Fix #1701: 修复知识库搜索权重计算导致牛头不对马嘴问题

问题：用户问用户组是怎么配置的，系统回复了sdf1_game.md的问答题表格配置块，
而不是protect.md中关于用户组的正确描述。

根因：sdf1_game.md的题目配置格式section body包含完整代码块（数百字符），
gui.py质量分body_len/100给该section大量加分，压过真正答案。

修复（三处）：
1. knowledge_base.py: TF-IDF corpus构建时移除代码块内容
2. auto_reply.py: 相关性检查中移除代码块内容
3. gui.py: 质量分计算时截断代码块只计算说明文字长度

auto_reply.py

@@ -193,6 +193,9 @@ class AutoReply:
         heading_clean = _link.sub(r'\1', heading).lower()
         body = doc.get("content", "") or doc.get("body", "")
         body_clean = _link.sub(r'\1', body).lower()
+        # ⭐ 移除代码块内容：避免配置示例/问答数据等代码块污染相关性检查
+        # 修复"用户组是怎么配置的"被sdf1_game"题目配置格式"（body含代码块）误匹配的问题
+        body_clean = re.sub(r'```.*?```', '', body_clean, flags=re.DOTALL)
 
         ht_tokens = AutoReply._meaningful_tokens(heading_clean + " " + title)
         body_tokens = AutoReply._meaningful_tokens(body_clean[:800])

gui.py

@@ -1234,6 +1234,13 @@ class MsgBotApp(ctk.CTk):
                         if rel:
                             # 计算质量分：body越长、有表格/链接列表，质量越高
                             body = doc.get('body', '') or doc.get('content', '')
+                            body_full_len = len(body.strip())
+                            # ⭐ 代码块长度惩罚：body含```代码块时，代码块内容（如配置格式示例、问答数据）
+                            #   不应贡献body_len加分。截断到代码块起始位置，只计算"说明文字"的长度。
+                            #   修复"用户组是怎么配置的"被sdf1_game"题目配置格式"（body含完整代码块）压过的问题
+                            _code_block_idx = body.find('```')
+                            if _code_block_idx >= 0:
+                                body = body[:_code_block_idx]
                             body_len = len(body.strip())
                             # 下载类查询优先选择详细表格，而非简略提示
                             is_download_query = any(w in cleaned_msg for w in ('下载', '下到', '哪下', '怎么下'))

knowledge_base.py

@@ -405,7 +405,12 @@ class KnowledgeBase:
             body = d.get("body", d["content"])
             # 移除链接语法 [text](url)，只保留非链接部分
             body_clean = re.sub(r'\[([^\]]*)\]\([^\)]+\)', '', body)
-            corpus.append(body_clean)
+            # ⭐ 移除代码块内容：```...``` 内的配置示例/问答数据等不属于"正文说明"，
+            #   避免长代码块使body_len虚高，污染TF-IDF关键词密度和质量分计算。
+            #   例：sdf1_game"## 题目配置格式"的body含完整问答题代码块（数百字符），
+            #   导致该section在质量分计算中获得过多body_len加分，压过真正答案。
+            body_no_code = re.sub(r'```.*?```', '', body_clean, flags=re.DOTALL)
+            corpus.append(body_no_code)
         try:
             self._tfidf_matrix = self._vectorizer.fit_transform(corpus)
             self._ready = True