youpaishidifu/msgbot
1
1
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
513 Commits 1 Branch 0 Tags
eccc1a42475d39e7dd0a239006ef18e077fb8e99
Commit Graph
513 Commits
This Branch
This Branch
All Branches
Author SHA1 Message Date
youpaishidifu eccc1a4247 fix: 修复评分加分逻辑问题，确保补分到5真正达到至少5分 (Task #1660) 2026-09-01 11:41:44 +08:00
youpaishidifu b23b243695 fix: 修复OCR时间戳过滤失效问题，过去日期+问号放行，纯历史消息丢弃 (Task #1659) 2026-09-01 10:32:52 +08:00
youpaishidifu 1f8be2b569 fix: 全面防御性编程确保所有数据库表存在，解决多个no such table错误 (Task #1658) 2026-09-01 09:41:03 +08:00
youpaishidifu 9726945b25 fix: 防御性编程确保keyword_scores表存在，解决no such table错误 (Task #1657) 2026-08-31 23:39:38 +08:00
youpaishidifu 589ea7ef4e fix: 防御性编程确保数据库表存在，解决user_messages表不存在错误 
- 添加_ensure_user_messages_table()方法：检查并创建user_messages表
- 添加_ensure_bot_messages_table()方法：检查并创建bot_messages表
- 添加_ensure_ocr_staging_table()方法：检查并创建ocr_staging表
- 在record_user_message、record_bot_reply、record_ocr_message、clear_ocr_staging方法开始处调用相应的防御性检查
- 解决0字节msg_history.db文件导致的'no such table: user_messages'错误

Task #1655
 2026-08-31 22:28:14 +08:00
youpaishidifu ba6f3a3afb 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）
 2026-08-31 21:24:21 +08:00
youpaishidifu 5e81a79ec1 fix: 修复去重误判问题，使用exclude_self=True避免自我比较 (Task #1654) 
问题：record_user_message调用_is_similar_to_history时使用exclude_self=False
导致自我比较产生100%相似度，误丢弃正常消息（如'服务器基本信息'）

修复：
1. 使用exclude_self=True避免自我比较，只与历史消息比对
2. 添加防止重复入库的检查（插入前检查是否已存在完全相同的消息）
3. 测试验证：'服务器基本信息' vs '服务器I' → 20% < 50% → 通过检查
 2026-08-31 18:31:50 +08:00
youpaishidifu 4f61ee3aac fix: 修复OCR捕捉含年月日消息导致后续消息丢失的问题 (Task #1652/#1653) 
问题：当上面一条消息有年月日时，下面的消息会丢失目标定位，需通过表情包/图片才能重新加入消息队列
根因：_ocr_text_has_fresh_timestamp对整个文本块检查，任何部分含历史日期都会导致整段文本被丢弃
修复：
1. 新增_strip_historical_date_lines辅助方法，按行分割文本并智能剥离历史日期行
2. 修改_process_ocr_output中的时间戳新鲜性检查逻辑
3. 当检测到历史日期时，先尝试剥离旧消息行，保留新鲜消息继续处理
4. 仅含日期无时间的表格日期：剥离日期但保留行内容
5. 含日期+时间的历史消息行：完全剥离
6. 无日期的行：完整保留
 2026-08-31 11:57:51 +08:00
youpaishidifu 5b9b0ff7ac 修复两个问题： 
Task #1651:
1. OCR终止无响应修复
   - 在_dual_engine的join循环中添加_stop_event检查
   - 在ocr_read_qq和ocr_read_wechat的关键time.sleep前添加急停检查
   - 确保急停时能立即退出OCR流程

2. 年月日消息过滤优化
   - 修改ocr_text_has_fresh_timestamp方法
   - 当所有日期都没有时间时，判定为表格日期，剥离后继续处理
   - 当混合情况（部分有时间，部分无时间）时，剥离无时间的表格日期
   - 只有年月日+时分的消息才会被丢弃
   - 仅有年月日的表格消息会剥离后继续处理

测试验证：
- 急停响应时间：0.101秒（< 0.5秒）
- 年月日消息过滤：5个测试用例全部通过
 2026-08-31 10:09:22 +08:00
youpaishidifu 63f8c749c1 修复两个问题： 
Task #1647: 陈旧消息过滤策略重构
- 超过1小时的消息返回-10.0分（扣10分）
- 消息分数≤0时丢弃该消息
- 验证并提交

Task #1648: 异步非阻塞OCR处理
- 添加后台OCR状态变量和线程管理
- 实现_start_ocr_bg方法启动后台OCR
- 实现_check_ocr_bg_result非阻塞检查结果
- 修改_poll方法使用异步OCR避免GUI阻塞
- 添加超时处理和急停清理
- 所有测试通过
 2026-08-31 00:10:24 +08:00
youpaishidifu 99abaa92bb fix: 修复病句漏过与陈旧时间戳放行(Task #1645/#1646) 
- #1645: 候选处理循环补全病句/噪声二次拦截(_is_noise_text)。
  段级预分割在全噪声时回退返回原文本，导致"话又说回来。"这类
  无动作无主语破碎句漏到下游进KB搜索，现每条候选再跑一次兜底。
- #1646: 时间戳新鲜度逻辑增加硬性拒绝。freshness_score==1.0 表示
  含时间戳且距今>1小时(如22:32放行21:29的1h3m旧戳)，视为OCR继承
  的陈旧时间戳，拒绝处理；无时间戳(freshness==0)仍按旧逻辑补分。
 2026-08-30 23:05:17 +08:00
youpaishidifu 59ae875acc fix: 优化同轮语义去重——降低关键词重叠阈值至25%+动作词检测 
- 骨架完全相同 → 跳过
- SequenceMatcher相似度>=70% → 跳过
- 关键词重叠>=25% 或 含核心动作词且重叠>=3 → 跳过

修复场景："我想知道那个怎么撤销导入的兑换码" vs "那啥怎么去撤销那个导入过的激活码"
两消息共享动作词(撤销/导入)和4个关键词，判定为重复
 2026-08-30 22:12:01 +08:00
youpaishidifu 4f378ee5b8 fix: 修复OCR变体误判和同轮重复回复问题 
1. 添加OCR字符规范化：逍→道、甬→用、兕→兑等常见OCR错误
2. 添加同轮语义去重：骨架匹配+Jaccard相似度>=85%则跳过
3. 修复重复return语句
 2026-08-30 21:56:23 +08:00
youpaishidifu 0e3ea2abc7 fix: 修复重复查重导致消息被误跳过（Task #1642 follow-up） 2026-08-30 19:07:58 +08:00
youpaishidifu bbc00f2c8b fix: 修复消息拼接/丢弃问题——同轮择优改为逐条处理所有候选消息 (Task #1642) 
- 旧逻辑：_candidates列表按质量分排序，只选1条最好的处理，其余全部丢弃
- 新逻辑：for循环逐条处理所有候选消息，每条独立查重、入库、KB搜索和回复
- 修复用户报告：OCR一次读到4条消息后只有1条被处理，其余3条丢失
- 用户原话：不要把消息都拼接成一条，不然一个拦截剩余的全部丢了
 2026-08-30 18:46:26 +08:00
youpaishidifu 3bb8c50969 fix: 修复消息去重相似度算法，改用3-gram Jaccard避免误判 (Task #1641) 
- 添加 _generate_ngrams() 函数生成连续n字片段
- 修改 _is_similar_to_history() 使用3-gram Jaccard相似度
- 阈值从50%调整为30%，更准确地识别重复消息
- 解决不同问法被误判为重复的问题

测试结果：
- '如何打印玩家流水' vs '玩家流水怎么操作的': 50%→18% (正确区分)
- '如何打印玩家流水' vs '我想知道怎么打印玩家的流水记录': 75%→12% (正确区分)
 2026-08-30 17:56:40 +08:00
youpaishidifu a302c7a889 fix: 修复急停后GUI开关状态不更新+EasyOCR不恢复+无法重启 (Task #1640) 
gui.py:
- _on_emergency_stop: 急停后立即通知 OCR 管理器 set_monitor_active(False)
- _update_stop_ui: 用 deselect() 替代 _variable.set(False)，更可靠地更新开关视觉状态
- _update_stop_ui: 添加20秒安全超时，强制重置 _stop_in_progress（防止 stop() 挂起导致永远无法重启）
- _toggle_monitor: 添加安全检查，monitor 已停止但 _stop_in_progress=True 时强制重置

monitor.py:
- _emergency_stop: 设置 _stopping=True 防止 stop() 重复执行清理（join已死线程+重复杀EasyOCR）
- _emergency_stop: 完成后重置 _stopping=False，确保后续 start() 正常执行

根因分析：
1. GUI开关不更新：CTkSwitch._variable.set(False) 在 customtkinter 中不可靠，改用 deselect()
2. 急停后无法重启：stop() 中 _release_memory() 可能挂起（torch.cuda/EmptyWorkingSet），
   导致 _stop_in_progress 永远不重置，_toggle_monitor 拒绝重启
3. EasyOCR不恢复：急停后未通知 OCR 管理器，引擎状态不一致,description:提交修改}
 2026-08-30 17:04:16 +08:00
youpaishidifu d52c4ef2f5 fix: 修复消息入库后被查重跳过的问题 
monitor.py:
- 修改 _is_similar_to_history 函数：添加 exclude_self 参数
- exclude_self=True 时排除自身刚入库的记录，防止'入库→查重→跳过'死循环
- 修改 _poll 中的调用：使用 exclude_self=True 排除自身
- record_user_message 中的调用保持 exclude_self=False（默认值）

问题分析：
消息在 _process_ocr_output 中被入库（record_user_message），
然后在 _poll 中被查重（_is_similar_to_history），
发现与刚入库的消息相似（100%），所以被跳过。

解决方案：
在 _poll 中使用 exclude_self=True，
排除自身刚入库的记录，防止死循环。
 2026-08-30 16:32:35 +08:00
youpaishidifu 778d269e50 fix: 修复消息去重失效问题：添加数据库查重逻辑 (Task #1639)\n\nmonitor.py:\n- 添加 _clean_text_for_dedup 函数：清理文本只保留中文字符\n- 添加 _is_similar_to_history 函数：检查消息是否与历史消息相似\n- 修改 record_user_message 函数：入库前进行数据库查重，清理后计算相似度，重复率≥50%就跳过\n- 在轮询逻辑中添加数据库查重：在候选消息构建时检查，与历史消息相似则跳过\n- 修复用户报告的问题：1条消息产生4条记录，去重失效 2026-08-30 15:38:32 +08:00
youpaishidifu 0552df5287 fix: 修复停止按钮死循环+EasyOCR预热误触发+历史消息时间戳过滤错误 (Task #1638) 
gui.py:
- 添加 _stop_in_progress 标志防止停止/启动死循环
- _toggle_monitor 检查 _stop_in_progress 标志防止重入
- _update_stop_ui 和 _stop_monitor_async 中正确设置和重置标志

monitor.py:
- 添加 _easyocr_warmup_generation 代际计数器防止死循环中旧预热线程错误初始化 EasyOCR
- 预热线程检查代际匹配防止跨 start/stop 周期的旧线程执行
- 移除 has_past 分支中的 skip_future_check=True，修复历史消息误判为新鲜的bug
  根因：skip_future_check 让未来时戳（如14:09看到21:15）通过检查，
  但OCR只能看到已发送消息，未来时戳必然来自过去日期
 2026-08-30 14:44:05 +08:00
youpaishidifu 52013d28c1 修复停止按钮死循环和消息落库问题 2026-08-30 14:03:53 +08:00
youpaishidifu 96f07353ba feat: monitor→GUI日志回调，EasyOCR子进程初始化状态可在GUI日志中查看 
- MessageMonitor 新增 _log_callback / set_log_callback / _gui_log
- _delayed_easyocr_start 启动时输出「🔧 EasyOCR 子进程初始化中...」
- _handshake_easyocr_subprocess 成功/超时/失败时输出对应状态
- _start_easyocr_proc_locked 启动失败时输出错误
- start() 中 _HAS_EASYOCR=False 或 broken 时输出警告
- gui.py 在 _log_queue 创建后调用 monitor.set_log_callback(self._log)
 2026-08-30 12:26:59 +08:00
youpaishidifu d2a4b4c0ea fix(msgbot): 修复内存未释放——延迟easyocr/torch导入+修正SetProcessWorkingSetSize参数+添加_heapmin（Task #1625） 2026-08-29 23:35:31 +08:00
youpaishidifu d3bb961c90 fix(msgbot): 修复OCR时间戳过滤器误丢含问号的新查询——旧消息时间戳拖累新消息丢弃（Task #1624） 2026-08-29 23:14:54 +08:00
youpaishidifu 781a578412 fix(msgbot): 修复OCR空列表IndexError并增强stop内存释放至最低占用 
Task #1622: 行合并循环在 merged_lines 为空时无条件访问 merged_lines[-1]
抛 IndexError，被最外层 except 记为 [qq] OCR失败: list index out of range。
增加 `if merged_lines else False` 守卫，首行非@结尾/不含问号/非bot回复时
不再越界。

Task #1623: 原 _release_memory 仅 SetProcessWorkingSetSize(-1,-1) 不逼出常驻
页，且未释放 winrt Windows OCR 引擎、未清 GPU 缓存，导致 bot 运行后暂停
内存仍高达~600MB。增强为 EmptyWorkingSet 强制归还物理内存 +
torch.cuda.empty_cache/synchronize + 释放 self._ocr_engine 引用，与 GUI 侧
_force_system_memory_cleanup 范式一致，使运行后暂停与刚启动待机内存一致。
 2026-08-29 21:55:59 +08:00
youpaishidifu 6b30101806 fix(msgbot): 强化OCR逗号断行合并——前一行以逗号结尾时忽略下一行短句/问号特征强制合并 
- EasyOCR常在中文逗号处拆行，导致"兑换码插件导入错误，怎么处置?"被分成两段
- 修复1：前一行以逗号结尾时，即使下一行含问号，也合并（逗号是停顿，不是消息边界）
- 修复2：前一行以逗号结尾时，忽略下一行短句/名字特征强制合并
- 原因：逗号是用户日常发言的停顿或语句分割，不应作为消息边界
EOF
)
 2026-08-29 21:26:20 +08:00
youpaishidifu 4a7544c989 fix(msgbot): bot表格日期剥离——只有年月日无时间→表格内容不用于丢弃判断 
- 检测每个日期后是否紧跟时间（年月日+时:分 → 真消息；只有年月日 → bot表格）
- 若所有日期均无时间→判定为bot表格日期→剥离后继续处理，不触发历史消息丢弃
- 场景：用户问"近期公告"→bot回复表格含"2026年8月3日"→OCR读到日期→原逻辑整条丢弃→用户新消息丢失
- 修复后：表格日期被剥离，用户消息正常进入下游处理
 2026-08-29 18:24:51 +08:00
youpaishidifu c55c382358 fix(msgbot): re.search()返回值缺bool()包装导致|=类型错误 
- 第7863行/7875行：`'@' in text and re.search(...)` 赋值为 re.Match 而非 bool
- 后续 `|= any(...)` 触发 re.Match |= bool → TypeError
- 修复：两处均加 bool() 包裹，与第7819行一致
 2026-08-29 17:46:24 +08:00
youpaishidifu 19019f80d3 fix(msgbot): 描述性碎片拦截——以"拥有/提供/支持"等动词开头+无主语+无问词→碎片 
- 新增 _descriptive_verbs 检查（len<=10 短文本分支内，核心名词豁免之前）
- 例："拥有完善的领地系统"→描述性动词开头+无主语→碎片丢弃，不再触发错误 KB 回复
- "领地系统"、"登录配置"等无描述性动词前缀的合法短查询不受影响
 2026-08-29 16:16:50 +08:00
youpaishidifu e0da52ead8 fix(msgbot): 修复历史消息漏放导致自言自语 + user_messages未入库 
- 修复 _ocr_text_has_fresh_timestamp：无日期+时间戳全部过期(>300s) 时由误放行改为丢弃。
  原"OCR时间戳不准确"假设会让QQ窗口中12:08/12:24等历史老消息被当作新消息，触发自言自语。
- 在"无日期+新鲜时间戳"与"无日期+无时间戳中文"两条放行路径补上 record_user_message，
  修复 user_messages 表长期为空、跨轮去重失效的问题。
 2026-08-29 15:09:33 +08:00
youpaishidifu c3f0fa0882 feat: 停止信号优先 + DB环形缓冲区 (Task #1617 + #1618) 
Task #1617 停止信号优先机制:
- 新增 threading.Event (_stop_event) 作为主停止信号
- 新增 _interruptible_sleep() 包装 Event.wait(timeout)
- 所有关键 time.sleep() 替换为 _interruptible_sleep()
- _poll 检查点同时检测 _stop_event.is_set() 和 _running
- stop()/_emergency_stop() 先 set() 唤醒阻塞线程
- start() 清除残留 stop_event

Task #1618 DB落库修复 + 环形缓冲区:
- user_messages/bot_messages 每平台最多10条 FIFO
- 物理重启时不清空这两张表(仅清空 ocr_staging/keyword_scores)
- 新增 SQLite 临时文件到 .gitignore

其他:
- 删除 _ocr_blue_test.py / _ocr_crop_test.py 调试文件
 2026-08-29 13:17:58 +08:00
youpaishidifu 96388d18f9 修复Bot自言自语拦截：不再仅依赖recent_replies，同时检查_replied_texts 
根因：Bot自言自语拦截条件为recent_replies不为空，但物理重启后
DB被清空→recent_replies为空→拦截逻辑完全不执行。

修复：构建_self_check_sources列表，合并recent_replies和_replied_texts。
_replied_texts在物理重启时保留（Task #1616），确保拦截逻辑始终有效。
 2026-08-29 12:20:07 +08:00
youpaishidifu f0f2c39d71 修复重启后Bot自言自语：物理重启时不清空_replied_texts去重集 
根因：_force_clear_all_residual_data(clear_db=True)在物理重启时
同时清空_replied_texts和DB，导致QQ窗口中旧bot回复的OCR捕获
无法被任何查重机制拦截。

修复：_replied_texts代表QQ窗口中可能仍可见的bot历史回复，
物理重启时保留该集合，仅清空_seen_messages和其他状态。
_replied_texts在__init__阶段从DB加载后跨重启持久。
 2026-08-29 10:21:08 +08:00
youpaishidifu c34ed371eb 修订时间戳新鲜度评分逻辑：≥5分直接放行，<5分查DB决定是否补分到5 2026-08-28 20:10:16 +08:00
youpaishidifu cb48663d87 Task #1611 v2: 修复过去日期分支pass导致return False的bug 2026-08-28 18:07:40 +08:00
youpaishidifu 279370271c Task #1611: 修复过去日期+未来时间戳被误丢弃 
问题：OCR识别到过去日期(2026/8/25)，但时间戳是今天的(17:45:35, 18:17:27)，
被误判为未来时间戳丢弃，导致用户新消息丢失。

根因：过去日期分支调用_is_timestamp_old时未传skip_future_check=True，
导致时间戳比系统时间晚时被拦截。

修复：过去日期分支增加skip_future_check=True参数，
当日期识别错误但时间戳正确时，信任时间戳判断新鲜度。

场景：OCR把今天日期误读成过去日期，但时间戳正确
例：2026/8/28 → 误读成 2026/8/25，但时间戳17:45:35正确
 2026-08-28 17:32:36 +08:00
youpaishidifu 9093458f9c Task #1610 修复：未来时间戳容忍偏差扩大到300s 
根因：_TS_FUTURE_TOLERANCE_S=15秒太严格，OCR读到16:18:39的消息在16:18:58被处理时，
被误判为"未来时间戳"（差19s），导致消息被丢弃。

修复：将容忍偏差从15秒扩大到300秒（与max_age持平）
- 300秒以内的时间戳偏差全部视为有效（含OCR延迟/队列积压）
- 300秒以外的才判定为"未来时间"直接丢弃

效果：16:18:39的消息在16:18:58被正常识别为新鲜时间戳（19s<300s）
 2026-08-28 16:54:45 +08:00
youpaishidifu 4404fb40f7 Task #1609 修复：同轮择优逻辑优先处理最新消息而非最旧消息 
根因：OCR读到两条消息（17:45和18:17），质量分评估未考虑时间戳新鲜度，
导致旧消息因关键词'插件'加分更高被选中

修复：在质量分评估中加入时间戳新鲜度奖励（≤300秒+5分，≤600秒+3分，≤1800秒+1分），
并修改排序逻辑：先按质量分降序，再按时间戳差值升序（越新鲜越好）

效果：当多条消息质量分相近时，优先处理最新消息
 2026-08-25 18:27:52 +08:00
youpaishidifu 2726863405 Task #1608 修复：过去日期文本中含新鲜时间戳时被误丢弃 
根因：OCR一次读到的文本同时含历史内容（公告表格）和新消息
例：'2026年8月3日 | 升级服务器...' + '17:45:35 登录插件在哪儿下载'
当前逻辑有过去日期→全量丢弃，误伤新消息

修复：检查是否有新鲜时间戳(≤300s)，有则放行（新消息特征），无则丢弃（纯历史消息）

触发场景：用户在新消息中@bot时，OCR同时读到了上一条bot回复的历史公告表格
 2026-08-25 17:55:03 +08:00
youpaishidifu c78c5a1636 Task #1607 修复：纯下载意图匹配错误 + OCR错误年份降级 
1. auto_reply.py: '哪儿下载?'等无核心词查询不应直接放行，
   改为全文回退检查（beibao.md全文不含'登录'等插件词→拒绝）
   修复 '在哪儿下载?' 误答背包插件问题

2. monitor.py: OCR错误年份(12026年)时增加本地时间戳辅助判断，
   时间戳新鲜(≤300s)则放行，否则丢弃
   修复历史消息中带今天时间戳时因OCR年份错误被全量丢弃
 2026-08-25 17:41:32 +08:00
youpaishidifu eac9ece77f Task #1606 修复：OCR识别错误日期（如12026年8月38日）导致查重失效 
Bug: EasyOCR把2026年8月3日识别成12026年8月38日→年份12026超范围被跳过→dates=[]→
过滤器1放行给下游→基线轮次选中近期公告触发二次回复，无查重日志。

Fix:
1. 年份解析前增加1900~2100范围检查，异常年份直接跳过不加入dates
2. 新增_ocr_fakedate_detected标志：无有效日期但检测到OCR年份异常（如12026）→丢弃
   防止历史消息特征被漏过无日期放行路径
3. 防御场景：未来日期（如2030年）、过去日期OCR噪声（年份畸形的历史记录)
 2026-08-25 16:40:20 +08:00
youpaishidifu 12f269acaf 修复下载类查询匹配错误：相关性检查阶段应用同义词映射（Task #1604） 2026-08-25 15:44:48 +08:00
youpaishidifu 35171d193b 修复OCR噪声过滤器误丢合法简短查询（Task #1603） 2026-08-25 11:55:28 +08:00
youpaishidifu ce6ff1a830 fix(Task#1602): 过去日期时间戳放行bug导致md表格残留漏网 
- _ocr_text_has_fresh_timestamp 中 has_past=True 时不应放行
- 根因：OCR抓取历史md表格（含旧时间戳如10:20:26），'新鲜时间戳'检查误放行
- 修复：有过去日期→直接丢弃（与has_today逻辑一致），不检查时间戳
- 前置修复：Task#1601 CUDA子进程探针（gui.py _probe_cuda_safety）
- commit eef3e08 已推 git.ypshidifu.cn
 2026-08-25 10:42:15 +08:00
youpaishidifu eef3e08f8f fix(Task#1601): gui.py CUDA子进程安全探针，防止access violation崩溃 
- 新增_probe_cuda_safety()静态方法：子进程做CUDA显存分配(torch.zeros(1,device='cuda'))
- 子进程崩溃(returncode=0xC0000005 ACCESS_VIOLATION)只杀子进程，主进程存活
- _check_memory_for_gpu()内存检查通过后调用探针，探针失败→降级CPU模式
- 验证：本机GTX1650+torch2.5.1+cu121探针returncode=3221225477，探针正确拦截
- monitor.py已有子进程隔离(_ensure_easyocr_subprocess)，无需修改
 2026-08-25 10:12:41 +08:00
youpaishidifu bdb4e5c168 fix(Task#1600): _is_noise_text新增Markdown表格管道残留检测 
QQ渲染的md表格(|日期|内容|...)被OCR抓取后，管道符结构未被is_noise_text识别，
导致表格碎片通过预分割管道进入KB搜索触发误回复。

修复：在过滤器2中新增管道残留检测：
- 模式A: 以|开头 + 2+管道符 → 整行表格片段
- 模式B: 3+管道符 + 含CJK → 截断表格片段
- 豁免: 含疑问词(?) → 可能是用户讨论表格语法
 2026-08-24 22:54:59 +08:00
youpaishidifu 5952b8672c 修复_is_noise_text中|运算符类型错误 
re.search返回re.Match|None与bool的|=报unsupported operand type(s)，
三处_has_user_msg_feature赋值处re.search外加bool()包装。
 2026-08-24 22:32:20 +08:00
youpaishidifu 08ddc5a89a 修复预分割配置碎片漏网导致用户消息被丢弃 
新增_is_config_fragment检测bot配置面板碎片（≥2配置键或空值截断标签），
在_split_and_denoise_segments逐段循环接入拦截，并对合并结果做二次净化逐行
恢复用户消息，解决单key碎片合并后凑够阈值被整体判噪声丢弃的问题（如"近期公告"）。
 2026-08-24 22:16:36 +08:00
youpaishidifu 1b36d92909 fix: Task #1595 修复UI时间戳误检导致消息误丢弃 
问题：OCR抓取配置面板+用户消息+UI时间戳时，_is_noise_text因检测到多条key:value而丢弃整段文本，包括其中的用户消息

修复：在噪声检测中添加用户消息特征豁免
- 包含@提及（如@利）→ 不丢弃
- 包含疑问词（吗呢多少怎么如何哪什么几）→ 不丢弃
- 包含明确查询意图（查/问/看+插件/功能/命令等）→ 不丢弃

应用场景：
- 配置面板显示+用户提问混排
- UI时间戳被OCR抓取粘连到文本末尾
- 避免误杀真实用户消息
 2026-08-24 18:03:09 +08:00
youpaishidifu ab598087ad Task #1592: 粗暴检测配置文件格式并丢弃 
- 在_is_noise_text方法开头实现配置文件格式检测
- 支持JSON格式、key:value对、等号分隔键值对、YAML/INI格式
- 无问号/疑问词时直接丢弃，不进入后续KB搜索
- 移除Task #1591在len<=10分支内的重复检测逻辑
 2026-08-24 17:29:04 +08:00