云函数定时签到全攻略:从抓包到上线的完整实践

云函数定时触发器签到脚本
于 2026-10-29 04:19:29 修改
·本内容遵循CC 4.0 BY-SA版权协议

说实话,一开始我根本没想用云函数来做签到,总觉得杀鸡用牛刀。以前我的方案特别朴素:电脑上挂个 Python 脚本,再开个计划任务,每天到点自动跑一遍。听起来挺完美对吧?实际用起来全是坑——电脑睡眠了脚本不执行,拔电源一晚积分直接断,出差在外电脑没开机更是没辙。最尴尬的是换了一台办公电脑后发现脚本没同步,签到规则彻底变成玄学:有时候签上了,有时候没签上,完全不可控。

后来我认真研究了云函数方案,把 WorkBuddy 每日签到这个任务整个搬上云,才终于明白为什么这么多人推荐这么做。云函数不依赖你任何一台本地设备,只要平台还活着它就跑,配上定时触发器之后,断网、关机这些事通通跟你没关系。当然,把签到从本地脚本迁移到云函数,中间不是复制粘贴那么简单,登录态维护、接口签名、触发规则、失败告警,每个环节都有细节要处理。这篇文章我就把自己完整的落地过程写下来,从抓包到上线一条线讲清楚,你可以直接照着抄。

1. WorkBuddy 签到任务拆解:先弄明白你每天在跟谁打交道

我一直觉得,做自动化最忌讳的就是上来就写代码。不管目标平台多简单,都要先把它运行的逻辑摸清楚,否则写出来的脚本就是碰运气。WorkBuddy 这类积分平台的签到机制,拆开来看其实就那么几件事。

1.1 签到规则的本质:客户端和服务端的一次约定

WorkBuddy 的每天自动签到,说白了就是服务端记录“这个账号今天有没有完成签到动作”。平台会给你一个接口,你调它一次,服务端收到请求后检查账号状态,然后返回成功或失败,同时把今天的积分打上账。这个接口可能是很简单的 GET 请求,也可能带各种签名参数、时间戳、加密串,取决于平台的防御力度。

在动手之前,先把规则摸清楚。我建议你做的第一件事,不是开电脑抓包,而是先打开 WorkBuddy 的 App 或者网页版,手动签一次到,同时在浏览器开发者工具里盯着网络请求。手动签到的作用是让你知道“正常成功长什么样”,后面脚本返回什么结果你心里就有底。

WorkBuddy 的积分规则一般还有连续签到奖励,比如七天翻倍、连续挑战任务之类。这些对你脚本的影响主要在时间上——你得确保每天都签到,一旦断一天,连续纪录清零,严重的时候连翻倍奖励都没了。所以定时触发这件事,在后面要当成正经需求来设计。

1.2 为什么云函数是个人签到的更优解

我在网上看过很多人分享签到脚本,五花八门的方案都有。有放 VPS 上的,有放软路由上的,还有直接放 GitHub Actions 里的。这些方案当然都能跑,但站在个人维护成本的角度,我认为云函数在这几个点上优势明显:

第一,部署简单。你不需要去折腾服务器环境,Python 环境、依赖包、运行时,云函数平台全都给你准备好了。上传代码或者在线编辑,配一个触发器,任务就上线了。

第二,费用接近于零。个人签到这种低频任务,一天执行一次,一个月跑下来占用多少资源?大部分云函数平台送给你的免费额度就远远够用了,根本没有为了签到去买一台服务器的必要。

第三,稳定性好。云函数由平台托管,网络带宽、机房运行环境都是平台负责的,出故障的概率比我家里那条宽带低得多。你唯一要做的是保证代码本身不出问题,而这在本地脚本里恰恰是最难保证的。

云函数的这三个特点,单看都平平无奇,但组合在一起就很舒服:一个稳定、免费、不需要我操心的执行环境,正好匹配签到这种轻量但必须每天都执行的任务。

1.3 平台选型:我为什么用了一款免费额度就能覆盖的

聊到选型,市面上的云函数平台不少,腾讯云云函数 SCF、阿里云函数计算 FC、华为云 FunctionGraph,还有国际上的 AWS Lambda。个人做签到的话,我更建议选国内平台,原因很简单:WorkBuddy 的接口在国内访问速度正常,配置和查看日志也方便,而且免费额度写得很清楚。

我用的腾讯云 SCF,举这个例子不代表其他平台不行。SCF 的免费额度里,调用次数和资源使用每个月给出一部分,签到这类每天一次的任务一个月才跑三十次,距离免费额度上限还远得很。唯一的收费隐患是如果签名算法特别复杂、内存配置特别大,不过签到任务用 64M 或 128M 内存足够,费用完全可忽略。

其实选哪个平台不重要,重要的是你得确认一件事:它支持定时触发器,而且触发精度能到秒级或分钟级。云函数平台之间在这点上的能力差异不大,你挑一个顺手即可。我个人给你一个通用建议,顺手比先进重要,你在自己最熟悉的云厂商控制台上操作,后面排错会快很多。

2. 抓包定位签到接口,别上来就写代码

对自己要调用的接口没有数就直接写代码,是自动化脚本最容易翻车的地方。我见过太多人拿着文档里已经过期的接口地址硬跑,跑不通就怀疑人生。所以还是老老实实回到最稳的路子:手动签一次到,把网络请求抓出来看。

2.1 用浏览器开发者工具找签到请求的完整流程

以网页版为例,我用的是很笨但很可靠的方法:

第一步,打开无痕窗口,登录 WorkBuddy。为什么用无痕窗口?因为正常窗口里可能残留着旧的 Cookie 和登录状态,干扰你判断哪些请求是自己发的。无痕窗口干净,便于筛选。

第二步,按 F12 打开开发者工具,切到 Network 面板,勾选 Preserve log。这一项很重要,不然页面跳转后之前的请求记录就被清掉了。

第三步,手动点击“签到”按钮,然后马上停止操作,盯着页面里的网络请求列表。你重点找名字里带 sign、checkin、integral、reward 这类关键词的请求。如果你用的是新版浏览器,直接在过滤栏输入这些英文关键词就能快速筛出候选。

第四步,点开这个请求,看它的 Request Method、Request URL、Request Headers、Request Payload,把信息完整记录下来。这些数据就是你代码里要构造的请求的全部依据。

有一点要提醒你,App 端抓包和网页端抓包不太一样。App 端一般需要设置代理配合抓包工具,还要在手机里装根证书,不然 HTTPS 流量是解不开的。如果你平时只看网页版,那浏览器开发者工具已经完全够用了,没必要折腾 App 抓包。

2.2 一次成功的签到请求长什么样

我以 WorkBuddy 模拟一个典型的请求结构,你可以拿它当一个模板参考:

HTTP
POST https://api.workbuddy.example.com/v1/checkin
Content-Type: application/json
User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36
Authorization: Bearer eyJhbGciOi...
Cookie: sessionid=xxx; token=yyy
 
{
"platform": "web",
"timestamp": 1735689600,
"sign": "md5加密串"
}

上面这个结构里有几个东西需要重点区分:

Authorization 头里的 Bearer Token 通常是主令牌,很多平台的权限校验靠它。Cookie 里可能是会话标识或额外信息。POST body 里的 sign 是接口签名,一般由某些参数拼接后做哈希得到,防止请求被篡改。

你抓到请求后,先试着把它原封不动地在 Postman 里跑一遍。这一步的核心目的是确认你手头的请求确实能被服务器接受。如果 Postman 里跑通了,说明你的抓包没有遗漏关键参数;如果跑不通,那就默默回去重新看抓包记录,肯定还漏了东西。

2.3 看清防爬等级:是裸奔接口还是带签名接口

抓到接口之后,我通常会花一分钟判断一下它的防护等级,这决定了你后面代码复杂度差多远。

第一类接口最省事,没有任何签名逻辑,参数里就是一个用户 ID 加一个时间戳,直接 POST 或者 GET 就能成功。这种接口你只需要关注登录态是否有效即可。

第二类接口带签名。签名参数通常叫 sign 或 signature,由请求参数拼接一段密钥后做 MD5、SHA1 或 HMAC 得到。你必须在代码里复现这个签名算法,才能让服务器认可你的请求。

第三类接口更严一点,除了签名还会校验 User-Agent、Referer、请求头顺序,甚至对提交频率做限制。不过签到这个场景一般到不了这个级别,因为签到功能和用户是绑定的,平台自己也要保证用户体验,不会做得难以下手。

WorkBuddy 属于我遇到的第二类,带简单的签名校验。这种类型的处理思路我在后面代码章节会详细讲,你先记住一个核心:“平台怎么生成的签名,你就怎么在代码里生成一遍,别试图跳过它。”

3. 登录态管理:Cookie 失效是所有签到机器人的头号杀手

代码本身其实不难写,真正让云函数签到翻车的大概率是登录态管理。你想想,脚本在云函数上运行,每次执行都是全新的请求,不像浏览器里那样天然带着一堆 Cookie。如果登录态失效了,云端对你来说就是陌生人,签到必然失败。

3.1 直接填死 Cookie 为什么不可行

我最开始写本地脚本时干过一件蠢事:抓包得到 Cookie 之后直接硬编码到 Python 文件里,然后高高兴兴等着每天自动跑。结果第二天就失效了。第三天的失败通知告诉我,签到接口返回了未登录状态,我这才意识到自己的思路有多天真。

Cookie 一般有时效,短的可能一两个小时,长的能到几天甚至一个月。重点是,很多平台的 Cookie 会在每次请求后变更,比如刷新了登录时间、调整了会话状态。你把它写死在代码里,等于把“随时可能变”的东西当成“永不变”来用,不出事才怪。

再说安全角度。代码如果提交到仓库,Cookie 等于裸奔在别人眼皮底下。要是代码仓库是公开的,你的登录态就是公开的,这已经不是脚本能不能跑的问题了,是账号安全问题。

3.2 更稳的方案:用 refresh token 自动换新

既然写死不行,那就要让脚本有自我续命的能力。很多平台在登录时不仅会给你 access token,还会返回一个有效期更长的 refresh token。access token 用于日常请求,refresh token 专门用来换新 access token。你要做的就是在脚本里维护一套流程:

PYTHON
def get_access_token(refresh_token):
resp = requests.post(
"https://api.workbuddy.example.com/v1/auth/refresh",
json={"refresh_token": refresh_token}
)
data = resp.json()
return data["access_token"], data["expires_in"]

每次签到前,先检查缓存里的 access token 是否过期,过期就拿着 refresh token 去刷新,然后再发起签到请求。这样理论上只要 refresh token 不过期,你的脚本就能一直运行下去。

不过 refresh token 也有有效期,一旦它过期了,任何自动化的手段都救不回来,只能重新手动登录一次。所以你会看到很多签到项目都附带一个“续期提醒”功能,定期通知用户“该手动重新登录了”。这不是设计上的偷懒,而是没法绕开的边界。

3.3 你至少要实现的三种登录态存储方式

登录态到底存哪里?这取决于你使用云函数的习惯。我最常用的是下面三种:

第一种是云函数的环境变量。把 Cookie 或 Token 放在环境变量里,代码里通过 os.environ 读取。好处是不会写死在代码仓库里,改起来也方便,直接在控制台改完重新部署就行。坏处是环境变量不能存太长太大的内容,而且没有加密能力,严格来说也只是“不暴露在代码里”而已。

第二种是对象存储或云数据库。如果你要管理多账号,或者账号体系比较复杂,可以用云厂商提供的键值存储、数据库或者对象存储来存。每个账号一条记录,脚本跑的时候读取对应记录,跑完更新状态。这种方案扩展性好,适合从一个账号起步以后想加多个账号的场景。

第三种是外部 API 服务。有些平台为了方便开发者验证登录,会提供自定义的认证接口,或者你可以用第三方服务来统一管理多平台的 Cookie。不过三方服务本身也是一个依赖点,即使免费的服务也可能停摆,我个人不推荐给核心签到链路引入额外依赖。

在 WorkBuddy 这个项目里,我一开始只有单账号,所以直接用了环境变量方案,简单直接。等你要管理家庭成员的账号时,再考虑引入云数据库,不要一上来就过度设计。

3.4 环境变量里的敏感信息:别把它当成密码保险箱

说句实在话,云函数的环境变量虽然比写在代码里好,但也没有那么安全。它只是“不够直观”,控制台里能看到的人还是能看到。所以你自己要守住底线:不要用可以阅读并转发环境变量的协作账号去分享云函数项目,也不要把环境变量输出到日志里。

我见过有人为了方便排错,直接把 Authorization 打印到日志里,然后在社区里贴日志截图,结果别人拿着 Token 就能登录他的账号。这种事故要避免的话,记住一个基本原则:日志里打印请求地址和状态码没问题,打印完整 Cookie 和 Token 就是在给账号埋雷。

4. 核心代码:从一次签到到一套可维护的签到任务

抓包拿到了接口,登录态也设计好了存储方案,现在终于可以写代码了。这里我不打算给你一个花里胡哨的超长脚本,而是想帮你建立一个适合签到任务的核心代码结构。

4.1 请求用 requests 还是 httpx

Python 里发 HTTP 请求,requests 库是大多数人的默认选择,它简单、稳定、文档丰富。httpx 是后起之秀,支持异步,也能发 HTTP/2 请求。签到任务本身是轻量级的,用不用异步没有太大差别。我的判断标准是:如果平台支持证书固定或者自定义传输层,那需要更灵活的工具;如果是普通签到,requests 就够了。

实际上,很多云函数的 Python 运行时已经预装了 requests,你不需要在部署时额外打包依赖,这能省掉不少麻烦。另外,requests 的会话对象可以帮你自动管理 Cookie,虽然我们在云函数里并不依赖 Cookie 的自动管理,但有这个能力兜底总比没有强。

4.2 一次性写清 WorkBuddy 签到脚本

以第二类带签名接口为例,我给你写一个完整的示例。这个脚本包含了配置读取、签名生成、签到请求、结果判断四个部分:

PYTHON
import hashlib
import hmac
import os
import time
 
import requests
 
API_BASE = "https://api.workbuddy.example.com/v1"
 
def gen_sign(params: dict, secret: str) -> str:
"""生成签名,具体算法看你抓包结果,这里是常见的时间戳+参数hmac模式"""
raw = "&".join(f"{key}={value}" for key, value in sorted(params.items()))
return hmac.new(secret.encode(), raw.encode(), hashlib.sha256).hexdigest()
 
def checkin(token: str, secret: str) -> bool:
timestamp = int(time.time())
params = {
"platform": "web",
"timestamp": timestamp,
}
sign = gen_sign(params, secret)
payload = {
**params,
"sign": sign,
}
headers = {
"Authorization": f"Bearer {token}",
"Content-Type": "application/json",
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36",
}
resp = requests.post(f"{API_BASE}/checkin", json=payload, headers=headers, timeout=10)
data = resp.json()
if resp.status_code == 200 and data.get("code") == 0:
points = data.get("points", 0)
print(f"签到成功,获得 {points} 积分")
return True
print(f"签到失败: {data}")
return False
 
def main():
token = os.environ["WORKBUDDY_TOKEN"]
secret = os.environ["WORKBUDDY_SECRET"]
try:
endpoint = os.environ["WORKBUDDY_NEED_NOTIFY"]
except KeyError:
endpoint = None
success = checkin(token, secret)
if endpoint:
requests.post(endpoint, json={"msg": "success" if success else "failed"})
# 失败时抛出异常,方便云函数平台捕捉错误
if not success:
raise RuntimeError("checkin failed")
 
if __name__ == "__main__":
main()

这是一个很典型的单账号签到脚本,逻辑不复杂,但每一部分都有明确作用。requests.post 里我加了 timeout,这个细节很重要——如果不加超时,万一 WorkBuddy 接口迟迟不响应,云函数会一直挂在那里,白白占用资源,还可能引发超时告警。

用户在控制台里执行这个脚本后,如果环境变量配好了,就能在日志里看到签到结果。接下来要做的就是把 main 函数里对签到失败的处理改为抛出异常,这样云函数平台的监控就能捕获到错误,触发你设置的告警策略。

4.3 多账号支持:别傻乎乎为了一个个账号部署多个函数

单账号跑通以后,你多半会想把自己的小号也挂上,甚至帮女朋友挂一个。这时候千万别去部署多个函数实例,那样既费钱又难管理。更好的做法是把账号信息放在一个数组或列表里,循环处理。

登录态复用方式可以这样设计:

PYTHON
ACCOUNTS = [
{"name": "main", "token": "token1", "secret": "secret1"},
{"name": "backup", "token": "token2", "secret": "secret2"},
]

不过把 Token 明文写在代码里还是不太符合我前面说的安全原则。实在要放代码里,至少用环境变量去承载:

PYTHON
import json
raw = os.environ["WORKBUDDY_ACCOUNTS_JSON"]
accounts = json.loads(raw)

然后每次运行循环调用 checkin,一个账号失败不影响其他账号。但要注意控制并发,个人签到规模根本犯不上开多线程,串行跑完两个账号也不过几秒钟的事。

4.4 签名算法的逆向思路:看到 sign 别慌

如果你在抓包时发现请求参数里有个 sign,不要慌。签名校验看着吓人,其实很多平台用的加密方式并没有那么高深。

第一步,把你已经抓到的所有参数收集起来,去你认为可能参与签名的密钥或者固定串。常见的模式是 urlencode 后按参数名字典序排序,加上盐值,然后做 MD5 或者约定方式的哈希。你可以在代码里实验,用抓包得到的参数算一遍,对比结果是否和抓到的 sign 一致。只要一致,算法就算破解了。

第二步,别用“猜测”代替“实验”。比如我遇到过签名参数里包含一个随机字符串 nonce,你如果不先搞清楚 nonce 是怎么生成的,签名永远不会匹配。这个时候你要注意看发起请求前的页面里是否提前拿到了 nonce 值,或者它是否在请求体里跟着返回了。

第三步,如果平台用的 hmac 或 base64 套娃,你就一层层解,别指望一次成功。我在 WorkBuddy 这个项目里没遇到太复杂的加密,但以前处理别的平台时学过一句实话:捷的算法设得再复杂,密钥还是藏在客户端里,你总能找到它。

5. 定时触发与调度:别在函数里写死 sleep

代码跑通了,接下来就是让它每天自动跑。这一步看起来简单,但坑也不少。我见过有人直接在函数里写 time.sleep(86400),觉得这样就能做成“常驻任务”。这是典型的云函数误用,你想想,云函数是按调用次数计费和限制运行时的,长时间挂着的函数既不划算,也可能直接被平台杀进程。

5.1 云函数定时触发器到底怎么配

正确做法是利用平台的定时触发器。以腾讯云 SCF 为例,创建函数时选“定时触发”,然后配置 Cron 表达式。阿里云函数计算里也有类似的概念,一般叫“定时触发器”或“时间触发器”。

Cron 表达式的格式大致是“秒 分 时 日 月 星期”。如果你希望每天早上 9 点执行签到,表达式可以写成 0 0 9 * * *,顺序因平台而异,用之前先看平台的 Cron 文档,别想当然用 Linux 那一套,云函数平台的 Cron 通常会有自己的字段定义。

我自己的配置时间一般不会选太整的点,比如我会设成 0 0 9 * * *,或者加个随机偏移比如 9:07,这个细节不是为了花哨,而是为了降低平台在整点时刻的调用峰值排队影响。对于个人签到来说,晚个几分钟没有任何损失。

5.2 为什么我不建议固定整点签到

原因主要有两个。

第一个原因是平台侧的整点压力。每天 9 点整,可能有成千上万的定时任务在同一时刻触发,如果你所在的函数平台在那个时段资源紧张,你的签到请求可能被延迟甚至超时。但你想想,积分签到又不需要卡在整点,换个时间跑完全不影响结果。

第二个原因是反自动化检测。如果 WorkBuddy 后台有风控团队盯签到请求的日志,他们很快就会发现某个账号每天的第一次请求都精确出现在 9:00:00,异常特征明显。虽然个人签到大概率不会被风控留意到,但给自己留点缓冲总是好的。

所以我的做法是在 Cron 表达式里把时间设成比如 9 点 17 分,或者生产一种“执行时先随机 sleep 一段时间”的策略。当然随机 sleep 需要用云函数平台的定时器支持,不是自己在代码里 sleep,因为 sleep 会占用运行时长配额。我的建议是直接改 Cron 时间,最省事。

5.3 补偿机制:今天没跑成,明天能补上吗

签到最怕的是那天执行时碰巧平台接口故障,或者你的函数报错。此时当天的签到就漏了。如果你非常在意连续签到,就要考虑设计补签机制。

补签有两条常见路线。一种是在脚本里加一个“重试日期”的逻辑:每次签到成功前,先检查前一日是否已经签到,如果没有,就尝试补签前一日。很多平台的签到接口支持补签参数,比如 checkin_date=昨天。另一种是给函数配多个不同时间的触发器,比如早上 9 点和晚上 8 点各触发一次,第二次触发时先做一次签到状态查询,如果显示已签,直接跳过,避免重复。

我最后采用了两个触发器方案:早上 9 点半执行主签到,晚上 21 点执行一次检查任务,查询签到状态,如果发现当天还没有成功签到记录,就再补一次请求。这样既能覆盖平台偶发故障,又不需要在代码里写复杂的“昨日补签”逻辑,实现成本低,实际效果不错。

5.4 并发与重复触发的危险

需要特别提醒的是,定时任务的触发偶尔可能重叠,导致同一个函数实例被同时调用两次。这在云函数里是可能的,因为平台为了保障可靠性,触发事件不保证完全有序。如果你的签到接口不是幂等的,重复调用可能导致重复签到,或者更严重的,可能触发平台风控。

所以我在代码里上了两道保险。第一道是签到前先查询今天的签到状态,如果已经成功就跳过。第二道是在函数开头检查一个简单的“执行标记”,比如把签到状态写到环境变量或对象存储里,不过这个方案跟第一道查询签到状态是重叠的。对于 WorkBuddy 这个场景,每次执行前先 GET 一下今天的签到状态已经是足够的防护了。

6. 上线后的三件小事:日志、告警和幂等

函数上线只是开始,真正让它稳定跑一个月才是关键。我见过很多签到项目,刚部署时跑得好好的,过几天就悄无声息地失败了。为什么?因为没有日志意识,没有告警机制,失败了你根本不知道,等发现时已经断签好几天了。

6.1 日志该打到什么程度

我的日志习惯是分三类:第一类是入口日志,记录函数何时被触发、执行的是哪套流程;第二类是关键步骤日志,记录签到请求的结果状态码、返回码、获得积分;第三类是异常日志,记录请求失败时的错误堆栈、响应内容片段。这些日志通通不要打印 Cookie 和 Token。

云函数平台一般自带日志查询功能。你打开日志就能看到每天的执行情况。这里面有个小技巧:把执行日期一起打出来,比如 print(f"[{date.today()}] 签到成功"),日志里一眼就能看到今天有没有跑,不用点开每条看细节。

6.2 签到失败怎么通知自己

日志只在你去查的时候有用,失败告警才能在你根本没看日志的时候提醒你。常见的通知方式有几种:

第一种是即时通信工具的群机器人 Webhook,比如钉钉、企微、飞书都提供了群机器人,往里 POST 一条 JSON 就能收到消息。这种方式最直接,我自己的函数里就带一个可配置的通知 URL。

第二种是 Server 酱这类消息推送服务,通过微信模板消息或小程序推送,不用自己搭服务器。个人用户拿来接签到通知完全够用。

第三种是邮件,云函数平台通常自带邮件发送能力,或者你可以用 SendCloud、阿里云邮件推送这类服务。邮件的好处是稳定,坏处是要等收件人打开邮箱看,有时候还不如群消息来得及时。

我强烈建议你至少接一种通知。因为“签到失败”这件事,最有价值的就是“第一时间知道”,越早知道越可能赶上补救窗口期。

6.3 幂等设计到底怎么做

重复执行这件事,前面提了一嘴,这里展开讲。幂等的意思是同一个操作执行一次和执行一万次,结果是一样的。签到接口如果设计成“检查今天是否已签到,已签就返回成功但不重复发积分”,那它就是幂等的。如果设计成“每次调用都发积分”,那你重复触发就面临积分多发或者风控的麻烦。

代码里实现幂等最简单的办法是签到前先做一次状态查询。调用平台的“查询今日签到状态”接口,返回已签就直接退出。至于那个查询接口本身是否有独立费用或限制,看具体平台,一般来说这类状态查询接口的配额都比较宽松。

6.4 我踩过的坑,一次性跟你说清楚

这个项目上线后运行了快半年,我踩过几次比较典型的坑,每次都不是平台的问题,而是我自己疏忽。

第一个坑是修改代码后忘了更新环境变量。我改了签名算法,加了新的 secret,结果云函数里的环境变量还是旧的,日志里全是签名验证失败。排查半天,最后在控制台里对着环境变量列表看了五分钟才反应过来。所以每次改代码后,要同步检查环境变量是不是也改了。

第二个坑是调试的时候把本地的 Python 版本升级了,代码里用了比较新的语法,上线后云函数运行时版本太老,直接报错。后来我学乖了,在代码文件头部写清楚要求的 Python 版本,并且在创建函数时选和本地一致的运行时版本。

第三个坑是通知 Webhook 地址失效。我换了工作手机,以前的企微机器人没同步过来,结果签到失败的通知发到一个没人看的群里,过了好几天才发现。后来我把通知 Webhook 的管理也当成和账号一样重要的配置,每次换设备先处理它。

还有一个小经验想分享给你们。无论是 WorkBuddy 还是其他签到平台,接口地址、参数结构、签名算法,都可能因为平台改版而变化。你的云函数必须把“接口结构变化”当作预期内的事来设计,一个办法是每次签到前先通过公开页面或接口拉一下版本信息,但大部分个人用户做不了这么重的检测。更简单可靠的办法是保持对日志的敏感,看到连续两次失败日志后,别再去反复重试,先去抓包验证接口是不是变了。

如果你真的把 WorkBuddy 这个签到链路做到了“云函数定时触发 + 登录态自动续期 + 失败告警通知 + 幂等保护”,基本就可以当甩手掌柜了。只要平台不大改接口,这堆自动化会一直安安静静地帮你把积分攒下去。我在实际使用的过程中最大的体会是:签到机器人本身没什么技术含量,真正有价值的反而是“让它稳定的运行”这一圈看不见的功夫。决定一个项目的成败,往往就是这些细节。

基于Python+Open CV的手势识别算法设计
伴随着人工智能时代的到来,人机交互的领域也逐渐成为研究的一大方向;其中,手势识别是人机交互领域的一项关键技术,自此手势识别也迎来了一波高潮,近几年无论是在消费领域、电子领域、数码领域、家电领域甚至汽车领域上,都能或多或少的见到手势识别的身影。 手势识别在设计智能高效的人机界面方面具有至关重要的作用, 目前手势识别已应用到手语识别、智能监控、到虚拟现实等各个领域,手势识别的原理都是利用各种传感器(例如红外、摄像头等)对手部的形态进行捕捉并进行建模,形成一个模型信息的序列帧,而后将这些信息序列转换为机器能够识别的相对应指令(例如打开、切换菜单、移动等)来完成控制。 采用Python的集成开发环境Pycharm进行本次课程设计,在Pycharm中进行需要库(模块)的下载,调取电脑摄像头,按帧读取摄像头采集到的头像,形态学处理,图像旋转(由于摄像头采集到的图像是镜像,需要用cv2.flip将摄像头采集到的图像进行处理),选取图片中固定位置作为手势输入,用红线画出手势识别框,基于hsv的肤色检测,进行高斯滤波,找出轮廓,求出图像中手势的凹凸点,手指间角度求取。
努力学习前端的小陈
ArcGIS Pro入门制图教程
地理信息系统 (GIS) 是一种使用地图显示和分析数据的方式。在本教程中,您将学习桌面 GIS 应用程序 ArcGIS Pro 的基础知识。新加坡的一家旅行社希望制作一款宣传册,用于向游客介绍距离市中心热门目的地最近的火车站。该宣传册将与带有文本信息的地图相结合,并在城市的自助设备中出售。您将帮助该旅行社绘制旅游景点的地图,分析其与火车站的距离以及更改地图的外观以使其在视觉上更具吸引力。在 ArcGIS Pro 中,地图和数据通常被组织在一个工程中。开始制作地图之前,您将创建一个工程。
科研online
ArcGIS Pro 布局创建与地图加载全流程解析
本文详细解析了ArcGIS Pro中布局创建与地图加载的全流程。针对从ArcMap转来的用户,重点阐述了布局与地图解耦的核心设计理念,并提供了从新建布局、设置参考比例尺、加载地图框到深度控制与精细化排版的实用技巧,帮助用户高效制作专业地图。
您的账号已被封禁
ArcGIS PRO布局视图避坑指南:地图框添加与专题图制作的5个关键步骤
本文针对ArcGIS PRO用户在布局视图中制作专题图时遇到的常见问题,提供了地图框添加与专题图制作的5个关键步骤避坑指南。从理解布局视图思维、数据框预处理、地图元素协同配置,到深化视觉层次与最终输出检查,系统讲解了如何高效产出严谨美观的专业地图,帮助用户跨越从数据分析到地图输出的最后一公里。
冰炭不同炉
ROS-CV-ImageConverter:将ROS图像转换为OpenCV(cv :: Mat)类型的图像
ROS-CV图像转换器 依存关系 cv_bridge(ROS软件包)
Willis Wang
计算机视觉图像处理-CV2与图像插值算法
用最近邻插值与双线性插值原理完成图像缩放 最近邻插值,是指将目标图像中的点,对应到源图像中后,找到最相邻的整数点,作为插值后的输。缺点:使用最近邻插值算法处理图像放大时,在图象中可能出现明显的块状效应 双线性插值,在两个方向上做三次线性插值。使用双线性插值算法处理图像放大时,在图象中可能出现马赛克 代码 import cv2 img = cv2.imread(’./xiabang.jpg’, cv2.IMREAD_UNCHANGED) #缩放比例 scale_percent = 0.3 width = int(img.shape[1] * scale_percent) height = int
weixin_38697274
基于水平集CV模型的图像分割(Matlab代码)
基于水平集CV模型的图像分割(Matlab代码),全套代码
小宇QAQ
导向滤波(guide_filter)的python实现
导向滤波(guide_filter)的python实现,可以结合暗通道;理论实现比较好的图像去噪效果。
zachzhan_g
ArcGIS Pro 如何新建布局
你是否已经习惯了在ArcGIS中数据视图和布局视图之间来回切换,到了ArcGIS Pro中却找不到二者之间切换的按钮,即使新建布局后却发现地图怎么却是一片空白。从上面的图中可以看到,虽然新建了布局,但是地图还是空白的,如果想要显示地图还需要加载一下,将地图加载进来。在新建的布局上绘制一个框,作为地图显示的范围,绘制后可以看到地图已经完成加载,如下图所示。在菜单栏上选择插入,点击新建布局下拉箭头,选择一个合适的尺寸,如下图所示。点击后完成布局的新建,新建的布局如下图所示。
水经注GIS
ArcGIS Pro数据修复与图层管理实战指南
本文是ArcGIS Pro数据修复与图层管理的实战指南。针对数据源丢失导致的“红色叹号”问题,详细讲解了一键批量修复和进阶手动修复策略,并分享了使用相对路径、打包工程等防患于未然的黄金法则。同时,深入介绍了如何利用图层组进行高效的地图内容组织、比例尺控制与批量操作,帮助用户构建清晰、智能的专业地图,大幅提升GIS项目管理效率。
Tomato
ArcGIS Pro布局设计实战:从空白页面到专业地图输出的完整工作流
本文详细解析了ArcGIS Pro中从“新建布局”开始,到输出专业地图的完整工作流。内容涵盖布局哲学、地图框深度运用、制图元素集成及视觉排版等核心环节,旨在帮助中级用户掌握项目驱动的现代化制图方法,实现从数据到出版级地图的精准转化。
AnjneyMidha
ArcGIS PRO布局视图避坑指南:地图框添加与坐标系设置的5个常见错误
本文针对ArcGIS PRO用户在布局视图中常遇的难题,重点解析了地图框添加与坐标系设置的5个常见错误。从地图框的创建逻辑、坐标系冲突的根源剖析,到地图范围控制、元素联动更新以及打印导出设置,提供了一套完整的避坑指南与实战解决方案,帮助用户高效、精准地完成地图制图与输出工作。
重离子猫猫
ArcGIS Pro布局设计避坑指南:为什么你的地图总是显示空白?
本文深入解析ArcGIS Pro布局设计中地图显示空白的常见问题,提供从基础操作到高级排错的完整解决方案。重点讲解地图框的正确使用方法、布局元素配置技巧,以及多地图框协同工作等进阶功能,帮助用户快速掌握专业地图制作的核心技术。
习翔宇
CV算法(MATLAB)
chan 和 vese 提出的经典CV模型
beastLOVE
GrabCut:使用opencv-python cv2.grabCut交互式剪切图像
GrabCut 使用opencv-python cv2.grabCut交互式剪切图像
Aaron Gary
Opencv-Python图像透视变换cv2.warpPerspective的示例
今天小编就为大家分享一篇关于Opencv-Python图像透视变换cv2.warpPerspective的示例,小编觉得内容挺不错的,现在分享给大家,具有很好的参考价值,需要的朋友一起跟随小编来看看吧
weixin_38711369
leetcodecv-Kylin:CV算法岗面经&LeetCode刷题总结
leetcode cv Kylin CV算法岗面经 & LeetCode刷题总结 不断更新中。。。。 面试&笔试经验 LeetCode
weixin_38499553
基恩士CV-X系列相机控制器用户手册CV-X Series Users Manual_CHS.pdf
基恩士CV-X系列相机控制器用户手册CV-X Series Users Manual_CHS真的很不错,
weixin_43905342
ArcGIS布局视图方向调整与优化技巧
地图布局方向是GIS制图的基础设置,直接影响空间数据的可视化效果。横向(Landscape)和竖向(Portrait)布局通过调整页面长宽比例,可优化不同地理要素的展示方式。在ArcGIS等专业制图软件中,方向设置会联动影响比例尺、图例等核心元素的自动适配逻辑。本文以A4纸张为例,详解通过页面设置、Python脚本批处理等技术手段实现布局方向的高效调整,并针对比例尺失准、图例溢出等典型问题提供工程解决方案。特别适用于带状区域地图制作等需要最大化利用版面空间的场景,可提升40%以上的图面利用率。
塞音菩光
ArcGIS Pro 3.4必学新功能:符号系统与布局视图的可见性联动(含省时技巧)
ArcGIS Pro 3.4引入了符号系统与布局视图的可见性联动功能,通过唯一值符号化和复选框控制,实现原子级要素显示/隐藏。这一创新极大提升了制图效率,支持在符号系统窗格、内容窗格和布局视图中同步操作,特别适合城市规划、环境监测等需要动态展示的场景。
t8u9v0
ArcGIS Pro 布局创建与地图加载全攻略
本文详细解析了ArcGIS Pro中布局与地图分离的设计哲学,并提供了从新建布局到加载地图的完整操作指南。重点介绍了如何通过“插入”选项卡新建布局、选择合适的页面尺寸,以及使用地图框工具将项目中的地图动态链接至布局。文章还涵盖了地图范围控制、比例尺锁定、图例添加等深度定制技巧,帮助用户高效创建专业地图并导出为高质量成果。
milk8
ArcGIS多图布局实战:从数据框管理到批量导出的完整指南
在地理信息系统(GIS)制图领域,将多张地图高效整合到单一版面是提升分析报告专业性与表现力的关键技术。其核心原理在于理解并运用数据框与布局视图的分离机制,通过独立的数据框承载不同区域或专题的地理数据,并在统一的布局视图中进行精确排版与视觉整合。这项技术的核心价值在于实现了制图流程的标准化与自动化,避免了传统拼图方式带来的效率低下与更新困难问题,尤其适用于区域对比、时间序列分析、综合评估报告等需要多视角、多维度展示地理信息的应用场景。本文聚焦于ArcGIS Pro平台,深入剖析了多图布局中数据框范围联动、地图
aaa1231722
monolithic-cv:CV算法的集合
单片-cv 计算机视觉算法转储
晨曦姜
改进的cv图像分割
改进的cv图像分割,对学习cv模型有帮助
a904235765
C++实现基于暗通道与导向滤波的图像去雾算法
资源下载链接为: https://pan.quark.cn/s/1bfadf00ae14 在图像处理领域,图像去雾技术用于消除大气散射导致的模糊,提升图像清晰度和视觉质量。本文将介绍一种基于暗通道和导向滤波的图像去雾算法,并探讨如何使用C++和OpenCV库实现。 暗通道理论由Jia等人于2006年提出。他们发现自然场景中存在一些低亮度像素,通常位于无直射光区域。这些像素被称为暗通道像素,可用于估计大气散射模型中的透射率。具体方法是将图像分块,在每块中找到最暗像素值作为暗通道像素。 大气散射模型是图像去雾的基础,描述了光线在大气中传播时的散射影响。模型公式为: I(x)=T(x)×J(x)+A×(1−T(x)) 其中,T(x)是透射率,J(x)是无雾图像亮度,A是全局大气光。透射率与散射程度成反比,无雾图像亮度反映物体本身色彩。 利用暗通道先验,可以近似估计透射率。假设D(x)为暗通道像素,透射率T(x)可通过迭代公式计算: T k+1 (x)= max(D)+ϵ D(x) +(1− max(D)+ϵ D(x) )×T k (x) 其中,k是迭代次数,ϵ是小常数,用于避免除零。 估计透射率后,使用导向滤波器平滑透射率图,减少噪声和边缘失真。导向滤波是一种自适应局部滤波方法,可保持图像边缘细节,同时进行平滑处理。在图像去雾中,它根据图像梯度信息指导滤波过程,更好地恢复图像清晰度。 通过大气散射模型,可得到去雾后的图像: J out (x)= T(x) I(x)−A×(1−T(x)) +A 在C++中,可借助OpenCV库处理图像数据。首先读取输入图像,然后提取暗通道,估计透射率,应用导向滤波,最终恢复无雾图像。OpenCV提供了丰富的图像处理函数,如cv::split用于分离通道,cv::min用于找最小值,cv::filter2D用于导向滤波,cv::imwrite用于保存
KaiyuanCode
cv模型图像分割matlab源程序
cv模型 matlab 图像分割源码,逻辑清晰,注释详尽。
phoenix01
CV图像分割
从pud找到的CV图像分割代码,代码的通过较少的迭代次数就可以实现图像的分割,对学习CV分割有帮助。
a904235765
ArcGIS Pro 3.0 布局视图实战:5分钟搞定专业地图的图例、比例尺与指北针
本文详细介绍了ArcGIS Pro 3.0布局视图的实战技巧,帮助用户在5分钟内高效添加图例、比例尺与指北针,打造专业地图。通过智能图例、动态比例尺和现代化指北针设计,提升制图效率与美观度,特别适合GIS初学者和从ArcMap迁移的用户。
weixin_30652491
ArcGIS Pro界面突然消失?3种恢复方法+自定义布局技巧
本文针对ArcGIS Pro用户常见的操作界面元素突然消失问题,提供了三种核心恢复方法:通过“视图”功能区一键唤回、利用“重置窗格”命令恢复默认布局,以及通过应用程序设置进行深度恢复。文章还深入讲解了如何通过停靠、分组窗格以及自定义功能区等技巧,打造高效个性化的操作界面,帮助用户从被动解决问题转向主动优化工作环境。
nnn11
【机器学习入门】1.4 吃透这些基本术语,才算真正入门
本文通过"挑西瓜"的生活案例,形象解释了机器学习的基本术语。样本对应单个西瓜,特征如色泽、根蒂等是观察维度,特征值是其具体表现,标签是西瓜的好坏判断。数据集是样本集合,特征向量是样本的数学表达,特征空间是所有可能的样本组合。文章强调数据集需划分为训练集、验证集和测试集,以评估模型的泛化能力。最后整理了术语对照表,并解答了常见问题。这些基础概念是理解机器学习的关键,建议读者重点掌握。
做科研的周师兄