oicq 完整教程:10 分钟学会配置和部署你的第一个 QQ 机器人

oicq 完整教程:10 分钟学会配置和部署你的第一个 QQ 机器人

【免费下载链接】oicqTencent QQ Bot Library for Node.js 项目地址: https://gitcode.com/gh_mirrors/oi/oicq

想要快速搭建一个功能强大的 QQ 机器人吗?oicq 是一个基于 Node.js 的腾讯 QQ 机器人开发库,让你能够轻松实现自动化消息处理、群管理、好友互动等功能。本终极指南将带你从零开始,在短短 10 分钟内完成你的第一个 QQ 机器人的配置和部署!🚀

📦 前置准备与环境搭建

在开始之前,你需要确保系统已安装 Node.js v14 或更高版本。这是运行 oicq 的基本要求。可以通过 node -v 命令检查当前版本。

一键安装步骤

创建项目目录并初始化:

mkdir my-qq-bot cd my-qq-bot npm init -y 

接下来安装 oicq 包:

npm install oicq 

或者使用 yarn:

yarn add oicq 

查看 package.json 文件,确认 oicq 已正确添加到依赖项中。oicq 当前版本为 2.3.1,支持最新的 QQ 协议实现。

🤖 创建你的第一个 QQ 机器人

基础配置方法

创建一个名为 bot.js 的文件,添加以下代码:

const { createClient } = require("oicq") const account = 147258369 // 替换为你的QQ号 const client = createClient(account) // 登录成功事件 client.on("system.online", () => { console.log("机器人登录成功!") }) // 消息处理事件 client.on("message", e => { console.log("收到消息:", e) e.reply("你好,我是QQ机器人!", true) // true表示引用对方消息 }) // 扫码登录处理 client.on("system.login.qrcode", function (e) { console.log("请扫描二维码登录,扫描后按回车键继续") process.stdin.once("data", () => { this.login() }) }) client.login() 

这个简单的机器人会在收到消息时自动回复,并支持扫码登录。代码参考了 README.md 中的基础示例。

🔧 核心功能配置

事件监听与处理

oicq 提供了丰富的事件系统,你可以监听各种 QQ 事件:

  • 消息事件message - 接收所有消息
  • 群事件message.group - 仅接收群消息
  • 私聊事件message.private - 仅接收私聊消息
  • 系统事件system.onlinesystem.login.qrcode

查看 lib/events.ts 文件了解完整的事件列表和类型定义。

好友在线状态查询

oicq 还支持高级功能,如查询好友在线状态。参考 demo/get-friend-online-status.js 示例:

client.on("system.online", async function () { // 获取好友在线状态 const FSOLREQ = jce.encodeStruct([ this.uin, 0, 0, null, 1, 31, 0 ]) const body = jce.encodeWrapper({ FSOLREQ }, "mqq.IMService.FriendListServiceServantObj", "GetSimpleOnlineFriendInfoReq") const payload = await this.sendUni("friendlist.GetSimpleOnlineFriendInfoReq", body) const rsp = jce.decodeWrapper(payload)[1] console.log("我的好友在线状态:", rsp) }) 

🚀 部署与运行

本地运行测试

直接运行你的机器人:

node bot.js 

首次运行时,控制台会显示二维码,使用手机 QQ 扫描即可登录。扫码后按回车键完成登录流程。

生产环境部署建议

对于生产环境,建议:

  1. 使用密码登录:扫码登录仅能在同一 IP 下进行,密码登录更稳定
  2. 添加错误处理:完善异常捕获和重连机制
  3. 日志记录:使用 log4js 等日志库记录运行状态
  4. 进程管理:使用 pm2 等工具管理机器人进程

📚 高级功能探索

消息元素处理

oicq 支持丰富的消息类型,包括文本、图片、表情、@成员等。查看 lib/message/ 目录了解消息处理相关模块:

群管理功能

通过 lib/group.ts 可以实现群管理功能:

  • 禁言/解除禁言成员
  • 设置/取消管理员
  • 处理加群请求
  • 群文件管理

好友管理

lib/friend.ts 提供了好友管理接口:

  • 添加/删除好友
  • 设置好友备注
  • 发送好友消息
  • 处理好友请求

🛠️ 故障排除与优化

常见问题解决

  1. 登录失败:检查网络连接,确认 QQ 号正确
  2. 扫码无效:确保在同一网络环境下扫码
  3. 消息发送失败:检查权限设置和频率限制
  4. 内存泄漏:定期检查内存使用情况

性能优化技巧

  • 合理使用事件监听,避免重复绑定
  • 异步处理耗时操作
  • 缓存频繁访问的数据
  • 定期清理无用资源

📈 扩展与进阶

插件系统

oicq 支持插件扩展,可以添加更多功能:

  • oicq-guild:QQ 频道支持插件
  • 自定义插件:根据需求开发专用功能模块

与其他服务集成

将 QQ 机器人与其他服务集成:

  • 与 Web 服务对接
  • 数据库集成存储消息记录
  • API 接口提供外部调用
  • 定时任务自动化处理

🎯 总结

通过本教程,你已经掌握了使用 oicq 创建 QQ 机器人的完整流程。从环境搭建到基础配置,从核心功能到高级特性,现在你可以开始构建自己的智能 QQ 机器人了!

记住,oicq 的强大之处在于其丰富的 API 和灵活的事件系统。继续探索 lib/ 目录中的各个模块,你会发现更多有趣的功能等待你去实现。

现在就开始你的 QQ 机器人开发之旅吧!有任何问题,可以参考项目文档或社区讨论。祝你开发顺利!✨

【免费下载链接】oicqTencent QQ Bot Library for Node.js 项目地址: https://gitcode.com/gh_mirrors/oi/oicq

Read more

手把手教你完成libwebkit2gtk-4.1-0安装配置(Ubuntu 22.04)

从零搞定 libwebkit2gtk-4.1-0 安装:Ubuntu 22.04 下的实战避坑指南 你有没有遇到过这样的场景?写好了一个基于 GTK 4 的本地 Web 应用,信心满满地在 Ubuntu 22.04 上运行,结果终端弹出一行红色错误: error while loading shared libraries: libwebkit2gtk-4.1.so.0: cannot open shared object file 别急——这不是你的代码出了问题,而是系统里少了关键运行时库: libwebkit2gtk-4.1-0 。 这个库是现代 Linux 桌面开发中“嵌入网页”的核心技术组件。它让你能在原生应用里无缝展示 HTML 内容,比如 Markdown

IntelliJ IDEA 打包 Web 项目 WAR 包(含 Tomcat 部署+常见问题解决)

IntelliJ IDEA 打包 Web 项目 WAR 包(含 Tomcat 部署+常见问题解决)

一、引言 对于 IntelliJ IDEA 新手来说,Web 项目 WAR 包打包常因步骤多、配置深而卡壳,且多数教程仅讲“打包”却忽略“部署验证”和“问题排查”。本文将从前置准备→核心配置→打包验证→Tomcat 部署→问题解决,带你完整走通流程,避开 90% 的常见坑。 二、前置准备:确认基础配置(避免起步就错) 在开始打包前,先检查 3 个关键前提,缺失任一环节可能导致后续操作失败: 1. 确认项目类型:打开项目结构(快捷键 Shift+Ctrl+Alt+S),在「Modules」中查看模块类型是否为「Web Application」,若不是,

【技术干货】用 Claude 4.6 直接“写”出可上线的前端 UI:从画布工具到代码工作流的升级思路

【技术干货】用 Claude 4.6 直接“写”出可上线的前端 UI:从画布工具到代码工作流的升级思路

摘要 本文从 Google Stitch 热度切入,对比“AI 画布式 UI 生成”与“代码内 UI 生成”两种路径,系统拆解如何用 Claude 4.6 + 前端设计规则,在真实代码库中迭代出可上线的 UI。附完整 Python API 调用示例与提示词模板,并结合多模型平台薛定猫 AI 的接入方式,帮助前端/全栈开发者把 AI UI 生成直接融入开发流水线。 一、背景:从“好看截图”到“可上线 UI” 当前 AI UI 方向大致两类路径: 1. 画布式设计工具 代表:Google Stitch

TSPR-WEB-LLM-HIC (TWLH四元结构)AI生成式引擎(GEO)技术白皮书

TSPR-WEB-LLM-HIC (TWLH四元结构)AI生成式引擎(GEO)技术白皮书

TSPR-WEB-LLM-HIC 四元结构 AI 生成式引擎(GEO)技术白皮书   版本:V2.0 发布日期:2026年4月 编制:拓世网络技术团队   摘要   本白皮书系统阐述 TSPR-WEB-LLM-HIC 四元结构 AI 生成式引擎的技术体系、架构设计、核心能力与应用价值。该引擎是一套已落地验证的 AI 内容工程化方案,以概率化递推技术(TSPR-TS)为核心中枢,整合多源数据采集(WEB)、多模型大语言模型调用(LLM)与人机协同控制(HIC),构建从数据采集、意图建模、结构化投喂到协同代码生成的全链路闭环能力。引擎不训练大模型,仅利用现有 AI 进行语义分析与内容生成,兼顾效率、成本与可控性,可广泛应用于网站优化、推荐系统、内容平台及 AI 搜索优化(GEO/AEO/SEO)