youpaishidifu/msgbot
1
1
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
333 Commits 1 Branch 0 Tags
8b4542d2f9d14472c35c9e3ec1a471fc5add4a37
Commit Graph
333 Commits
This Branch
This Branch
All Branches
Author SHA1 Message Date
youpaishidifu 8b4542d2f9 feat(monitor): 添加偏旁合体还原功能 
1. 新增 _load_radical_mapping() 函数
   - 解析 unicode_radicals.md 构建偏旁组合→完整汉字映射表
   - 例如: '讠吾'→'语', '亻尔'→'你', '彳亍'→'行'

2. 新增 _restore_radical_text() 函数
   - 按长度降序匹配，避免短模式误匹配
   - 将 OCR 拆分的偏旁组合还原为完整汉字

3. 改造偏旁过滤逻辑（OCR阶段 + Poll阶段）
   - 先尝试合体还原，再统计偏旁占比
   - 还原后偏旁占比>10%才丢弃
   - 修复 OCR 误识别（默讠/亻尔）导致有效消息被丢弃的问题

示例：
  输入: '默讠人登录密码'
  还原: '默认人登录密码'
  结果: 放行
 2026-08-14 10:17:29 +08:00
youpaishidifu b08363551a fix(monitor): Poll阶段也放宽偏旁过滤 
与OCR阶段保持一致，从"包含偏旁字符就丢弃"改为"偏旁字符占比>10%才丢弃"
防止OCR误识别（默讠/亻尔）导致有效消息被丢弃
 2026-08-14 10:10:16 +08:00
youpaishidifu 3e416c024b fix(monitor): 放宽偏旁过滤 + 修复表格提取逻辑 
1. 偏旁字符过滤放宽（monitor.py）
   - 从"包含偏旁字符就丢弃"改为"偏旁字符占比>10%才丢弃"
   - 修复 OCR 误识别（默讠/亻尔）导致有效消息被丢弃的问题
   - 纯偏旁碎片（如⺀⺁⺂⺃⺄⺅⺆⺇⺈⺉⺊）仍会被丢弃

2. 表格提取逻辑修复（auto_reply.py）
   - 放宽表格行检测：不要求行尾必须有|
   - 原因：Markdown表格可能未闭合或OCR识别不完整
   - 修复公告表格只显示第一行的问题
 2026-08-14 10:08:41 +08:00
youpaishidifu 7eaca50a71 fix(monitor): 修复消息分割和昵称剥离问题 
1. 句尾标点拆分优化（不再因句号/问号强制拆分）
   - 仅在检测到【新昵称/头衔】出现在标点后时才拆分
   - 增加续接代词检查（那/这/我/你/他/最/刚等）
   - 减少到最多拆1次，防止过度拆分

2. 群聊多消息拆分逻辑增强
   - mid-text 昵称分隔符扩展 @ 匹配（支持昵称@昵称格式）
   - mid-text 剥离后循环剥除残留开头的已知昵称
   - 修复 草原探险服务器备用号@游戏专用 格式中第二个昵称残留问题
 2026-08-13 23:47:45 +08:00
youpaishidifu f8f9515170 fix(kb): 修复'管理员端'查询被误判为beibao.md的问题 
问题：查询'那pHP的那个管理员端的密码，默认是多少?'时，
beibao.md的'## 使用方法-管理员'（score=66.56）被错误选中，
而非phpadmin.md的'## php管理员后端'（score=63.69）。

根因：原规则只检查query是否含'后端'，但用户实际使用了'管理员端'。
beibao.md heading含'管理员'，通过了'php密码查询'检查，
而规则没有区分'管理员'和'管理员端'的语义差异。

修复：将规则从'后端'扩展到'后端'或'管理员端'，
要求heading必须含'php'或'后端'才能通过。
beibao.md不含'php'也不含'后端'→ 拒绝。

测试：3/3用例通过，原有7/7测试继续通过。
 2026-08-13 23:11:34 +08:00
youpaishidifu 05d23b515a fix(kb): 增大top_k从5到10，确保OCR噪声查询的正确结果不被截断 
问题：查询'草原深险服务器备用号服务器近期的一些公告有哪些？'
正确结果index.md'近期公告'在top_k=5时被截断（排在第6位，score=5.85），
导致所有候选都被多关键词检查拒绝，无结果返回。

修复：将gui.py的top_k从5增至10，确保正确结果在搜索范围内。
阈值仍为0.45，后续相关性检查逻辑不变。

测试：7/7用例通过
 2026-08-13 21:44:59 +08:00
youpaishidifu a0ace5ec13 fix(kb): 多关键词全覆盖防御 + 语义意图验证增强 
1. auto_reply.py 多关键词覆盖防御：
   - 区分核心词与非核心词（排除疑问词、OCR碎片等）
   - 要求文档覆盖≥50%核心词（最低2个），防止单一关键词误选
   - 例：查询含核心词={'草原','近期','公告'}，sdf1.md只含'草原'(1/3)→拒绝

2. auto_reply.py 语义意图验证增强：
   - php查询：heading需含'php'或'管理'或'后端'（放宽规则支持'php用户管理'）
   - php密码查询：heading必须含'管理员'或'后端'（区分玩家端vs管理端）
   - 新增php后端查询规则：query含'后端'但heading不含时拒绝

3. gui.py 搜索范围扩展：
   - top_k从3增至5，确保正确结果不被截断

修复问题：
- '服务器近期的一些公告有哪些' → 返回index.md的'近期公告'
- 'PHP默认的那管理后台管理密码是多少' → 返回phpadmin.md的'ypshidifu2026'
- '那pHP后端的那管理员默认密码是多少' → 返回phpadmin.md（拒绝beibao.md）
 2026-08-13 21:24:32 +08:00
youpaishidifu 2a5f16ae1f fix(kb+filter): 修复管理员密码查询返回玩家端问题 + 问句豁免公共子串跳过 
1. auto_reply.py: 管理员密码查询(含php)要求heading含"管理员"，防止php.md玩家端被误选
2. monitor.py: Poll阶段回复公共子串跳过增加问句豁免，含疑问词的消息不再被误判为旧回复片段
 2026-08-13 17:17:28 +08:00
youpaishidifu 8d0670ce81 fix(kb): 修正语义意图验证，php查询要求heading含php 
之前规则：'php'+'管理'时允许heading含'管理'→ beibao通过
修正：'php'查询时heading必须含'php'→ 正确返回phpadmin
 2026-08-13 16:05:34 +08:00
youpaishidifu 256935d70c fix(kb): 添加语义意图验证，防止OCR错字导致错误匹配 
问题：查询'那录插件的pHp后端那管理员默认密码是多少?'（OCR将'登'识别为'录'），
beibao.md的'使用方法-管理员'（score=79）压过phpadmin.md的'php管理员后端'（score=64）。

修复：增加语义意图验证规则：
1. 查询含'php'+'后端/管理'时，heading必须含'php'或'管理'
2. 查询含'管理员密码'时，heading必须含'密码/管理/php'

效果：php管理密码查询现在正确返回phpadmin.md的'## php管理员后端'
 2026-08-13 16:03:01 +08:00
youpaishidifu 8d648f37fb fix(kb): 搜索阶段过滤查询停用词，防止通用名词导致TF-IDF虚高 
问题：查询"服务器的公告"时，"服务器"的IDF=3.2虚高，
player.md的"运营方权利"段落含"服务器"多次→keyword_score=12.8，
压过index.md的"近期公告"（keyword_score=3.2）。

修复：在search()中使用AutoReply._STOPWORDS过滤查询token，
只保留"公告"等核心查询词参与评分。

效果："服务器的公告"现在正确匹配到index.md的"## 🔈近期公告"。
 2026-08-13 15:24:46 +08:00
youpaishidifu 93c50ecef3 fix(ocr): 预分割阶段先剥离bot旧回复再检测噪声 
问题：OCR混合文本（用户提问+bot旧回复）被 _is_noise_text 误判为噪声丢弃。
例：'运营方有权...@游戏专用服务器近期有哪些公告...' → 含'运营方有权'触发协议噪声检测→整段丢弃。

修复：在 _pre_split_noise_filter 中先调用 _strip_bot_reply_fragments 剥离bot旧回复，
再对剥离后的文本做 _is_noise_text 检测。
剥离后为空→丢弃；剥离后仍有噪声→丢弃；否则保留。
 2026-08-13 14:26:33 +08:00
youpaishidifu d0e3950d6c fix(kb): 子串回退要求至少一个meaningful_token命中，防止通用词泛匹配 
问题：添加'服务器'停用词后，player.md的heading/body仍含'服务器'三字，
子串回退检查到'服务器的'(4字子串)命中文档→错误通过相关性检查。

修复：子串回退增加前置条件——必须至少有一个meaningful_token命中文档。
'服务器的'命中但'近期'/'公告'均未命中→拒绝。
'近期公告'命中且含meaningful_token'近期'/'公告'→通过。

效果：查询'服务器的近期公告有哪些？'现在正确匹配到index.md的'## 🔈近期公告'。
 2026-08-13 13:56:52 +08:00
youpaishidifu 3e7ecf79a0 fix(kb): 将通用名词加入停用词列表，防止牛头不对马嘴误匹配 
问题：查询'服务器的近期公告有哪些？'被匹配到player.md的'运营方权利'段落。
原因：'服务器'出现在太多文档中，导致TF-IDF分数虚高，且相关性检查认为有heading命中。

修复：将'服务器','玩家','游戏','世界','地图'等通用名词加入_STOPWORDS，
使相关性检查忽略这些词，只关注'公告','近期'等核心查询词。

结果：查询现在会正确匹配到index.md的'## 🔈近期公告'section。
 2026-08-13 13:53:37 +08:00
youpaishidifu 5cdfef5daa fix(duplicate): 修复竞态条件导致的同一条消息被处理两次 
问题：两条自动回复在同一时刻（11:59:22）触发，匹配度不同（118.71和14.19），
说明是竞态条件导致同一用户消息被两个线程同时处理。

根因：DB查重在无锁情况下运行，两个线程可同时通过DB查重检查，
然后都加入_processing_messages集合，导致同一条消息被处理两次。

修复：将DB查重和hash锁定合并到同一个锁内：
1. 先计算msg_hash
2. 获取锁后，先检查是否已在_processing_messages中
3. 再执行DB查重
4. 最后加入_processing_messages

这样确保同一消息的多次调用只有一个能通过所有检查。
 2026-08-13 12:06:50 +08:00
youpaishidifu 43fcb87238 fix(ocr): 修复过滤器1中未定义变量stripped导致新鲜时间戳消息被误丢 
问题：_ocr_text_has_fresh_timestamp在发现新鲜时间戳后调用record_user_message
时使用了未定义的stripped变量，触发NameError，被except捕获后继续执行
最终返回False，导致消息被丢弃。

修复：在函数开头提前定义stripped = text.strip()
 2026-08-12 21:38:15 +08:00
youpaishidifu d286a7cab0 删除 easyocr_log.txt 2026-08-12 21:22:51 +08:00
youpaishidifu d661b7c208 fix(repeat): 修复重启后已处理消息被重复处理 
问题：有新鲜时间戳(≤300s)的用户消息在过滤器1放行时，未调用
record_user_message()记录到DB。重启后：
- _seen_messages被清空
- DB只有bot回复记录，无用户消息记录
- is_user_message_replied()返回False（骨架匹配也失败）
→ 同一用户消息被当作新消息重新处理

修复：在"发现新鲜时间戳{ts}（≤300s），放行"时同步记录用户消息到DB

注意：无时间戳消息已在原代码中记录(record_user_message)
本次仅补充有时间戳消息的记录
 2026-08-12 18:20:16 +08:00
youpaishidifu 7720172167 fix(kb): 修复牛头不对马嘴——动作查询正文无共同词时直接拒绝 
问题：领地系统有哪些权限级别? 误匹配 sdf1_login（feature list 含领地系统）
而正确答案 protect（权限级别表格）因 TF-IDF 分数较低被跳过。

修复：
1. 动作/配置类查询（怎么/如何/使用/操作/安装…）扩展为：
   - 正文不含非动作关键词 → 直接拒绝（无论 heading 是否命中）
   - 排除 action_kw 参与 body 覆盖统计，避免 verb '使用' 误命中
2. 新增正文覆盖不足防御：
   - has_ht=False + has_body=True 时，要求 body 覆盖 ≥60% 查询词（最低2词）
   - 防止散点命中（如仅命中'领地''系统'两个词）通过

覆盖测试：10/10 通过
- BUG_FIX: 权限级别 vs sdf1_login → False ✅
- BUG_FIX: 权限级别 vs protect → True ✅
- Action: 操作模式 vs sdf1_login → False ✅
- Action: 操作模式 vs protect → True ✅
- Normal queries still work ✅
 2026-08-12 17:50:08 +08:00
youpaishidifu d043da57e3 fix(ocr): 修复多时间戳场景下用户提问被误丢 (#1531 #1532) 
1. stage splitting 时间戳规整：第二段分隔符由 \2(同分隔符) 放宽为 [.;:]，
   使 15;27.05 这类 EasyOCR 混合分隔读法被正确识别为 15:27:05，
   修复 _inherited_ts 不更新导致下方消息继承陈旧时间戳被'尾部较老'误杀。
2. 过滤器层调整顺序：先剥 bot 旧回复片段，再剥 md 尾巴。OCR 把
   '用户新消息+bot旧回复'拼行时，md 尾巴剥离会在 bot 回复的 '::|::'
   残片处切断、误删用户提问，导致 filter4 整体丢弃。
3. _is_qq_ui_element 规则6：日志措辞修正(跳过->豁免/放行)，并新增
   含@+疑问词直接放行的纵深防御，避免用户提问被 UI 规则误杀。
 2026-08-12 16:48:26 +08:00
youpaishidifu 9d44b8b1d1 修复过滤器4误判用户名@提及为回复残片：公共子串为用户名时豁免 2026-08-12 14:57:22 +08:00
youpaishidifu b74fd5deb0 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 2026-08-12 14:42:01 +08:00
youpaishidifu c0025a6f12 修复OCR重复回复+KB后台密码匹配+QQ UI过滤'有人@我' 2026-08-12 12:39:44 +08:00
youpaishidifu 091cac6781 修复KB搜索牛头不对马嘴：动作查询要求标题和正文都含核心词 2026-08-12 12:00:21 +08:00
youpaishidifu 1738daffec 修复短句碎片和模糊重复跳过的误报：允许包含括号的短消息，问句不视为模糊重复 2026-08-12 11:45:50 +08:00
youpaishidifu 7e3b3141b4 修复 Task #1516：移除 stage 级 bot 菜单过滤器，避免误杀用户消息 2026-08-12 09:45:10 +08:00
youpaishidifu 9080a4db0c fix: OCR捕获bot自身回复菜单触发重复查库(Task #1515) 
_is_noise_text(stage级)+逐行过滤新增bot回复菜单模式检测：
- 版本标签：(稳定版)(最新开发版)(官方版)等
- checkbox标记：[√][⚠][✗]
- md链接格式：[text](url)
防止OCR把屏幕上的bot回复菜单重新识别为新消息触发KB搜索。
 2026-08-11 22:07:15 +08:00
youpaishidifu 92568c249f fix: OCR病句乱码检测——数字混杂中文间(如游0由)触发_is_noise_text拦截 
Task #1514: 在_is_noise_text中新增规则，检测CJK+单个数字+CJK模式
(如'游0由去哪下载登陆插件啊')，排除合法组合(序号/数量/版本号等)。
 2026-08-11 17:02:46 +08:00
youpaishidifu 0a7b330532 fix: 自动回复清理Markdown格式，防止返回MD格式内容 
新增_clean_markdown函数，清理答案中的Markdown格式（标题、链接、列表、加粗等），
返回纯文本。修复KB搜索返回Markdown格式内容（如下载地址链接）的问题。
同步dist副本。
 2026-08-11 16:27:52 +08:00
youpaishidifu 95d1514324 fix: 增强过滤器拦截纯@username消息触发查库回复 
新增规则6：匹配中文前缀+@+用户名+空格+用户名的纯@提及消息，
排除含疑问词的消息（如请问、怎么等）。长度限制放宽至50字符。
修复单独@username消息（如'有人@拜 youpaishidifu'）无实质内容
触发知识库搜索回复的问题。同步dist副本。
 2026-08-11 15:23:35 +08:00
youpaishidifu 41e5ee83c8 恢复_is_markdown_document的@staticmethod装饰器，修复OCR处理链崩溃 2026-08-11 14:52:56 +08:00
youpaishidifu 80ebe8e642 新增 _strip_markdown_tail: md 尾巴切掉保留用户提问, md 大头整段丢弃; stage/逐行/入库前 4 处接入 2026-08-11 14:20:51 +08:00
youpaishidifu 1752c055e0 修复 _is_markdown_document 中 #\s*# 规则误用 re.search 导致 QQ 标签触发 md 文档丢弃 2026-08-11 13:17:14 +08:00
youpaishidifu 290daf2d9e 修复回复片段过滤器双阈值误杀：用户消息带昵称时被当bot旧回复跳过 
- 11:14:39日志：'youpaishidifu关于我们，[潜水] BXZYAE'(用户youpaishidifu消息'关于我们'+群状态侧栏UI拼成一行)被'回复内容片段'丢弃，1 raw 0 filtered
- 根因：_process_ocr_output逐行过滤处的回复片段检测用size>=6无条件匹配，而stage级filter4已用'大部分才算'(lm>=15或lm>=8且>=60%)——历史回复含'youpaishidifu'(@提及旧回复)时与用户消息共享13字符公共子串(占比仅45%)，filter4正确放行后被宽松阈值抓回
- 修复1：3648行逐行检测阈值对齐filter4标准(大部分才算)
- 修复2：问句豁免——短问句与bot旧回复共享长短语时(如'登录插件下载地址是啥啊'vs下载地址回复共享8字占80%)60%标准仍会误杀；line含疑问词且非任何replied的完全子串→视为用户提问放行。真回声(line整段≈bot回复)仍拦
- filter4同步加问句豁免，两处标准统一
- 验证7/7：本次bug放行、短问句变体放行、真回声整段/带@/回复前缀整段读出均拦
 2026-08-11 11:33:27 +08:00
youpaishidifu 19da7e5fa5 放宽OCR时间戳提取：混合分隔符+独立6位裸数字，带合法性鉴权 
- 混合分隔符(10;20.48)：OCR把冒号读成不同符号，原正则要求同分隔符漏提最新时间戳，导致整批消息被'无新鲜时间戳'丢弃（10:21:54日志中10;14;21被提取但10;20.48丢失→454s超窗→连队列日志都没有）
- 独立6位裸数字(102048)也当HHMMSS时间戳：OCR无法保证格式但能保证读出数字，前后顾挡数字/字母/中文/下划线/分隔符/%，防版本号、日期、URL、小数串取段
- 鉴权：只收合法HH/MM/SS(hh<=23, mm<=59, ss<=59)，235959上限；016060/240000/520131等非法直接扔——_is_timestamp_old对非法返回False会被误判'新鲜'整批放行
- filter1(_ocr_text_has_fresh_timestamp)与_line_has_fresh_ts两处同步放宽
- 防回归：abc0.50;57(URL残片带前缀)/版本3.2.1/3.141592/0.50;57带URL上下文仍正确拒绝
 2026-08-11 11:04:08 +08:00
youpaishidifu 4173f28009 修复QQ UI过滤器误杀用户消息：')昵称 内容'带空格格式被当UI跳过 
- _is_qq_ui_element规则4原正则^\)[\w\u4e00-\u9fff]{2,}\S有回溯bug：\S回溯吃掉username末尾字符，导致')youpaishidifu 关于我们'（用户youpaishidifu发的真实消息'关于我们'，OCR把@/冒号误读为)）整行被误判UI丢弃
- 规则4改为分步判断：)username后剩余为空或首字符非空白（粘连UI）→跳过；剩余首字符是空白→疑似用户消息放行
- 放行后剥离')昵称 '前缀（OCR误读的)会挡在_strip_qq_nickname裸昵称剥离前）
- 剥离的短文本（'关于我们'4字）记入_ui_prefix_stripped，在短句碎片(≤8字无问词)检查处豁免——规则4放行贯穿到底，避免白修
- 验证：')C418minecraft'仍跳过（真UI），')youpaishidifu 关于我们'→'关于我们'到达消息流，'有人@拜'(UI提示)仍正确丢弃
 2026-08-11 10:07:05 +08:00
youpaishidifu b4b3da2633 修复OCR过滤器误杀：进程名检测撞上'服务器'子串 
- 服务器近期公告有哪些？被误判为Windows进程名丢弃（'服务'子串命中词表）
- 加负向前瞻(?!中文)：命中词后紧跟中文字符视为普通文本，不丢弃
- 窗口标题带ASCII后缀(记事本.txt/文件资源管理器 - 此电脑)仍正常命中
- 命中日志升级为WARNING并爆出具体命中词和全文，不再装哑巴
 2026-08-10 23:48:49 +08:00
youpaishidifu dc40196ce9 修复知识库搜索垃圾回复：登录插件下载查询返回指令碎片 
- 列表项切分保护从'全部短'放宽为'≥70%短'，防止sdf1_login指令列表被切成单行碎片
- 新增match_heading字段：合并的短列表项文本参与heading匹配，恢复'注册账号'等查询的命中强度
- 下载意图查询（下载/下到/哪下/怎么下）跳过has_action重排与guide合并，修复'登录插件怎么下载'返回安装说明
- guide合并步骤统计只认###级子标题，防止##章节编号误判为教程步骤
- 下载加权/优先逻辑排除皮肤类heading，防止skin.md'下载皮肤文件'误放大
- gui.py新增DB查重，防止同一消息重复回复
 2026-08-10 22:26:13 +08:00
youpaishidifu 9ab2da404f 修复bot多段回复与表格全文回调：强化相关性+表格只取上下文 
- Fix A: auto_reply._get_answer 含表格正文不再返回整段section，改为
  提取表格+紧邻上文(最多2行)，丢弃表格后无关图文，截断到800字符
- Fix A: 清理答案中的HTML <br> 标签，避免原形显示
- Fix B: 强化 _has_content_relevance，要求查询与文档共享有区分度核心词
  (去停用词)，动作类查询额外要求正文命中，防牛头不对马嘴
- Fix B: gui._search_and_log 从 top_k 结果中选取首个通过相关性校验的文档
  发送，不再永远取 results[0]，保证一条消息只回复一段精准内容
 2026-08-10 17:59:18 +08:00
youpaishidifu 18347a9f7d 修复OCR新旧消息同屏时新鲜消息被旧继承时间戳误杀(Task #1510) 
三层修复：
1. 表情包碎片过滤器不再误杀纯时间戳行(15;35;38等双分号时间戳)
   - 修复前：EasyOCR时间戳含两个分号被当碎片丢弃，新鲜时间戳丢失
   - 修复后：纯时间戳行(\d{1,2}[:;.]\d{1,2}...)直接放行
2. _SENT_END补ASCII问号(?)，问句行不再与下一行合并
   - 修复前：'游戏专用PHP有哪两种登录模式?'以半角?结尾被合并
   - 修复后：问句行独立，多条用户消息不会被,黏成一行
3. stage splitting新增_stage_fresh_hint前向peek
   - QQ时间戳渲染在消息下方，消息行继承的是上一行(可能陈旧)时间戳
   - 本行或下一行含新鲜时间戳(≤300s)时，继承时间戳较老不丢弃，交过滤器+DB查重
   - 新增_line_has_fresh_ts辅助方法
 2026-08-10 16:13:56 +08:00
youpaishidifu efdbec381b fix: QQ昵称剥离将正常消息吞空——污染昵称+@贪婪匹配+前导垃圾吞问号 
Task #1508: 消息'@游戏专用PHP有哪两种登录模式?'被_strip_qq_nickname剥离成空串,
空消息被当作消息进expanded查库。

三层根因:
1. 自动入库逻辑把'@游戏专用PHP有哪两种登录模式'整段(昵称+正文贪婪匹配)写进
   config.json qq_nicknames, 污染昵称后续先命中, 正确正文被当昵称剥掉
2. _leading_junk前导垃圾字符类含!！?？, 剥离残留的'?'被吞掉→消息变空
3. 调用点无空消息守卫, 空串照样expanded.append

修复:
1. 自动入库前校验: 匹配后紧贴正文(rest非分隔符开头)或长度>12的不入库
2. _leading_junk不再吞句末标点!！?？, 只清空格/逗号/句号/冒号/分号
3. _strip_qq_nickname剥离后为空回退原文(防御兜底)
4. 两处调用点加if msg守卫, 空串不进查库/回复
 2026-08-10 14:40:29 +08:00
youpaishidifu f298944cf6 修复URL残片(0.50;57)被误转时间戳0:50:57导致真实消息被过滤 
QQ群聊转发消息的链接残片被EasyOCR读成0.50;57,旧宽松正则
(\d{1,2})[.;](\d{2})(?:[.;](\d{2}))? 将其转为假时间戳0:50:57,
被过滤1与stage继承判为凌晨旧消息(>300s),连带丢弃相邻的真实新
消息(如'登录插件。在哪儿可以下载? @游戏专用',实际时间12:13:54)。

修复: 时间戳转换正则增加双重保护:
1. 同分隔符要求 (?:\2(\d{2})) 反向引用,混合分隔符不转换
2. 前后URL字符边界 (?<![;.0-9A-Za-z%]) 与 (?![;.0-9A-Za-z%]),
   防止嵌在URL/文件名中的数字段被转换
两处应用: stage splitting(3164)与过滤器1(4669)
 2026-08-10 13:09:06 +08:00
youpaishidifu daa575931c fix: _log_queue在OCR管理器之前初始化 
线程Thread-1启动时_log_queue尚未创建导致AttributeError
 2026-08-10 11:20:10 +08:00
youpaishidifu df42eb361b 修复OCR引擎GPU/CPU选择逻辑：复用monitor.py内存检查 
- 新增_check_memory_for_gpu()：检查CUDA可用性+物理内存+页面文件+提交量
- 可用<2GB/page>95%/commit>95% → CPU兜底
- GPU初始化失败自动降级CPU重试
- get_status()新增gpu_mode字段
 2026-08-10 11:10:53 +08:00
youpaishidifu 90d6fb6ed4 重构OCR引擎管理器：双引擎并发+1分钟超时释放 
1. 新增OCREngineManager类：
   - 预初始化EasyOCR(GPU=False) + Windows OCR两套引擎
   - 双引擎并发识别，取得分最高者结果
   - 1分钟超时自动释放内存（消息监控运行中不释放）
   - 支持监控激活时重置计时器

2. 修复截屏API：
   - GetSystemMetrics改用ctypes.windll.user32，兼容性更好

3. GUI集成：
   - 启动时后台预初始化OCR引擎
   - 监控开关时通知OCR管理器激活/停止状态
   - 移除旧_win_ocr方法（已由管理器统一处理）
 2026-08-10 10:59:40 +08:00
youpaishidifu 16c6986bca 新增截图OCR识别昵称功能 
- GUI新增「从截图识别」按钮
- 截屏后用EasyOCR识别文字（GPU=False）
- 提取QQ昵称模式：[头衔]用户名、@用户名、行首用户名
- 自动去重并入库config.json的qq_nicknames
- Windows OCR作为后备方案
 2026-08-10 10:34:12 +08:00
youpaishidifu d8734021bb 强化QQ昵称剥离+群聊消息拆分+KB搜索去噪+GUI昵称管理 
1. 群聊多消息拆分：_strip_qq_nickname新增中间段分割逻辑
   - 找到最后一个[头衔]用户名或裸昵称分隔符，截取最新消息
   - 解决群聊多条消息打包导致关键词被压住的问题

2. KB搜索去噪：gui.py新增_clean_query_for_kb
   - 移除用户名/头衔/@提及/时间戳等噪音
   - _search_and_log调用前自动清理查询文本

3. GUI昵称管理：
   - 昵称列表展示+手动输入添加
   - 删除选中昵称功能
   - @提及新用户自动入库（monitor.py）
 2026-08-10 10:21:03 +08:00
youpaishidifu a11741fa69 fix: 忽略OCR末尾不完整括号噪声，避免误判为括号不匹配 2026-08-10 00:56:18 +08:00
youpaishidifu 88d0db1aec 修复重复回复查重逻辑：添加5分钟时间窗口过滤；修复表情包误判markdown内容（调整检测顺序） 2026-08-10 00:39:02 +08:00
youpaishidifu 8de03180ee fix: 表格内容动态截断长度，多退少补 
表格内容不再固定截断到1000字符，而是动态计算实际长度：
- 表格长度≤4000字符：不截断，保留完整表格
- 表格长度>4000字符：截断到4000字符（QQ单条约4500字符限制）
- 普通文本保持300字符截断

解决长表格回复截断问题，同时避免base64等长字符超出限制
 2026-08-09 22:26:02 +08:00