fix: 修复OCR消息被误判为bot回复碎片的问题 (Task #1654)

问题：'关于我们'、'服务器基本信息'等短查询被误判为bot回复碎片而丢弃
根因：bot回复碎片检测逻辑过于宽松，字符重叠率≥50%且cjk≥2就判定为碎片
修复：
1. 添加问句豁免：包含疑问词或以问号结尾的消息跳过碎片检测
2. 添加前缀豁免：短消息（<10字符）如果是已回复文本的前缀，视为用户查询
3. 调整策略1阈值：最长公共子串占比≥70%且≥5字符（原≥60%且≥3字符）
4. 调整策略2阈值：字符重叠率≥60%且cjk≥3（原≥50%且cjk≥2）
5. 策略3要求文本长度≥5（防止短消息误判）

monitor.py

@@ -10182,9 +10182,14 @@ class MessageMonitor:
         # ⭐ 新增：bot回复碎片检测（在基线轮判断之前过滤，防止OCR残片入库）
         # 如果文本与已回复内容高度重叠（字符重叠率≥50%），直接丢弃
         # 例："端0(基岩版)" vs 已回复表格含"端口(基岩版) | 30679" → "基岩版"3字重叠 → 拦截
+        # ⭐ Task #1654 修复：避免误判用户查询（如"服务器基本信息"、"关于我们"）为回复碎片
+        #   增加最小长度要求、提高重叠比例阈值、添加问句豁免
         if self._replied_texts:
             import difflib
             filtered_new_items = []
+            # ⭐ 问句豁免词列表（与_is_reply_fragment保持一致）
+            _ask_words = ('怎么办', '为什么', '能不能', '怎么', '如何', '什么', '可以',
+                          '帮忙', '是啥', '是啥啊', '在哪', '哪个', '哪里', '多少', '几', '吗', '呢')
             for item in new_items:
                 ts = item.strip()
                 if len(ts) < 3:
@@ -10192,30 +10197,45 @@ class MessageMonitor:
                     continue
                 is_fragment = False
                 t_norm = self._norm_frag(ts)
+                # ⭐ 问句豁免：如果文本包含疑问词或以问号结尾，视为用户查询，跳过碎片检测
+                _is_ask = any(w in ts for w in _ask_words) or ts.rstrip().endswith(('?', '？'))
+                if _is_ask:
+                    logger.debug(f"[{platform}] OCR过滤: 问句豁免，跳过碎片检测 ts={ts!r}")
+                    filtered_new_items.append(item)
+                    continue
                 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
-                    # 策略1：最长公共子串占比≥60%且≥3字符（严格匹配）
+                    # ⭐ 前缀豁免：如果文本是已回复文本的前缀（长度<10），可能是用户查询
+                    if len(ts) < 10 and r.startswith(ts):
+                        logger.debug(f"[{platform}] OCR过滤: 前缀豁免，跳过碎片检测 ts={ts!r} vs r={r[:60]!r}")
+                        continue
+                    # ⭐ 策略1：最长公共子串占比≥70%且≥5字符（更严格，避免短消息误判）
                     sm = difflib.SequenceMatcher(None, t_norm, r_norm)
                     lm = sm.find_longest_match(0, len(t_norm), 0, len(r_norm)).size
-                    if lm >= 0.6 * len(t_norm) and lm >= 3:
+                    if lm >= 0.7 * len(t_norm) and lm >= 5:
                         logger.debug(f"[{platform}] OCR过滤: bot回复碎片(lm={lm},ratio={lm/len(t_norm):.0%}) ts={ts!r}")
                         is_fragment = True
                         break
-                    # 策略2：字符级重叠率≥50%且核心词命中（宽松匹配，防OCR噪声）
+                    # ⭐ 策略2：字符级重叠率≥60%且至少有3个中文字符重叠（调整阈值）
                     # 计算t_norm中有多少字符出现在r_norm中
                     r_char_set = set(r_norm)
                     overlap = sum(1 for c in t_norm if c in r_char_set)
                     overlap_ratio = overlap / len(t_norm) if t_norm else 0
-                    # 如果重叠率≥50%且至少有2个中文字符重叠 → 可能是碎片
+                    # 如果重叠率≥60%且至少有3个中文字符重叠 → 可能是碎片
                     cjk_overlap = sum(1 for c in t_norm if '\u4e00' <= c <= '\u9fff' and c in r_char_set)
-                    if overlap_ratio >= 0.5 and cjk_overlap >= 2:
+                    if overlap_ratio >= 0.6 and cjk_overlap >= 3:
                         logger.debug(f"[{platform}] OCR过滤: bot回复碎片(char_overlap={overlap}/{len(t_norm)},cjk={cjk_overlap}) ts={ts!r}")
                         is_fragment = True
                         break
+                    # ⭐ 策略3：完全子串匹配（文本完全包含在已回复文本中）
+                    if len(ts) >= 5 and any(ts in r for r in self._replied_texts):
+                        logger.debug(f"[{platform}] OCR过滤: bot回复碎片(完全子串) ts={ts!r}")
+                        is_fragment = True
+                        break
                 if not is_fragment:
                     filtered_new_items.append(item)
             new_items = filtered_new_items