From 21a28904809f7800c5968f1b19387e815cc92b8c Mon Sep 17 00:00:00 2001
From: youpaishidifu <youpaishidifu@git.ypshidifu.cn>
Date: Sun, 16 Aug 2026 18:26:58 +0800
Subject: [PATCH] =?UTF-8?q?fix(monitor):=20=E6=B7=BB=E5=8A=A0=E7=AD=96?=
 =?UTF-8?q?=E7=95=A54-=E5=A4=B4=E9=83=A8=E5=89=A5=E7=A6=BB=EF=BC=8C?=
 =?UTF-8?q?=E4=BF=AE=E5=A4=8Dbot=E5=9B=9E=E5=A4=8D=E6=8B=BC=E5=9C=A8?=
 =?UTF-8?q?=E6=B6=88=E6=81=AF=E5=89=8D=E9=9D=A2=E7=9A=84=E9=97=AE=E9=A2=98?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

问题：OCR把bot回复拼在用户消息前面（"小帽子"），导致：
- 查询变成：bot回复+用户消息
- 例：'官方下载 bbsmc分流 那我知道咱们服务器有哪些公告信息呀?'
- 下载意图检查提前匹配（query含'下载'），错误路由到下载地址

修复：在 _strip_bot_reply_fragments() 添加策略4：
1. 定位中文疑问词（那/请问/想知道/怎么/哪里/什么等）
2. 分割头部（问句前）和尾部（问句及之后）
3. 归一化比较头部与已知bot回复
4. 匹配成功则剥离头部，只保留用户消息

测试验证：
  输入: '官方下载 bbsmc分流 那我知道咱们服务器有哪些公告信息呀?'
  输出: '那我知道咱们服务器有哪些公告信息呀?' ✓

commit 5d9e8f3 (2026-08-16)
---
 monitor.py | 38 ++++++++++++++++++++++++++++++++++++++
 1 file changed, 38 insertions(+)

diff --git a/monitor.py b/monitor.py
index e1fbd03..a413901 100644
--- a/monitor.py
+++ b/monitor.py
@@ -4794,6 +4794,44 @@ class MessageMonitor:
                                 )
                                 stripped_bot = True
                                 break
+            # 策略4：头部剥离——OCR把bot回复拼在用户消息前面（"小帽子"问题）
+            # 例："官方下载 bbsmc分流 那我知道咱们服务器有哪些公告信息呀?"
+            #     → "那我知道咱们服务器有哪些公告信息呀?"
+            # 修复：定位中文疑问词（那/请问/想知道等），剥离问句前的bot回复头部
+            if not stripped_bot:
+                # 常见中文疑问词/短语，用于定位用户消息的起始位置
+                _question_markers = [
+                    '那我知道', '那请问', '请问', '想知道', '想问',
+                    '怎么', '哪里', '什么', '哪些', '哪个',
+                ]
+                _q_start = len(ts)
+                for _marker in _question_markers:
+                    _pos = ts.find(_marker)
+                    if _pos >= 0 and _pos < _q_start:
+                        _q_start = _pos
+                # 如果没找到疑问词，回退到找问号
+                if _q_start == len(ts):
+                    _q_mark = max(ts.find('？'), ts.find('?'))
+                    if _q_mark >= 0:
+                        _q_start = _q_mark
+
+                _head = ts[:_q_start].strip()
+                _tail = ts[_q_start:]
+                if _head and len(_head) >= 3 and _tail:
+                    # 检查头部是否匹配已知的bot回复
+                    for _r in replied:
+                        if len(_r) < 5:
+                            continue
+                        _head_norm = re.sub(r'[\s\W_]+', '', _head)
+                        _r_norm = re.sub(r'[\s\W_]+', '', _r)
+                        if _head_norm and _r_norm and (_head_norm == _r_norm or _head_norm in _r_norm):
+                            ts = _tail
+                            stripped_bot = True
+                            logger.debug(
+                                f"[qq] 头部匹配剥离bot回复: {ts!r} <- "
+                                f"{_head!r} (匹配bot reply: {_r[:30]!r})"
+                            )
+                            break
             if stripped_bot:
                 ts = re.sub(r'\s+', ' ', ts).strip().strip('，').strip()
         return ts