An open API service indexing awesome lists of open source software.

https://github.com/lstm-kirigaya/lagrange.onebot

基于 Lagrange.Core 实现的 NTQQ 接入框架
https://github.com/lstm-kirigaya/lagrange.onebot

qq qqbot qqrobot typescript-library

Last synced: 5 months ago
JSON representation

基于 Lagrange.Core 实现的 NTQQ 接入框架

Awesome Lists containing this project

README

        

![Lagrange.onebot](https://socialify.git.ci/LSTM-Kirigaya/Lagrange.onebot/image?description=1&font=Jost&forks=1&issues=1&language=1&logo=https%3A%2F%2Fpicx.zhimg.com%2F80%2Fv2-bdae55043d61d7bcfeeabead6e953959_1440w.jpeg%3Fsource%3Dd16d100b&name=1&pattern=Circuit%20Board&pulls=1&stargazers=1&theme=Light)

[Document | 文档](https://document.kirigaya.cn/blogs/lagrange.onebot/main.html)

# Lagrange.onebot

基于 Lagrange.Core 实现的 NTQQ 接入框架。

> 本项目由于使用了装饰器特性,所以目前只支持使用 typescript 进行开发。

## 相关项目

Lagrange.onebot
TypeScript 实现轻量级 OneBot 协议的机器人框架(👈你在这里

Lagrange.Core
NTQQ 的协议实现

OpenShamrock
基于 Lsposed 实现 OneBot 标准的机器人框架

Chronocat
基于 Electron 的、模块化的 Satori 框架

## 安装与使用

### 启动拉格朗日服务器

[Lagrange文档 - 快速部署 & 配置](https://lagrangedev.github.io/Lagrange.Doc/Lagrange.OneBot/Config/)

请使用 `screen`, `tmux` 或者 `pm2` 工具将拉格朗日挂在后台。

> 请使用默认配置!目前我们只支持拉格朗日默认的反向ws连接,虽然我知道你们肯定懒得折腾另外两种连接方式。

### 安装与配置本项目

在你的项目文件夹中
```bash
# npm
npm install lagrange.onebot

# yarn
yarn add lagrange.onebot
```
修改 `tsconfig.json`,开启装饰器

```json
{
"compilerOptions": {
...
"experimentalDecorators": true,
...
}
}
```

### 开始你的第一个 hello world

我们新建两个文件 `main.ts` 和 `impl.ts`. 也就是本项目 `./test` 文件夹下的内容。

下面的代码演示了如何开启服务,并在服务开启和关闭时给某个人发送消息。

```typescript
// main.ts
import { server } from 'lagrange.onebot';
import './impl';

// server 刚启动的时候要做的事情
server.onMounted(c => {
// 向 QQ 号为 1193466151 的好友发送文本信息 "成功上线"
c.sendPrivateMsg(1193466151, '成功上线');
});

// server 即将关闭时要做的事情
server.onUnmounted(c => {
// 向 QQ 号为 1193466151 的好友发送文本信息 "成功下线"
c.sendPrivateMsg(1193466151, '成功下线');
})

server.run({
// 拉格朗日服务器中的配置参数
host: '127.0.0.1',
port: 8080,
path: '/onebot/v11/ws',

// 你启动的机器人的 QQ 号
qq: 1542544558
});
```

如果想要自定义对于某个人或者某个群的回答行为,可以通过 `mapper 注解/装饰器` 的方式将您写的业务函数装配进事务管线中, `lagrange.onebot` 会自动去处理这些信息。写法综合了 java 的 `springboot` 和 go 的 `gin` ,对于熟悉后端开发的同学而言,应该非常简单。

```typescript
// impl.ts

import { mapper, LagrangeContext, PrivateMessage } from 'lagrange.onebot';

export class Impl {

// 将对于用于 1193466151 的应答函数装配进管线中
@mapper.onPrivateUser(1193466151)
async handleJinhui(c: LagrangeContext) {
/**
* c 是 lagrange.onebot 中最核心的上下文,它包含了所有满足
* onebot v11 协议的 API
* c.message 是当前事务的消息
*/
const msg = c.message.raw_message;
const reply = '你刚刚的回答是 ' + msg;
c.sendPrivateMsg(c.message.user_id, reply);
// 和下面几种写法完全等价
// c.sendPrivateMsg(1193466151, reply);
// c.sendMessage(reply);

// finishSession 会标记当前事务为“已完成”,此时 c.fin 为 true
// c.fin 为 true 的情况下,所有 onebot v11 API 全部失效
c.finishSession();
}
}
```

效果预览

![](https://picx.zhimg.com/80/v2-582932c3b84177184ce83aa8d12ee94b_1440w.png)

更多使用方法,请参考:
- [Lagrange.onebot 官方文档](https://document.kirigaya.cn/blogs/lagrange.onebot/main.html)
- [Langrange.RagBot 一个将 RAG 加持下的大模型接入 QQ 的项目](https://github.com/LSTM-Kirigaya/Lagrange.RagBot)