent智能体

2026最新AI聚合系统(渐进式AIGC系统):nano-banana-2第二代绘画、VEO3/VEO3.1、Sora-2视频生成大模型私有化独立系统+扣子工作流Agent智能体

SparkAi系统:渐进式AIGC系统,一款基于OpenAi/ChatGPT、GPT-5.2/GPT-5、最新旗舰大模型Claude-opus-4-6、nano-banana-2第二代绘画大模型、Gemini-3.1-pro、DeepSeek、Sora-2、VEO3.1、Agent智能体 扣子(coze)插件、工作流、函数、知识库 等AI大模型能力开发的一站式AI系统;支持「🤖AI聊天」、「🎨专业AI绘画」、「🧠AI智能体」、「🪟Agent应用」、「🎬AI视频生成」等,支持独立私有部署!提供面向个人用户 (ToC)、开发者 (ToD)、企业 (ToB)的全面解决方案。 一、SparkAi系统/官网 最新旗舰大模型Claude-opus-4-6、GPT-5.3-Codex、GPT-5.2、GPT-5-PRO、gpt-image-1.5绘画大模型、超强生图

Z-Image-Turbo_Sugar脸部Lora:5分钟快速部署甜妹风格AI绘画

Z-Image-Turbo_Sugar脸部Lora:5分钟快速部署甜妹风格AI绘画 你是不是也想轻松生成那种让人眼前一亮的甜妹风格AI绘画?现在有了Z-Image-Turbo_Sugar脸部Lora,只需要5分钟就能部署完成,无需任何复杂配置,直接开始创作属于你的甜美系AI艺术作品。 这个镜像基于强大的Z-Image-Turbo模型,专门针对甜妹风格进行了优化,无论是清纯可爱的淡颜系,还是微醺迷人的蜜桃系,都能一键生成。下面我就带你快速上手这个超好用的AI绘画工具。 1. 环境准备与快速启动 1.1 选择合适的环境 在ZEEKLOG算力平台选择"Z-Image-Turbo_Sugar脸部Lora"镜像创建实例。这个镜像已经预装了所有必要的依赖,包括Xinference推理框架和Gradio可视化界面,开箱即用。 建议选择GPU环境以获得更好的生成速度,不过CPU环境也能正常运行,只是生成时间会稍长一些。 1.2 等待服务启动 创建实例后,系统会自动启动所有服务。初次加载需要一些时间,因为要加载模型权重和初始化推理环境。你可以通过以下命令查看启动状态: cat /ro

体验Stable Diffusion 3.5省钱攻略:比买显卡省90%,按需付费

体验Stable Diffusion 3.5省钱攻略:比买显卡省90%,按需付费 你是不是也遇到过这样的情况:作为自由职业者,客户突然发来一个AI绘画项目需求,说“先做个样图看看效果”。你心里一紧——要测试 Stable Diffusion 3.5 吗?可自己电脑跑不动,租专业显卡又太贵,动辄每月上千元,就为了做几次测试,实在不划算。 别急,我最近发现了一个超低成本的解决方案:用云端算力平台按小时计费的方式,部署 Stable Diffusion 3.5 镜像,完成一次高质量图像生成测试,总成本不到10块钱!相比动辄上万元买显卡或每月固定租赁高端GPU,直接省下90%以上的费用。 这篇文章就是为你量身打造的“小白友好型”实操指南。我会带你一步步从零开始,在ZEEKLOG星图提供的预置镜像环境中,快速启动 Stable Diffusion 3.5,生成专业级图像,并掌握关键参数调优技巧。无论你是设计师、

Qwen3-Embedding-4B推荐方案:llama.cpp集成部署教程

Qwen3-Embedding-4B推荐方案:llama.cpp集成部署教程 1. 引言 1.1 通义千问3-Embedding-4B:面向未来的文本向量化模型 Qwen3-Embedding-4B 是阿里云通义千问(Qwen)系列中专为「语义向量化」设计的中等规模双塔模型,于2025年8月正式开源。该模型以4B参数量、2560维输出向量、支持32k长文本上下文为核心亮点,定位为兼顾性能与效率的企业级语义理解基础设施组件。 其在MTEB(Multilingual Task Evaluation Benchmark)三大子集上表现优异:英文74.60、中文68.09、代码73.50,均优于同尺寸开源embedding模型。更重要的是,它支持119种自然语言及主流编程语言,在跨语言检索、bitext挖掘等任务中达到官方评估S级水平。 得益于Apache 2.0开源协议,Qwen3-Embedding-4B可直接用于商业场景,无需额外授权,极大降低了企业构建多语言知识库、智能客服、文档去重系统的门槛。 1.2 部署目标:轻量化 + 高性能