修复OCR拉丁混淆(php↔4p)导致去重失效引发的重复回复：新增中文骨架匹配兜底

monitor.py

@@ -194,6 +194,24 @@ _UI_SUBSTR_BLOCKLIST = frozenset({
 })
 
 
+# ⭐ 2026-08-12: OCR 鲁棒去重——中文骨架
+#   OCR 常把拉丁字符混淆（php↔4p、o↔0、l↔1、I↔1），导致：
+#     1) 字符级 SequenceMatcher 相似度跌破 90% 门槛（如 php→4p 整句 ~83%），
+#        5 分钟重复识别去重失效；
+#     2) is_user_message_replied 的精确 MD5 哈希因单字符差异而不同，DB 查重放行。
+#   中文是语义主体，去掉所有非中文字符后比较「骨架」，可吸收这类拉丁混淆，
+#   把同一句话的不同 OCR 版本正确识别为重复，杜绝「已回复消息被重复回复」。
+_CN_RE = re.compile(r'[\u4e00-\u9fff]')
+def _cn_skeleton(text: str) -> str:
+    """提取中文骨架：只保留中文字符，忽略拉丁/数字/标点/OCR 易混淆差异。
+
+    返回空串表示无中文（调用方应跳过骨架匹配，避免误拦纯外文消息）。
+    """
+    if not text:
+        return ""
+    return ''.join(_CN_RE.findall(text))
+
+
 class MessageHistory:
     """管理消息历史数据库，用于判断无时间戳消息是否应放行"""
 
@@ -281,6 +299,29 @@ class MessageHistory:
             )
             count = cursor.fetchone()[0]
             if count == 0:
+                # ⭐ 2026-08-12: 精确匹配未命中 → 中文骨架匹配（吸收 OCR 拉丁混淆 php↔4p）
+                #   同一句话的不同 OCR 版本（php / 4p）中文骨架相同，应判定为已回复，
+                #   否则会被当作「新消息」重复查库回复（自言自语）。
+                sk = _cn_skeleton(content)
+                if len(sk) >= 6:
+                    for bot_content in self.get_recent_bot_replies(platform, limit=50):
+                        if _cn_skeleton(bot_content) == sk:
+                            # 骨架命中：若用户消息时间晚于该 bot 回复时间，视为新消息放行
+                            if user_msg_time > 0:
+                                try:
+                                    c2 = conn.execute(
+                                        "SELECT created_at FROM message_history WHERE platform=? AND sender_type='bot' AND content=? ORDER BY id DESC LIMIT 1",
+                                        (platform, bot_content)
+                                    )
+                                    row = c2.fetchone()
+                                    if row and row[0]:
+                                        from datetime import datetime as _dt
+                                        bot_time = _dt.strptime(row[0], "%Y-%m-%d %H:%M:%S").timestamp()
+                                        if user_msg_time > bot_time:
+                                            continue  # 用户消息更新，视为新消息
+                                except Exception:
+                                    pass
+                            return True
                 return False  # 没有相同内容的bot回复，未被回复过
             
             # 如果有相同内容的bot回复，但用户消息时间戳晚于最后bot回复时间，则视为新消息
@@ -7096,6 +7137,15 @@ class MessageMonitor:
                         seen.add(cleaned_item)
                         self._last_new_msg_time[platform] = time.time()
                         continue  # 跳过本条消息，处理下一条
+                    # ⭐ 2026-08-12: 中文骨架匹配（吸收 OCR 拉丁混淆 php↔4p）
+                    #   字符级相似度跌破 90% 时（php→4p 整句 ~83%），用中文骨架兜底拦截
+                    sk_cur = _cn_skeleton(cleaned_item)
+                    sk_rep = _cn_skeleton(last_reply)
+                    if len(sk_cur) >= 6 and sk_rep and sk_cur == sk_rep:
+                        logger.info(f"[{platform}] OCR噪声检测(骨架匹配): 与最近bot回复中文骨架相同，跳过: {cleaned_item[:60]}")
+                        seen.add(cleaned_item)
+                        self._last_new_msg_time[platform] = time.time()
+                        continue
                 # ⭐ 5分钟内OCR重复识别去重：同一消息被OCR识别两次（乱码+正确文本），相似度>=90%则跳过
                 now = time.time()
                 # 清理过期条目
@@ -7108,6 +7158,14 @@ class MessageMonitor:
                 for recent_text, recent_ts in self._recent_processed_messages:
                     if now - recent_ts > 300:
                         continue
+                    # ⭐ 2026-08-12: 中文骨架匹配（吸收 OCR 拉丁混淆 php↔4p）
+                    #   同一消息被 OCR 识别两次（php / 4p），字符级相似度 <90% 时兜底拦截
+                    sk_cur = _cn_skeleton(cleaned_item)
+                    sk_old = _cn_skeleton(recent_text)
+                    if len(sk_cur) >= 6 and sk_cur == sk_old:
+                        logger.info(f"[{platform}] OCR重复识别去重(骨架匹配): 中文骨架相同，跳过: {cleaned_item[:60]}")
+                        is_duplicate = True
+                        break
                     if len(recent_text) < 4 or len(cleaned_item) < 4:
                         continue
                     # 快速长度剪枝