docker 部署wechatbot-webhook 并获取接口实现微信群图片自动保存到chevereto图库等

功能如图:
在这里插入图片描述
docker部署

version: "3"
services:
    excalidraw:
        image: dannicool/docker-wechatbot-webhook:latest
        container_name: wechatbot-webhook
        deploy:
          resources:
            limits:
              cpus: '0.15'
              memory: 500M
            reservations:
              cpus: '0.05'
              memory: 80M
        restart: always
        ports:
            - 3005:3001
        environment:
            - LOG_LEVEL=info # 调整容器输出级别(不影响日志文件输出等级)运行时提示的消息等级(默认info,debug级别会输出详细的日志)
            # - DISABLE_AUTO_LOGIN=true # 如果不希望登录一次后就记住当前账号,想每次都扫码登陆,填 true
            - ACCEPT_RECVD_MSG_MYSELF=true # 如果希望机器人可以自己接收消息,填 true
            - RECVD_MSG_API=http://192.168.2.200:8082/conut  # 如果想自己处理收到消息的逻辑,在下面填上你的API地址, 默认为空
            - LOGIN_API_TOKEN=123456
        volumes:
            - ./app:/app/log

启动容器
发送指令操作官网查看: 官网

#个人
curl --location 'http://localhost:3005/webhook/msg/v2?token=123456' \
--header 'Content-Type: application/json' \
--data '{
    "to": { "alias": "麻总"},
    "data": { "content": "你好" }
}'

#群发
curl --location 'http://localhost:3005/webhook/msg/v2?token=123456' \
--header 'Content-Type: application/json' \
--data '{
    "to": "高端运维到点不干",
    "isRoom": true,
    "data": { "content": "11" }
}'

回调地址

  • 3
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
基于 wechatbot-webhook微信机器人,支持 GPT 问答、热搜、天气预报、消息转发、小游戏、Webhook提醒等功能。 GPT, 通常指的是“Generative Pre-trained Transformer”(生成式预训练转换器),是一个在自然语言处理(NLP)领域非常流行的深度学习模型架构。GPT模型由OpenAI公司开发,并在多个NLP任务上取得了显著的性能提升。 GPT模型的核心是一个多层Transformer解码器结构,它通过在海量的文本数据上进行预训练来学习语言的规律。这种预训练方式使得GPT模型能够捕捉到丰富的上下文信息,并生成流畅、自然的文本。 GPT模型的训练过程可以分为两个阶段: 预训练阶段:在这个阶段,模型会接触到大量的文本数据,并通过无监督学习的方式学习语言的结构和规律。具体来说,模型会尝试预测文本序列中的下一个词或短语,从而学习到语言的语法、语义和上下文信息。 微调阶段(也称为下游任务训练):在预训练完成后,模型会被应用到具体的NLP任务中,如文本分类、机器翻译、问答系统等。在这个阶段,模型会使用有标签的数据进行微调,以适应特定任务的需求。通过微调,模型能够学习到与任务相关的特定知识,并进一步提高在该任务上的性能。 GPT模型的优势在于其强大的生成能力和对上下文信息的捕捉能力。这使得GPT模型在自然语言生成、文本摘要、对话系统等领域具有广泛的应用前景。同时,GPT模型也面临一些挑战,如计算资源消耗大、训练时间长等问题。为了解决这些问题,研究人员不断提出新的优化方法和扩展模型架构,如GPT-2、GPT-3等,以进一步提高模型的性能和效率。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值