From 5982cadad6d189cc4f431de7412a2f89adb18e3f Mon Sep 17 00:00:00 2001 From: youpaishidifu Date: Wed, 19 Aug 2026 16:11:54 +0800 Subject: [PATCH] =?UTF-8?q?=E4=BF=AE=E5=A4=8DOCR=E6=AE=8B=E7=89=87?= =?UTF-8?q?=E5=85=A5=E5=BA=93=E9=97=AE=E9=A2=98=EF=BC=9A=E6=96=B0=E5=A2=9E?= =?UTF-8?q?bot=E5=9B=9E=E5=A4=8D=E7=A2=8E=E7=89=87=E6=A3=80=E6=B5=8B?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 根因： - 用户发送"关于我们@游戏专用"后，bot回复表格 - 下一轮OCR再次抓取同屏内容，把表格残片"端0(基岩版)"当成新消息 - 残片通过所有过滤（长度7有括号豁免短句检查，score=2放行） - 残片入库后占用处理位置，导致真正的"关于我们"被跳过 修复： 在关键词打分前置增加bot回复碎片检测： - 计算文本与已回复内容的最长公共子串占比 - 占比≥80%且长度≥3 → 判定为bot回复残片，直接丢弃 - 例："端0(基岩版)" vs 已回复表格含"端口(基岩版) | 30679" → 公共子串相似度≥80% → 拦截 --- monitor.py | 21 +++++++++++++++++++++ 1 file changed, 21 insertions(+) diff --git a/monitor.py b/monitor.py index 0dba63b..d748a1d 100644 --- a/monitor.py +++ b/monitor.py @@ -8212,10 +8212,31 @@ class MessageMonitor: # ⭐ Task #1558 新逻辑: 关键词打分前置（所有消息必须先打分） # 流程： + # 0. bot回复碎片检测（新增）：如果文本与已回复内容高度重叠（相似度≥80%），直接丢弃 + # 防止OCR把bot回复表格残片（如"端0(基岩版)"）当成用户消息处理 # 1. 提取OCR时间戳（用于时间比较） # 2. 调用关键词打分器 → ≤1分无条件放行，≥1分时间比较 # 3. 时间比较：OCR时间 vs 系统时间（差值≤10秒用OCR，否则用系统时间） # 4. 判断：当前时间 > DB落库时间+5分钟 → 放行，否则拦截 + + # ⭐ 新增：bot回复碎片检测（防止OCR残片入库） + if self._replied_texts and len(ts) >= 3: + import difflib + t_norm = self._norm_frag(ts) + for r in self._replied_texts: + if len(r) < 5: + continue + r_norm = self._norm_frag(r) + if not t_norm or not r_norm: + continue + # 计算最长公共子串占比 + sm = difflib.SequenceMatcher(None, t_norm, r_norm) + lm = sm.find_longest_match(0, len(t_norm), 0, len(r_norm)).size + # 如果最长公共子串占文本≥80%，认为是bot回复残片 + if lm >= 0.8 * len(t_norm) and lm >= 3: + logger.debug(f"[{platform}] OCR过滤: bot回复碎片(相似度≥80%) ts={ts!r}") + seen.add(ts) + break ocr_time = None if self._keyword_scorer: # 从文本中提取最近的时间戳（格式如'22:54:16'）