企业微信群通知机器人添加点击链接教程(图文 / Markdown 两种方式)

在使用企业微信群通知机器人时,很多开发者会有 “能否添加可点击链接” 的需求 —— 比如推送文档地址、业务系统入口、数据报表链接等。答案是:完全可以!本文将详细介绍两种核心实现方式(图文消息 / Markdown 消息),附完整代码示例和注意事项,新手也能快速上手。​

一、前置准备:已获取群机器人 Webhook 地址​

在添加链接前,需先完成群机器人的创建并获取 Webhook 地址,步骤回顾:​

  1. 进入企业微信目标群聊 → 点击右上角 “...” → 选择 “添加群机器人” → 新建机器人并命名;​
  2. 创建成功后,复制系统生成的 Webhook 地址(格式类似 https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxx),后续发送请求需用到该地址。​

二、两种添加点击链接的实现方式​

方式 1:Markdown 消息(推荐!支持文本内嵌入链接)​

Markdown 格式支持在文本中直接插入可点击链接,语法与常规 Markdown 一致:[链接显示文本](链接地址),适合需要搭配文字说明的场景(如 “点击查看报表”“下载操作手册”)。​

1.1 请求格式说明​

  • 请求方式:HTTP POST​
  • 请求头:Content-Type: application/json​
  • 请求体:msgtype 设为 markdown,在 content 字段中通过 Markdown 语法插入链接。​

1.2 完整代码示例(含多种链接场景)

{ "msgtype": "markdown", "markdown": { "content": "### 【业务通知】今日数据报表已生成\n\n1. 核心指标:新增用户328人,付费转化率12.5%\n2. 详细数据:[点击查看完整报表](https://example.com/report/20240520)\n3. 操作指南:[下载数据导出手册](https://example.com/docs/export.pdf)\n4. 问题反馈:[提交优化建议](https://example.com/feedback)\n\n> 提示:报表仅支持电脑端打开,有效期7天" } }

1.3 效果展示​

发送后群内消息会显示为:​

  • 标题加粗,正文包含 3 个可点击蓝色链接;​
  • 支持搭配列表、引用等 Markdown 样式,排版更清晰。​

方式 2:图文消息(适合突出图片 + 跳转链接)​

图文消息(news 类型)支持 “图片 + 标题 + 描述 + 跳转链接” 的组合形式,点击图片或标题均可跳转到指定地址,适合需要视觉吸引的场景(如活动推广、重要公告)。​

2.1 请求格式说明​

  • 请求方式:HTTP POST​
  • 请求头:Content-Type: application/json​
  • 请求体:msgtype 设为 news,articles 数组中配置图文信息(支持单条或多条图文),核心字段说明:​
  • title:图文标题(必填);​
  • description:图文描述(可选);​
  • url:跳转链接(必填,支持 HTTP/HTTPS);​
  • picurl:图片地址(可选,建议尺寸比例 16:9,支持公网可访问图片)。​

2.2 完整代码示例(单条图文)

{ "msgtype": "news", "news": { "articles": [ { "title": "2024年Q2产品更新公告", "description": "新增3大核心功能+2项性能优化,点击查看详细更新日志", "url": "https://example.com/product/update/2024q2", "picurl": "https://example.com/images/update-2024q2.jpg" } ] } }

2.3 多图文示例(支持多条链接)​

若需推送多个链接,可在 articles 数组中添加多个图文对象:

{ "msgtype": "news", "news": { "articles": [ { "title": "产品更新日志", "description": "Q2功能更新详情", "url": "https://example.com/product/update/2024q2", "picurl": "https://example.com/images/update.jpg" }, { "title": "用户使用手册", "description": "新功能操作指南", "url": "https://example.com/docs/manual", "picurl": "https://example.com/images/manual.jpg" } ] } }

三、关键注意事项(避坑指南)​

  1. 链接有效性:必须使用 http:// 或 https:// 开头的公网可访问链接,内网地址(如 http://192.168.x.x)群成员无法打开;​
  2. 图片限制:图文消息的 picurl 需为公网图片(可上传至企业微信素材库或第三方图床),否则会显示失效;​
  3. Markdown 兼容性:企业微信 Markdown 仅支持部分语法,链接语法 [文本](url) 完全兼容,但不支持复杂样式(如设置链接颜色);​
  4. 请求频率:单个机器人发送消息频率限制为 20次/分钟,避免高频调用导致限流;​
  5. 安全校验:Webhook 地址包含密钥,请勿泄露到公网(如 GitHub、博客),防止被恶意调用发送垃圾消息。

总结​

企业微信群机器人添加点击链接的核心是:Markdown 消息适合文本内嵌入链接,图文消息适合图片 + 标题跳转。两种方式均通过 Webhook 接口实现,配置简单且兼容性强,可满足大多数企业的通知需求。如果需要结合具体业务场景(如对接 CRM、ERP 系统推送链接),可以在评论区留言,进一步分享定制化方案!

Read more

ubuntu上安装OpenClaw并接入飞书机器人

ubuntu上安装OpenClaw并接入飞书机器人

大家好,我是一根甜苦瓜。今天来分享如何在本地安装openclaw并接入飞书,实现让AI给我打工。 最近AI圈更新太快了,从github copilot到cursor 到claud code ,再到codex,然后是最近火爆了的小龙虾(OpenClaw),可谓是百花齐放,应接不暇。本人也是github copilot+codex的深度用户,确实不错,所以最近打算折腾一下小龙虾,顺带教大家如何把智谱GLM 接入OpenClaw。 1. 前言 1.1 什么是openclaw 2026 年开年,AI 圈突然冒出一匹“野生黑马”——OpenClaw。这个开源个人 AI 助手项目在 GitHub 上只用了 两周时间就狂揽 15 万 Star,速度堪比开挂。 简单说,它就像给你配了一个 24 小时不下班的数字打工人: 把它部署在自己的电脑或服务器上,它就能接入 WhatsApp、Telegram、

【大模型应用篇】用 OpenClaw + 飞书打造 7x24 小时服务器运维机器人

【大模型应用篇】用 OpenClaw + 飞书打造 7x24 小时服务器运维机器人

前言 本文基于OpenClaw,也是最近超火的可在本地运行的AI Agent网关,记录从零搭建通过飞书对话管理服务器运维机器人的全过程。该机器人支持随时随地通过飞书查看服务器状态、检索日志、管理进程,其核心机制在于:由OpenClaw将聊天平台(飞书等)的消息路由至大模型,模型调用本地工具(如Shell、文件系统、浏览器)执行相应任务,最终将结果自动返回至飞书会话中,实现自动化运维交互。 架构概览 飞书 App (WebSocket 长连接)         ↕ OpenClaw Gateway (服务器上 systemd 常驻)         ↕ AI 模型 (DeepSeek v3.2/GLM 4.7)         ↕ 服务器 Shell (受白名单限制的命令执行) 核心组件: * OpenClaw Gateway:Agent 网关,管理会话、工具调用、渠道连接 * 飞书插件:通过

《机器人实践开发①:Foxglove 开发环境完整搭建指南(含常见坑位) 》

《机器人实践开发①:Foxglove 开发环境完整搭建指南(含常见坑位) 》

导语: 在机器人项目中,调试工具往往比算法本身更耗时间。Foxglove 作为新一代机器人可视化平台,提供了强大的话题订阅、视频显示、3D 展示和日志分析能力。本篇从零开始,手把手带你完成 Foxglove 的环境搭建,包含依赖安装、连接配置以及常见踩坑点。 《机器人实践开发》系列文章索引 《机器人实践开发①:Foxglove 开发环境完整搭建指南(含常见坑位)》 《机器人实践开发②:Foxglove 嵌入式移植 + CMake 集成》 《机器人实践开发③:Foxglove可视化机器人的眼睛-视频》 《机器人实践开发④:Foxglove可视化机器人的耳朵-声音》 《机器人实践开发⑤:Foxglove可视化机器人的3D显示》 《机器人实践开发⑥:Foxglove可视化机器人传感器数据》 《机器人实践开发⑦:Foxglove可视化机器人的日志显示》 《机器人实践开发⑧:Foxglove可视化机器人的地图显示》 《机器人实践开发⑨:Foxglove可视化机器人的MyBag 数据回放》 foxglove 官网 Foxglove 是一个专为机器人团队打造的平台,用于收

手把手教学:Windows环境部署Qwen2.5对话机器人

手把手教学:Windows环境部署Qwen2.5对话机器人 1. 教程目标与适用场景 1.1 学习目标 本文将带你从零开始,在 Windows 操作系统 上完成 Qwen/Qwen2.5-0.5B-Instruct 对话机器人的本地化部署。最终你将获得一个具备流式输出能力、支持中文问答与代码生成的 Web 聊天界面,无需 GPU 即可运行。 通过本教程,你将掌握: * 如何配置适用于大语言模型推理的 Python 环境 * 如何加载 Hugging Face 或 ModelScope 上的 Qwen2.5 模型 * 如何使用 Gradio 构建交互式 Web 聊天界面 * 如何实现低延迟、高响应的 CPU 推理服务 1.2