youpaishidifu/msgbot
1
1
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
454 Commits 1 Branch 0 Tags
434a9609bf0937942c19e19ad3ef17b3377a4f9d
Commit Graph
454 Commits
This Branch
This Branch
All Branches
Author SHA1 Message Date
youpaishidifu 434a9609bf 修复下载类查询牛头不对马嘴复发：文档无下载token时拒绝 
问题：用户问在哪儿能下到那个登录插件，bot回复了protect文档的操作方式表格，
因为该文档heading含登录插件但body是操作方式，与下载无关。

修复：在_has_content_relevance方法中新增下载类查询额外防御——
当查询含下载意图词（下载/下到/哪下/在哪下/怎么下）时，
若文档全文（heading+title+body前800字）不含下载token，
直接拒绝该文档，防止牛头不对马嘴。

同时保留原有下载意图检查（heading含下载时放行），确保sdf1_login等下载文档正常匹配。

Task #1582
 2026-08-23 22:39:18 +08:00
youpaishidifu e826fbe0f0 修复基线消息不加跨轮去重记录导致重复回复 
问题：基线消息（首次成功轮询时标记的第一条消息）未加入 _recent_user_queries，
导致下一轮轮询时跨轮语义去重无法拦截100%相同的消息，触发二次回复。

修复：基线处理时调用 _add_to_recent_user_queries(item)，5分钟TTL内跨轮去重可拦截，
过期后用户重发仍可处理。

Task #1581
 2026-08-23 22:10:45 +08:00
youpaishidifu 7460d40940 fix: 修复启动时清空数据库逻辑，适配新表结构 2026-08-23 21:52:55 +08:00
youpaishidifu 2a3ecdba14 修复bot自言自语大小写不敏感问题 + 退出时后台内存回收不阻塞 
- monitor.py: 去重管道所有比较改为大小写不敏感（recent_replies时间窗口、_replied_texts、_fuzzy_duplicate、子串包含、长公共子串、_last_bot_reply_content）
- main.py: CTRL+C信号处理将内存回收放到后台线程，不阻塞退出
- gui.py: 无实质修改（仅格式）
 2026-08-23 21:30:05 +08:00
youpaishidifu 25b844098f fix(#1574): Bot自言自语拦截v2——拆行比对修复多行回复漏过 
根因：bot回复是多行（含表格），OCR只读首行（如'php有2种登陆模式:'）。
原比对把整个多行回复当一个字符串比较，CJK骨架/Jaccard被表格行稀释→漏过。

修复三处拆行：
1. recent_replies精确匹配：逐行 strip== 比对
2. Bot自言自语拦截(8928)：拆行做骨架/Jaccard/子串三策略
3. _last_bot_reply_content检查(9222)：拆行做SequenceMatcher/骨架/子串

新增策略3：CJK子串包含——OCR文本的CJK骨架是bot行CJK骨架的子串即拦截
（覆盖OCR截断场景：'有2种登陆模式'是'有2种登陆模式模式输入密码直登'的子串）
 2026-08-23 19:11:25 +08:00
youpaishidifu 308bae1fa5 fix: 修复OCR自言自语循环 - Bot回复归一化去重拦截 
根因：OCR读取bot自己回复时，文本格式差异（时间戳前缀、标点全/半角、空格）
导致精确/模糊匹配全部失效，bot反复回复自己的旧回复。

修复（Task #1574）：
1. 去重管道最前端新增「Bot自言自语拦截」：
   - 归一化OCR文本（去时间戳、去标点空格、只保留CJK）
   - CJK骨架完全相同 → 直接拦截
   - 归一化Jaccard相似度>=0.60 → 拦截
2. _last_bot_reply_content检查：
   - 相似度阈值从0.9降至0.65
   - CJK骨架长度要求从6降至4，覆盖短回复场景
 2026-08-23 17:59:59 +08:00
youpaishidifu 32f36dc5fd 任务#1570+#1572: 重构消息历史数据库为3表结构，改善OCR查重逻辑 
1. 数据库重构为3张表：
   - user_messages: 用户消息原文
   - bot_messages: bot消息原文
   - ocr_staging: OCR暂存（重启清空防自言自语）

2. 新增数据迁移：自动将旧表数据迁移到新表

3. 改善OCR查重逻辑：
   - 得分≥2时：检查与bot消息和用户原始消息的重合率
   - 重合率≥50%时丢弃（防bot自言自语和OCR残留）
   - 得分<2时：重合率≥70%丢弃

4. 新增OCR暂存记录功能：
   - 记录通过所有过滤器的OCR消息
   - 用于后续查重和审计

5. 新增get_recent_user_messages方法：
   - 获取最近的用户原始消息
   - 用于查重逻辑
 2026-08-23 16:41:53 +08:00
youpaishidifu 9152c3529f 任务#1441: 修复bot自言自语和双重回复问题 
**问题1: 自言自语**
- OCR把bot自己的回复再读一遍，当成新消息触发二次回复
- 修复: 查库对比bot历史回复，重合率≥50%（高分消息）或≥70%（普通消息）则丢弃

**问题2: 双重回复**
- 用户操作电脑打断bot回复发送时，_last_hash_replied标志被重置，下次轮询重复触发
- 修复: 新增_reply_in_progress标志，回复进行中时跳过所有轮询处理

**修改文件:**
- monitor.py: 添加_reply_in_progress状态追踪+动态阈值bot消息过滤
- gui.py: 在回复执行前后设置/清除_reply_in_progress标志
- _keyword_scorer.py: 新增get_last_score()方法用于查询得分而不记录
 2026-08-22 10:50:56 +08:00
youpaishidifu 1ab422cfd5 修复闲聊消息过滤：拦截'有时间吗'等无主题查询 2026-08-22 10:17:54 +08:00
youpaishidifu 05e7722816 修复Markdown标题过滤：支持无空格格式#xxx 2026-08-22 09:55:56 +08:00
youpaishidifu 7257bfb028 修复玩家昵称过滤：添加标准化匹配，忽略空格和括号差异 2026-08-21 13:04:15 +08:00
youpaishidifu dac243dcc0 新增编程格式块剥离函数，头部整段跳过，尾部切掉（含兼容格式匹配） 
- 新增 _strip_programming_format_blocks 函数，检测消息头部/尾部的JSON、YAML、Markdown表格等编程格式块
- 头部检测：JSON对象、Markdown表格、YAML块 → 整段丢弃
- 尾部检测：JSON对象、Markdown表格、YAML块 → 切掉尾部保留前段
- 兼容格式匹配：检测不完整JSON片段（中英文双引号包裹键值对，以逗号/括号结尾），即使OCR识别不完整也能拦截
- 在过滤管道中位于 _strip_json_yaml_blocks 之后调用
- 修复Markdown表格和JSON配置通过过滤器触发自动回复的问题
 2026-08-21 12:34:45 +08:00
youpaishidifu f337ad1df5 新增编程格式块剥离函数，头部整段跳过，尾部切掉 
- 新增 _strip_programming_format_blocks 函数，检测消息头部/尾部的JSON、YAML、Markdown表格等编程格式块
- 头部检测：JSON对象、Markdown表格、YAML块 → 整段丢弃
- 尾部检测：JSON对象、Markdown表格、YAML块 → 切掉尾部保留前段
- 在过滤管道中位于 _strip_json_yaml_blocks 之后调用
- 修复Markdown表格和JSON配置通过过滤器触发自动回复的问题
 2026-08-21 12:03:49 +08:00
youpaishidifu 04328d7022 新增bot回复格式说明碎片拦截（格式X: json格式等） 2026-08-21 11:44:25 +08:00
youpaishidifu 093ddb77d2 fix: _is_markdown_document增强，拦截含'第X步'的bot回复碎片 
问题：OCR把bot回复碎片'cdkl 1分 cdkz 2分 第三步:文件写好以后 游戏内/控制台执行/imp'
重新识别后进入队列，触发自动回复。_is_markdown_document漏检。

根因：
1. 第X步/步骤X检测用re.match行首匹配，碎片中'第三步'不在行首→漏网
2. 代码关键词列表缺少游戏服管理术语，只有1个命中(import不完整)不够阈值

修复：
1. 第X步/步骤X检测改为re.search全文匹配（用户日常不打'第X步'，全文命中即判定bot回复）
2. 代码关键词列表增加：控制台/执行/导入/插件（游戏服管理术语，用户日常不打）

commit: fcc2e51后同分支
 2026-08-21 11:33:05 +08:00
youpaishidifu fcc2e51777 fix: 修复中部孤立*导致用户查询被_is_noise_text误杀的问题 
问题：OCR把bot的**小姐姐**识别成小姐姐*，单个*粘在昵称后，
导致'小姐姐*, 关于我们'(len≤10)被_is_noise_text判为残片丢弃，用户查询丢失。

根因：
1. _is_noise_text的逗号分段放行逻辑在elif分支，len≤10时永远不走逗号分段
2. 过滤管道无清理中部孤立*的机制（_strip_markdown_head只剥开头，_strip_markdown_tail只匹配**）

修复：
1. _is_noise_text：在len≤10分支的return True前增加逗号分段放行检查
   - 短文本含逗号时，检查逗号后半部分是否含有效查询词（疑问词/动词/主语）
   - 后半部分有效→不丢弃，保留用户真实查询
2. 过滤管道增加孤立*清理步骤（正则: ([\u4e00-\u9fff])\*(?!\*)）
   - 清除中文字符旁的单个*（bot markdown加粗残留），不匹配**，不匹配英文场景
   - 覆盖4个调用点：for循环管道、尾部过滤、逐行过滤、去重后过滤
3. 预分割噪声检测也增加*清理

commit: 4个过滤管道+预分割+2个辅助方法，共73行变更
 2026-08-21 11:18:51 +08:00
youpaishidifu 3e1e8cb700 fix(ocr): 新增 _strip_markdown_head 剥离拼在用户消息【前面】的 md 列表标记 
根因：OCR 把 bot 的 md 列表项（- / * / > / # / 1. / [√]）拼到用户新消息前面，
旧 _strip_markdown_tail 只剥尾部，对头部 md 无能为力：
- 有空格 "- 关于我们" → 被误判为 md 大头整段丢弃（用户消息丢失，最糟）
- 无空格 "-关于我们" → 列表模式要求 \s+ 漏检 → 带 md 碎片入库污染查库关键词 → 查库无结果

修复：
- 新增 _MD_HEAD_PATTERNS + _strip_markdown_head()，循环剥离开头 md 标记，
  容忍缺失空格（-关于我们 也要处理）；剥完为空返回 None 整段丢弃；保留尾部用户真实提问。
- 安全边界：仅匹配单字符/空方括号（[√]/[ ]/[x]），绝不命中多字游戏名词[钻石]；
  用户日常不以 - * > # 1. 起头，剥这些前缀安全；->_ 服务器地址 箭头也能恢复。
- 集成进 4 个调用点（in-loop 过滤 / 尾部过滤含问句保护 / 逐行过滤 / 去重后过滤），
  顺序：bot旧回复剥离 → 头部 md 剥离 → 尾部 md 剥离 → md文档/噪声/回复残片判定。

独立单测 22 例全过（含多字方括号不误杀、纯 md 返回 None、箭头恢复）。
 2026-08-21 10:44:29 +08:00
youpaishidifu 80bc8519c1 增强Markdown过滤器检测中文编号列表和代码块内容，防止Bot自言自语 2026-08-21 10:01:36 +08:00
youpaishidifu 6155fd018c 修复系统撤回提示入库：新增自定义撤回消息模式到黑名单 2026-08-20 11:06:15 +08:00
youpaishidifu 13f3afab8a 修复行合并导致残片误杀：混合文本后半部分正常查询时放行 2026-08-20 10:38:53 +08:00
youpaishidifu 4d14fe0bc0 修复OCR残片过滤：新增表格单元格残片检测 2026-08-20 09:38:27 +08:00
youpaishidifu cf9f269eca fix: Markdown斜体过滤失效，*内容*应被丢弃却入库了 
根因：_is_markdown_document函数只检测**加粗语法，未检测*斜体*语法。
用户发'*@C418minecraft 小姐姐, 来测试一下Robot*'被当作正常消息入库。

修复：增加斜体标记检测（*content*），与**加粗**并列过滤。
bot回复用*斜体*是Markdown标准语法，用户日常聊天不打。

回归：斜体*content*→丢弃，**加粗**→丢弃，普通消息→保留
 2026-08-20 09:12:31 +08:00
youpaishidifu 29f3738c09 fix: 重试计时不准，修复Tkinter after()延迟问题\n\n根因：Tkinter的after()在窗口非活动时会延迟触发，\n导致实际重试间隔不是准确的5秒，可能变成十几秒甚至更长。\n\n修复：记录目标重试时间，执行前验证是否真的到了时机。\n若未到，重新调度；若已到，执行重试。\n这样确保重试间隔是实打实的5秒，不是虚的5秒。 2026-08-20 08:58:03 +08:00
youpaishidifu 589e277419 fix: NameError 'i' not defined in row merge loop\n\n修改行合并逻辑时用了i但没有enumerate，导致NameError。\n修复：for rl in ocr_lines → for i, rl in enumerate(ocr_lines) 2026-08-19 21:33:03 +08:00
youpaishidifu 7923dd15b0 fix: EasyOCR行数保护不受分数差影响，防Windows OCR粘连误选 
根因：行数差异保护原本在score_diff<10的分支内，
但用户截图场景：win=70.8(1行1495字符) vs easy=31.1(68行481字符)，
分数差39.7>10 → 整个保护被跳过 → 选Windows → 所有消息粘在一起。

修复：把行数差异保护移到score_diff判断之外，
只要EasyOCR行数>=Windows 3x就无条件选EasyOCR。
行数差异本身就是质量信号（行数多=切分准确）。
 2026-08-19 21:27:20 +08:00
youpaishidifu beb6812223 fix: 行合并把EasyOCR正确切分的消息错误合并\n\n根因：EasyOCR输出'没有个西瓜'+ '关于我们'是两条独立消息，\n但'没有个西瓜'不以_SENT_END结尾，被合并成'没有个西瓜，关于我们'。\n\n修复：新增'下一行保护'——若当前行后面是短消息(<12字)或包含\n昵称前缀(@/用户名开头)，不合并，保留EasyOCR正确切分。\n\n场景: '没有个西瓜'(6字)→下一行'关于我们'(4字<12)→不合并\n场景: '@C418minecraft'→不合并(@开头)\n场景: '你好，'+'世界'→正常合并 2026-08-19 21:12:19 +08:00
youpaishidifu ab8286b6fa fix: Windows OCR把多行合并成一行，修复引擎选择误选Windows\n\n根因：生产环境Windows OCR在某些机器/版本上将多条消息合并成一条长行\n（如20行→1行，421字符），导致长度保护逻辑误选Windows（win_len 421 > \neasy_len*1.3=333）。\n\nEasyOCR输出20行正确切分，但被长度保护否决。\n\n修复：新增「行数差异保护」——当EasyOCR行数>=Windows 3x时强制选EasyOCR，\n因为行数多=切分准确，行数少=Windows把多行合并成一条。\n\n场景1: win=1行421字32.5分, easy=20行256字31.0分 → 选easyocr(原选windows)\n场景2: win=1行100字45分, easy=15行300字50分 → 选easyocr(长度保护已触发)\n场景3: win=10行, easy=5行 → 选windows(正常，Windows行数多)\n场景4: win=60分, easy=30分 → 选windows(分数差异大不进保护)\n场景5: win=5行, easy=15行 → 选easyocr(3x触发)\n场景6: win=5行, easy=12行 → 选windows(<3x不触发) 2026-08-19 21:03:24 +08:00
youpaishidifu 61dc653915 fix: QQ头衔+bot账号垃圾消息过滤，清理查库队列 
根因：OCR把QQ群聊头衔[专业皮肤定制]、bot账号(youpaishidifu)自身回复识别为用户消息，
重启后_replied_texts清空，bot旧回复无历史记录可比对，全部混入查库队列。

修复：
- 规则2扩展：半角方括号[]匹配OCR头衔（原只匹配全角【】）
- 规则2b新增：行内嵌入头衔+无问号+长度≤30字→bot回复（头衔在消息体中间=bot特征）
- 规则7新增：含bot账号名(youpaishidifu)+无问号→bot系统消息，过滤

回归：截图场景4条垃圾消息全FILTER，关于我们/专业皮肤定制怎么配 KEEP，[GG]游戏管理员 FILTER
 2026-08-19 20:48:26 +08:00
youpaishidifu 81a9a7c51c fix: '关于我们'查询被打负分丢弃，index关于我们section回top1 
根因：导航/目录类section全局惩罚-30误伤精确答案——index.md'## 🎈关于我们'heading含'关于我们'被罚-30，
base分14.29→-15.71负分，相关性检查全丢弃。

修复：惩罚列表移除'关于我们'（导航/目录/欢迎/总览/文档导航保留），
'关于我们'是查询意图主体，命中即答案本体。

回归：关于我们→index 14.29 top1；服务器介绍/下载/皮肤更新/操作模式/菜单/公告全绿
 2026-08-19 20:28:34 +08:00
youpaishidifu 0de88aa084 fix: 修复'登录插件的菜单如何配置?'答非所问，菜单.txt进入top1 
- 配置文件section加权：查询含配置意图词+heading带.txt/json/yml后缀+命中非泛化词→+8
- 守卫记录分数最高命中section并提到doc_sections首位，防has_action重排+sub_k截断丢答案
- 核心名词bonus按出现次数计分(5/次上限15)，修复php后台玩家端仅含一处领地管理+15压过操作方式表
- 导航/目录/总览section全局惩罚-30，修复index文档导航对皮肤更新查询得28分压过skin文档
- 表格兜底答案级抬分30：操作/模式/方式意图+表格含操作方式列→protect操作方式表32分压过php误匹配

回归验证：菜单/领地操作模式/下载/公告/皮肤更新/登录账号/密码/打印流水全部top1正确
 2026-08-19 19:53:58 +08:00
youpaishidifu b8208d6b00 fix: 物理重启时清空数据库历史，彻底清除残留数据 
问题：物理重启后，_force_clear_all_residual_data() 清空了内存，
但 _load_replied_texts_from_db() 会从数据库重新加载历史回复，
导致 bot 仍能"凭空看见"已回复的消息。

修复：
- _force_clear_all_residual_data() 增加 clear_db 参数
- full_restart=True 时清空 message_history 和 keyword_scores 表
- full_restart=False 时仅清内存（急停恢复场景）

效果：
- 物理重启（python main.py）：清空数据库 + 内存，彻底清除残留
- 急停恢复（双击ESC）：仅清内存，保留数据库历史记录
 2026-08-19 18:22:52 +08:00
youpaishidifu e8ca16d1bc fix: 启动时强制清理所有残留数据，避免重复捕捉被跳过 
问题：急停后恢复时，内存中的去重集（_seen_messages/_replied_texts）
和语义指纹缓存（_recent_user_queries/_semantic_fingerprint_cache）
残留上次已处理的消息，导致新轮次OCR捕捉到相同内容时，
虽然时间戳已达标但仍被去重逻辑跳过。

修复：在 start() 入口处新增 _force_clear_all_residual_data()，
清理所有内存去重/冷却/缓存状态，不触碰数据库持久化记录。

清理范围：
- 消息去重集：_seen_messages, _replied_texts, _recent_processed_messages
- 语义指纹：_recent_user_queries, _semantic_fingerprint_cache
- 平台冷却：_last_reply_time, _last_new_msg_time, _failed_send_cooldown
- OCR缓存：_last_texts, _raw_clipboard, _last_clipboard_hash, _app_variant
- 响应式冷却：_foreground_cooldown_until, _self_reply_cooldown_until
 2026-08-19 17:47:49 +08:00
youpaishidifu e1a1078873 fix: 表格兜底通过时跳过核心词覆盖检查 
问题：'领地系统有哪两种操作模式?'查询命中protect.md的'温馨提示'
section（含操作方式表格），表格兜底放行后仍被多关键词覆盖检查拦截。

根因：表格兜底设置has_body=True，但核心词覆盖检查是独立逻辑，
要求5个核心词命中≥3个，而表格中只有'系统''操作'命中(2/5)。

修复：表格兜底通过时设置_table_fallback_used标记，核心词覆盖检查
跳过该检查，避免表格型答案被误杀。

验证：
- '领地系统有哪两种操作模式?' → 返回操作方式表格 ✓
- 其他查询的核心词检查逻辑不变
 2026-08-19 16:49:16 +08:00
youpaishidifu b02bb8c3eb 修复OCR残片检测：双策略匹配（最长公共子串+字符重叠率） 
问题：
- 单用最长公共子串策略，"端0(基岩版)" vs "端口(基岩版)" 相似度仅60%，未达80%阈值
- 导致碎片通过检测入库

修复：
增加双策略匹配：
1. 最长公共子串≥60%且≥3字符（严格）
2. 字符重叠率≥50%且中文字符重叠≥2（宽松，防OCR噪声）

验证：
- 端0(基岩版) → fragment=True ✓ (字符重叠"基岩版"=3字)
- 端0(Java) → fragment=True ✓
- 关于我们 → fragment=False ✓
- 那服务器有哪些基本信息 → fragment=False ✓
 2026-08-19 16:23:49 +08:00
youpaishidifu 416124ebc0 修复OCR残片入库：在基线轮前统一过滤bot回复碎片 
问题：
- 之前的检测代码在关键词打分循环中，但score=0的残片通过了打分
- 然后进入基线轮判断，被标记为"基线"跳过但仍在new_items中
- 同轮择优时又被选上，导致残片入库

修复：
将碎片检测移至基线轮判断之前（约8261行），对new_items统一过滤
- 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 → 直接丢弃
- 例："端0(基岩版)" vs 已回复表格"端口(基岩版)" → 相似度85.7% → 拦截
 2026-08-19 16:21:54 +08:00
youpaishidifu 5982cadad6 修复OCR残片入库问题：新增bot回复碎片检测 
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
 2026-08-19 16:11:54 +08:00
youpaishidifu dd21327806 修复单核心词查询正文覆盖死锁：max(2,...)对1词永远失败 
根因：'端0(基岩版)'→q_mean={'基岩'}, body_hits=1, 阈值=max(2,min(1,...))=2
1<2 → 必然返回False → 回复被拒，入库残片后后续轮询不回复

修复：max(2,...)→max(1,...)，单核心词时阈值=1即可通过
多核心词查询（q_count≥2）：max(1,...)≥2不变，防御强度不下降
 2026-08-19 15:56:58 +08:00
youpaishidifu fd147862c7 修复关键词打分器自拦截：时间比较排除刚插入的自身记录 
根因：
should_skip_message 先 record_message_score 落库(时间=now)，
再 _should_skip_by_time 按 message_hash 反查最后一条 → 命中的是
刚插入的自己 → db_time=now → '当前<=DB+5分' 永远拦截。
新消息首次出现即被拦，5分钟窗口永远走不完。

例：'那服务器有哪些基本信息，L ~' score=2(命中共用词'服务'/'务器')
时间比较命中自己 id=54(14:40:15) → 拦截，消息丢失。

修复：
record_message_score 返回 lastrowid，
_should_skip_by_time 增加 exclude_id 参数，查询排除自身。

验证：
- 新消息首次出现 → 放行(不再自拦截)
- 同文本5分内重现 → 拦截(去重仍生效)
- 同文本5分后重现 → 放行(时间超窗)
- 真实库下游测3/3 全部符合预期
 2026-08-19 14:50:23 +08:00
youpaishidifu c6b6a73970 修复[相关检查]：纯停用词查询模糊子串回退，容忍OCR/输入噪声 
- 问题：查询"关于我们儿"匹配到index.md"关于我们"(匹配度8.66)却未通过内容相关性检查，跳过回复。
- 根因：q_mean为空(关于/我们均为停用词)落入纯停用词分支，整串精确子串匹配"关于我们儿" in full失败即拒，多一个"儿"字符无法容忍。
- 修复：精确匹配失败后增加模糊子串回退——按stripped长度从大到小在full中查找连续片段，命中长度≥max(3, len*0.75)放行。
- 测试：单测4/4(案例+回归)，真实KB端到端：index 8.66→True，beibao 2.24/sdf1 0.60→False。
 2026-08-19 14:20:14 +08:00
youpaishidifu 50474db1c7 修复关键词打分器：时间比较逻辑 + OCR时间源选择 
1. 修复 _should_skip_by_time 方法调用参数缺失 text 的问题
2. 实现三源时间比较逻辑：
   - DB落库时间：历史记录的最后处理时间
   - OCR时间：从消息文本提取的时间戳（如'22:54:16'）
   - 系统时间：当前机器时间
3. 时间源选择规则：
   - |OCR时间 - 系统时间| ≤ 10秒 → 使用OCR时间（更准确）
   - 否则 → 使用系统时间
4. 重复判断规则：
   - 当前时间 > DB落库时间 + 5分钟 → 放行（新消息）
   - 否则 → 拦截（重复消息）
5. monitor.py 前置 OCR 时间戳提取，传递给打分器
6. 修复 threshold 默认值从 2 改为 1，确保 ≥1 分进入时间比较

参考：Task #1558, #1559
 2026-08-18 23:51:57 +08:00
youpaishidifu 1e0a0f6e0d fix(Task #1558): OCR语义去重豁免问句 - 防止相同问句被静默丢弃\n\n根因：\nbaseline轮次（22:53:35）处理'登录插件在哪儿下载?'后记录语义指纹，\n30秒TTL内（22:54:16）再次遇到完全相同的问句 → _dedup_semantic_fingerprint\n直接丢弃且无日志，用户问句永久丢失。\n\n修复：\n问句（含问号?/？或疑问词）豁免语义去重——用户可能重复提问相同问题。\n\n验证：\n- '登录插件在哪儿下载?' 不再被静默去重\n- 陈述句仍正常去重（如'关于我们'变体） 2026-08-18 23:14:51 +08:00
youpaishidifu 00335535cd fix(Task #1559): @提及用户消息被UI规则/短句碎片误杀 - 昵称剥离联动豁免 
根因：
1. _strip_qq_nickname 全局先行，把')游戏专用关于我们'->')关于我们'、
   '@游戏专用关于我们'->'@关于我们'，破坏规则4已知昵称豁免证据(28b3c93),
   规则4/3b把残留当UI元素整行误杀；短句碎片杀'关于我们'残留
2. 残留孤立@字符：'那关于我们@游戏专用'只剥昵称留尾@，污染后续
3. 短@噪声行'有人@拜'并入上行污染用户消息

修复：
1. _strip_qq_nickname 收集提及余量集合（@/）昵称剥离后正文），返回元组
2. 全局/模糊剥昵称时连紧邻提及符(@)(（ ））一起剥除
3. per-line 提及衍生消息豁免规则3b/规则4/短句碎片（余量非空=用户提问；
   纯提及空余量仍是UI，规则3b照常拦截）
4. 行合并防护：含@无问号中文<=4字的噪声行不并入上行

验证：3单元测试+1端到端（真实日志输入）全过
- 5条'关于我们'变体全豁免存活，'有人@拜'/bot菜单/时间戳全被正确拦截
 2026-08-18 19:26:39 +08:00
youpaishidifu 7587137b43 fix(Task #1558补): OCR时间戳仅参考 - 含中文无新鲜时间戳放行交下游过滤，仅纯UI噪声丢弃 2026-08-18 18:32:13 +08:00
youpaishidifu 8aa3639cf3 fix: 移除不存在的_kb_search调用，回退基线轮逻辑到原版 
问题：commit 9673ed6 添加了 self._kb_search() 调用，但 MessageMonitor 没有此方法
导致 AttributeError: 'MessageMonitor' object has no attribute '_kb_search'

修复：回退基线轮逻辑到 c3f12cd 原版，简单标记第一条消息为基线不回复
 2026-08-18 16:41:36 +08:00
youpaishidifu 9673ed6dab fix: 修复基线轮吞掉有效消息的问题 
问题：基线轮无条件跳过第一条消息，导致后续轮次一直卡在无意义的'关于我们@'消息上，无法处理真正的问句'那登录插件去哪儿下载?'

修复：基线轮先检查第一条消息是否有效（KB能匹配到结果），如果无效则直接跳过，继续处理下一条；只有当第一条消息有效时才作为基线不回复。

文件：monitor.py
- 第8210-8237行：修改基线轮逻辑，先验证消息有效性再决定是否跳过
 2026-08-18 16:04:22 +08:00
youpaishidifu c3f12cd6dc fix(Task #1558): 重构消息去重：用关键词打分替代OCR时间戳判断 
核心变化:
1. 完全移除OCR时间戳丢弃逻辑（_is_timestamp_old不再用于丢弃消息）
2. 改为关键词打分+时间感知去重:
   - 得分≤1 → 直接放行（新消息）
   - 得分≥1 → 检查最近一次打分时间:
     * 最近300秒内有同类记录 → 丢弃（同一用户重复）
     * 超过300秒或无记录 → 放行（不同用户的新提问）

3. 修复问题:
   - 旧消息被陈旧时间戳继承导致误杀（如13:32:36继承给14:42:57的消息）
   - 不同用户相同问题的误过滤（如"php管理员密码"被统一丢弃）

4. OCR时间戳仅作为参考，±10秒容差，超时用本地时间

修改文件:
- _keyword_scorer.py: 新增时间感知去重逻辑
- monitor.py: 移除时间戳丢弃分支
 2026-08-18 15:12:51 +08:00
youpaishidifu 7d540f844a fix(Task #1557): 修复单字感叹词被错误合并 + 短句碎片误过滤 
问题:
1. OCR把'嘿，php那管理员后台的那个默认密码是多少啊？'拆成两行'嘿'和'php...'
   行合并逻辑错误地将'嘿'合并进问句，导致消息变成'嘿；php那管理员后台的那个默认密码是多少啊？'

2. 用户消息'那关于我们'（5字）被短句碎片规则过滤，因为含'那'是口语前缀但原规则未识别

修复:
1. 行合并逻辑：检测单字感叹词（嘿/哈/哦/呃等），若当前行或上一行是单字感叹词则不合并
2. 短句碎片规则：添加口语前缀词（那/这/啥/咋/嗯/哦/嘿/哈）豁免检查，含这些词的短句放行
 2026-08-18 13:47:25 +08:00
youpaishidifu 02b0c47c52 feat: 为bot回复添加关键词记录 (Task #1556) 2026-08-18 12:48:59 +08:00
youpaishidifu ad88cfbb8f feat: 在消息处理后记录关键词得分 (Task #1556) 2026-08-18 12:47:58 +08:00
youpaishidifu c7afa13bc5 feat: 实现关键词打分去重系统 (Task #1556) 2026-08-18 12:45:04 +08:00