From 4d30040f5914a7132f35224dd2b69f80c59c3ff2 Mon Sep 17 00:00:00 2001 From: tt-P607 <68868379+tt-P607@users.noreply.github.com> Date: Sun, 14 Sep 2025 16:44:35 +0800 Subject: [PATCH] =?UTF-8?q?=E5=91=80=EF=BC=8C=E6=9F=92=E6=9F=92=EF=BC=8C?= =?UTF-8?q?=E8=BF=99=E6=AC=A1=E6=88=91=E4=BB=AC=E5=AF=B9=E8=A1=A8=E6=83=85?= =?UTF-8?q?=E5=8C=85=E7=B3=BB=E7=BB=9F=E8=BF=9B=E8=A1=8C=E4=BA=86=E4=B8=80?= =?UTF-8?q?=E6=AC=A1=E8=B6=85=E7=BA=A7=E6=A3=92=E7=9A=84=E5=A4=A7=E5=8D=87?= =?UTF-8?q?=E7=BA=A7=E5=93=A6=EF=BC=81=E5=AE=83=E7=8E=B0=E5=9C=A8=E5=8F=98?= =?UTF-8?q?=E5=BE=97=E6=9B=B4=E8=81=AA=E6=98=8E=E3=80=81=E6=9B=B4=E6=87=82?= =?UTF-8?q?=E6=88=91=E4=BB=AC=E7=9A=84=E5=BF=83=E6=84=8F=E5=95=A6=EF=BC=81?= =?UTF-8?q?=E5=B0=B1=E5=83=8F=E6=88=91=E4=B8=80=E6=A0=B7=EF=BC=8C=E6=80=BB?= =?UTF-8?q?=E8=83=BD=E6=89=BE=E5=88=B0=E6=9C=80=E5=AE=8C=E7=BE=8E=E7=9A=84?= =?UTF-8?q?=E8=A1=A8=E6=83=85=E6=9D=A5=E7=82=B9=E4=BA=AE=E5=AF=B9=E8=AF=9D?= =?UTF-8?q?=EF=BC=81=E2=99=AA~?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 这是我为你准备的提交信息，你看看喜不喜欢~ feat(chat): 使用 LLM 优化表情包选择与分析 本次提交对表情包系统进行了核心重构，从原有的基于关键词相似度匹配的简单算法，升级为由大型语言模型（LLM）驱动的智能决策流程。这使得表情包的选择和分析更加精准、智能和人性化。 主要变更包括： 1. **引入 LLM 进行表情包选择** - 重写了 `get_emoji_for_text` 方法，废弃了原有的编辑距离算法。 - 新流程会根据配置随机抽取一部分表情包作为候选，并构建一个精细的 Prompt，引导 LLM 根据输入的“情感描述”选择最匹配的表情包。这让选择不再局限于字面匹配，而是能理解更深层次的语境和情绪。 2. **优化表情包描述与分析流程** - 大幅改进了 `build_emoji_description` 中的 VLM 和 LLM 提示词，使其能生成更懂网络文化、更详细的表情包描述，并提炼出更精准的情感关键词。 - 为动态图（GIF）和静态图设计了不同的分析策略，以获得更高质量的描述结果。 3. **增强 Planner 动作连贯性** - 更新了 `planner_prompts`，明确要求当 `reply` 和 `emoji` 动作同时触发时，`emoji` 的选择必须基于 `reply` 动作生成的最终文本内容。这确保了文字和表情包的表达高度一致。 4. **逻辑与配置微调** - 在 `utils_image` 中，现在只有当“偷表情包”功能开启时，才会保存接收到的表情包，避免了不必要的文件存储。 - 将表情包检查间隔 `check_interval` 的类型从 `int` 改为 `float`，允许更灵活的配置。 --- src/chat/emoji_system/emoji_manager.py | 273 ++++++++++---------- src/chat/planner_actions/planner_prompts.py | 8 +- src/chat/utils/utils_image.py | 76 +++--- src/config/official_configs.py | 2 +- 4 files changed, 182 insertions(+), 177 deletions(-) diff --git a/src/chat/emoji_system/emoji_manager.py b/src/chat/emoji_system/emoji_manager.py index b25fd1ab8..8e6079897 100644 --- a/src/chat/emoji_system/emoji_manager.py +++ b/src/chat/emoji_system/emoji_manager.py @@ -439,105 +439,103 @@ class EmojiManager: logger.error(f"记录表情使用失败: {str(e)}") async def get_emoji_for_text(self, text_emotion: str) -> Optional[Tuple[str, str, str]]: - """根据文本内容获取相关表情包 + """ + 根据文本内容，使用LLM选择一个合适的表情包。 + Args: - text_emotion: 输入的情感描述文本 + text_emotion (str): LLM希望表达的情感或意图的文本描述。 + Returns: - Optional[Tuple[str, str]]: (表情包完整文件路径, 表情包描述)，如果没有找到则返回None + Optional[Tuple[str, str, str]]: 返回一个元组，包含所选表情包的 (文件路径, 描述, 匹配的情感描述)， + 如果未找到合适的表情包，则返回 None。 """ try: _time_start = time.time() - # 获取所有表情包 (从内存缓存中获取) - all_emojis = self.emoji_objects - + # 1. 从内存中获取所有可用的表情包对象 + all_emojis = [emoji for emoji in self.emoji_objects if not emoji.is_deleted and emoji.description] if not all_emojis: - logger.warning("内存中没有任何表情包对象") + logger.warning("内存中没有任何可用的表情包对象") return None - # 计算每个表情包与输入文本的最大情感相似度 - emoji_similarities = [] - for emoji in all_emojis: - # 跳过已标记为删除的对象 - if emoji.is_deleted: - continue + # 2. 根据全局配置决定候选表情包的数量 + max_candidates = global_config.emoji.max_emoji_for_llm_select - emotions = emoji.emotion - if not emotions: - continue + # 如果配置为0或者大于等于总数，则选择所有表情包 + if max_candidates <= 0 or max_candidates >= len(all_emojis): + candidate_emojis = all_emojis + else: + # 否则，从所有表情包中随机抽取指定数量 + candidate_emojis = random.sample(all_emojis, max_candidates) - # 计算与每个emotion标签的相似度，取最大值 - max_similarity = 0 - best_matching_emotion = "" - for emotion in emotions: - # 使用编辑距离计算相似度 - distance = self._levenshtein_distance(text_emotion, emotion) - max_len = max(len(text_emotion), len(emotion)) - similarity = 1 - (distance / max_len if max_len > 0 else 0) - if similarity > max_similarity: - max_similarity = similarity - best_matching_emotion = emotion - - if best_matching_emotion: - emoji_similarities.append((emoji, max_similarity, best_matching_emotion)) - - # 按相似度降序排序 - emoji_similarities.sort(key=lambda x: x[1], reverse=True) - - # 获取前10个最相似的表情包 - top_emojis = emoji_similarities[:10] if len(emoji_similarities) > 10 else emoji_similarities - - if not top_emojis: - logger.warning("未找到匹配的表情包") + # 确保候选列表不为空 + if not candidate_emojis: + logger.warning("未能选出任何候选表情包") return None - # 从前几个中随机选择一个 - selected_emoji, similarity, matched_emotion = random.choice(top_emojis) + # 3. 构建用于LLM决策的prompt + emoji_options_str = "" + for i, emoji in enumerate(candidate_emojis): + # 为每个表情包创建一个编号和它的详细描述 + emoji_options_str += f"编号: {i+1}\n描述: {emoji.description}\n\n" - # 更新使用次数 + # 精心设计的prompt，引导LLM做出选择 + prompt = f""" + 你是一个聊天机器人，你需要根据你想要表达的情感，从一个表情包列表中选择最合适的一个。 + + # 你的任务 + 根据下面提供的“你想表达的描述”，在“表情包选项”中选择一个最符合该描述的表情包。 + + # 你想表达的描述 + {text_emotion} + + # 表情包选项 + {emoji_options_str} + + # 规则 + 1. 仔细阅读“你想表达的描述”和每一个“表情包选项”的详细描述。 + 2. 选择一个编号，该编号对应的表情包必须最贴切地反映出你想表达的情感、内容或网络文化梗。 + 3. 你的回答必须且只能是一个格式为 "选择编号：X" 的字符串，其中X是你选择的表情包编号。 + 4. 不要输出任何其他解释或无关内容。 + + 现在，请做出你的选择： + """ + + # 4. 调用LLM进行决策 + decision, _ = await self.llm_emotion_judge.generate_response_async(prompt, temperature=0.5, max_tokens=20) + logger.info(f"LLM选择的描述: {text_emotion}") + logger.info(f"LLM决策结果: {decision}") + + # 5. 解析LLM的决策结果 + match = re.search(r"(\d+)", decision) + if not match: + logger.error(f"无法从LLM的决策中解析出编号: {decision}") + return None + + selected_index = int(match.group(1)) - 1 + + # 6. 验证选择的编号是否有效 + if not (0 <= selected_index < len(candidate_emojis)): + logger.error(f"LLM返回了无效的表情包编号: {selected_index + 1}") + return None + + # 7. 获取选中的表情包并更新使用记录 + selected_emoji = candidate_emojis[selected_index] self.record_usage(selected_emoji.hash) - _time_end = time.time() logger.info( - f"为[{text_emotion}]找到表情包: {matched_emotion} ({selected_emoji.filename}), Similarity: {similarity:.4f}" + f"找到匹配描述的表情包: {selected_emoji.description}, 耗时: {(_time_end - _time_start):.2f}s" ) - # 返回完整文件路径和描述 - return selected_emoji.full_path, f"[ {selected_emoji.description} ]", matched_emotion + + # 8. 返回选中的表情包信息 + return selected_emoji.full_path, f"[表情包：{selected_emoji.description}]", text_emotion except Exception as e: - logger.error(f"[错误] 获取表情包失败: {str(e)}") + logger.error(f"使用LLM获取表情包时发生错误: {str(e)}") + logger.error(traceback.format_exc()) return None - def _levenshtein_distance(self, s1: str, s2: str) -> int: - # sourcery skip: simplify-empty-collection-comparison, simplify-len-comparison, simplify-str-len-comparison - """计算两个字符串的编辑距离 - - Args: - s1: 第一个字符串 - s2: 第二个字符串 - - Returns: - int: 编辑距离 - """ - if len(s1) < len(s2): - return self._levenshtein_distance(s2, s1) - - if len(s2) == 0: - return len(s1) - - previous_row = range(len(s2) + 1) - for i, c1 in enumerate(s1): - current_row = [i + 1] - for j, c2 in enumerate(s2): - insertions = previous_row[j + 1] + 1 - deletions = current_row[j] + 1 - substitutions = previous_row[j] + (c1 != c2) - current_row.append(min(insertions, deletions, substitutions)) - previous_row = current_row - - return previous_row[-1] - async def check_emoji_file_integrity(self) -> None: """检查表情包文件完整性 遍历self.emoji_objects中的所有对象，检查文件是否存在 @@ -627,11 +625,10 @@ class EmojiManager: await asyncio.sleep(global_config.emoji.check_interval * 60) continue - # 检查是否需要处理表情包(数量超过最大值或不足) - if global_config.emoji.steal_emoji and ( - (self.emoji_num > self.emoji_num_max and global_config.emoji.do_replace) - or (self.emoji_num < self.emoji_num_max) - ): + # 无论steal_emoji是否开启，都检查emoji文件夹以支持手动注册 + # 只有在需要腾出空间或填充表情库时，才真正执行注册 + if (self.emoji_num > self.emoji_num_max and global_config.emoji.do_replace) or \ + (self.emoji_num < self.emoji_num_max): try: # 获取目录下所有图片文件 files_to_process = [ @@ -646,7 +643,7 @@ class EmojiManager: # 尝试注册表情包 success = await self.register_emoji_by_filename(filename) if success: - # 注册成功则跳出循环 + # 注册成功则跳出循环，等待下一个检查周期 break # 注册失败则删除对应文件 @@ -914,110 +911,114 @@ class EmojiManager: return False async def build_emoji_description(self, image_base64: str) -> Tuple[str, List[str]]: - """获取表情包描述和情感列表，优化复用已有描述 + """ + 获取表情包的详细描述和情感关键词列表。 + + 该函数首先使用VLM（视觉语言模型）对图片进行深入分析，生成一份包含文化、Meme内涵的详细描述。 + 然后，它会调用另一个LLM，基于这份详细描述，提炼出几个核心的、简洁的情感关键词。 + 最终返回详细描述和关键词列表，为后续的表情包选择提供丰富且精准的信息。 Args: - image_base64: 图片的base64编码 + image_base64 (str): 图片的Base64编码字符串。 Returns: - Tuple[str, list]: 返回表情包描述和情感列表 + Tuple[str, List[str]]: 返回一个元组，第一个元素是详细描述，第二个元素是情感关键词列表。 + 如果处理失败，则返回空的描述和列表。 """ try: - # 解码图片并获取格式 - # 确保base64字符串只包含ASCII字符 + # 1. 解码图片，计算哈希值，并获取格式 if isinstance(image_base64, str): image_base64 = image_base64.encode("ascii", errors="ignore").decode("ascii") image_bytes = base64.b64decode(image_base64) image_hash = hashlib.md5(image_bytes).hexdigest() - image_format = Image.open(io.BytesIO(image_bytes)).format.lower() # type: ignore + image_format = Image.open(io.BytesIO(image_bytes)).format.lower() if Image.open(io.BytesIO(image_bytes)).format else "jpeg" - # 尝试从Images表获取已有的详细描述（可能在收到表情包时已生成） + + # 2. 检查数据库中是否已存在该表情包的描述，实现复用 existing_description = None try: with get_db_session() as session: - # from src.common.database.database_model_compat import Images - - existing_image = ( - session.query(Images) - .filter((Images.emoji_hash == image_hash) & (Images.type == "emoji")) - .one_or_none() - ) + existing_image = session.query(Images).filter( + (Images.emoji_hash == image_hash) & (Images.type == "emoji") + ).one_or_none() if existing_image and existing_image.description: existing_description = existing_image.description logger.info(f"[复用描述] 找到已有详细描述: {existing_description[:50]}...") except Exception as e: - logger.debug(f"查询已有描述时出错: {e}") + logger.debug(f"查询已有表情包描述时出错: {e}") - # 第一步：VLM视觉分析（如果没有已有描述才调用） + # 3. 如果没有现有描述，则调用VLM生成新的详细描述 if existing_description: description = existing_description logger.info("[优化] 复用已有的详细描述，跳过VLM调用") else: - logger.info("[VLM分析] 生成新的详细描述") + logger.info("[VLM分析] 开始为新表情包生成详细描述") + # 为动态图（GIF）和静态图构建不同的、要求简洁的prompt if image_format in ["gif", "GIF"]: - image_base64 = get_image_manager().transform_gif(image_base64) # type: ignore - if not image_base64: + image_base64_frames = get_image_manager().transform_gif(image_base64) + if not image_base64_frames: raise RuntimeError("GIF表情包转换失败") - prompt = "这是一个动态图表情包，每一张图代表了动态图的某一帧，黑色背景代表透明，描述一下表情包表达的情感和内容，描述细节，从互联网梗,meme的角度去分析" + prompt = "这是一个GIF动图表情包的关键帧。请用不超过250字，详细描述它的核心内容：1. 动态画面展现了什么变化？2. 它传达了什么核心情绪或玩的是什么梗？3. 通常在什么场景下使用？请确保描述既包含关键信息，又能充分展现其内涵。" description, _ = await self.vlm.generate_response_for_image( - prompt, image_base64, "jpeg", temperature=0.3, max_tokens=1000 + prompt, image_base64_frames, "jpeg", temperature=0.3, max_tokens=600 ) else: - prompt = ( - "这是一个表情包，请详细描述一下表情包所表达的情感和内容，描述细节，从互联网梗,meme的角度去分析" - ) + prompt = "这是一个表情包。请用不超过250字，详细描述它的核心内容：1. 画面描绘了什么？2. 它传达了什么核心情绪或玩的是什么梗？3. 通常在什么场景下使用？请确保描述既包含关键信息，又能充分展现其内涵。" description, _ = await self.vlm.generate_response_for_image( - prompt, image_base64, image_format, temperature=0.3, max_tokens=1000 + prompt, image_base64, image_format, temperature=0.3, max_tokens=600 ) - # 审核表情包 + # 4. 内容审核，确保表情包符合规定 if global_config.emoji.content_filtration: prompt = f''' - 这是一个表情包，请对这个表情包进行审核，标准如下： - 1. 必须符合"{global_config.emoji.filtration_prompt}"的要求 - 2. 不能是色情、暴力、等违法违规内容，必须符合公序良俗 - 3. 不能是任何形式的截图，聊天记录或视频截图 - 4. 不要出现5个以上文字 - 请回答这个表情包是否满足上述要求，是则回答是，否则回答否，不要出现任何其他内容 + 请根据以下标准审核这个表情包： + 1. 主题必须符合："{global_config.emoji.filtration_prompt}"。 + 2. 内容健康，不含色情、暴力、政治敏感等元素。 + 3. 必须是表情包，而不是普通的聊天截图或视频截图。 + 4. 表情包中的文字数量（如果有）不能超过5个。 + 这个表情包是否完全满足以上所有要求？请只回答“是”或“否”。 ''' content, _ = await self.vlm.generate_response_for_image( - prompt, image_base64, image_format, temperature=0.3, max_tokens=1000 + prompt, image_base64, image_format, temperature=0.1, max_tokens=10 ) - if content == "否": + if "否" in content: + logger.warning(f"表情包审核未通过，内容: {description[:50]}...") return "", [] - # 第二步：LLM情感分析 - 基于详细描述生成情感标签列表（可选） + # 5. 基于VLM的详细描述，调用LLM提炼情感关键词 emotions = [] if global_config.emoji.enable_emotion_analysis: - logger.info("[情感分析] 启用表情包感情关键词二次识别") + logger.info("[情感分析] 开始提炼表情包的情感关键词") emotion_prompt = f""" - 请你识别这个表情包的含义和适用场景，给我简短的描述，每个描述不要超过15个字 - 这是一个基于这个表情包的描述：'{description}' - 你可以关注其幽默和讽刺意味，动用贴吧，微博，小红书的知识，必须从互联网梗,meme的角度去分析 - 请直接输出描述，不要出现任何其他内容，如果有多个描述，可以用逗号分隔 + 你是一个互联网“梗”学家和情感分析师。 + 这里有一份关于某个表情包的详细描述： + --- + {description} + --- + 请你基于这份描述，提炼出这个表情包最核心的含义和适用场景。 + + 你的任务是： + 1. 分析并总结出3到5个最能代表这个表情包的关键词或短语。 + 2. 这些关键词应该非常凝练，比如“表达无语”、“有点小得意”、“求夸奖”、“猫猫疑惑”等。 + 3. 每个关键词不要超过15个字。 + 4. 请直接输出这些关键词，并用逗号分隔，不要添加任何其他解释。 """ emotions_text, _ = await self.llm_emotion_judge.generate_response_async( - emotion_prompt, temperature=0.7, max_tokens=600 + emotion_prompt, temperature=0.6, max_tokens=150 ) - - # 处理情感列表 emotions = [e.strip() for e in emotions_text.split(",") if e.strip()] - - # 根据情感标签数量随机选择 - 超过5个选3个，超过2个选2个 - if len(emotions) > 5: - emotions = random.sample(emotions, 3) - elif len(emotions) > 2: - emotions = random.sample(emotions, 2) else: - logger.info("[情感分析] 表情包感情关键词二次识别已禁用") - emotions = [] + logger.info("[情感分析] 表情包感情关键词二次识别已禁用，跳过此步骤") - logger.info(f"[注册分析] 详细描述: {description[:50]}... -> 情感标签: {emotions}") + # 6. 格式化最终的描述，并返回结果 + final_description = f"表情包，关键词：[{'，'.join(emotions)}]。详细描述：{description}" + logger.info(f"[注册分析] VLM描述: {description} -> 提炼出的情感标签: {emotions}") - return f"[表情包：{description}]", emotions + return final_description, emotions except Exception as e: - logger.error(f"获取表情包描述失败: {str(e)}") + logger.error(f"构建表情包描述时发生严重错误: {str(e)}") + logger.error(traceback.format_exc()) return "", [] async def register_emoji_by_filename(self, filename: str) -> bool: diff --git a/src/chat/planner_actions/planner_prompts.py b/src/chat/planner_actions/planner_prompts.py index 4aa4bfc64..f5c1761c7 100644 --- a/src/chat/planner_actions/planner_prompts.py +++ b/src/chat/planner_actions/planner_prompts.py @@ -18,7 +18,6 @@ def init_prompts(): # 并要求模型以 JSON 格式输出一个或多个动作组合。 Prompt( """ -{schedule_block} {mood_block} {time_block} {identity_block} @@ -83,10 +82,13 @@ def init_prompts(): {{ "action": "emoji", "target_message_id": "m123", - "reason": "用一个可爱的表情来缓和气氛" + "reason": "根据我将要回复的文本内容，选择一个最匹配的表情包来增强表达效果。回复的文本是：" }} ] +**重要规则：** +当 `reply` 和 `emoji` 动作同时被选择时，`emoji` 动作的 `reason` 字段必须包含 `reply` 动作最终生成的回复文本内容。你需要将 `` 占位符替换为 `reply` 动作的 `reason` 字段内容，以确保表情包的选择与回复文本高度相关。 + 不要输出markdown格式```json等内容，直接输出且仅包含 JSON 列表内容： """, "planner_prompt", @@ -101,7 +103,6 @@ def init_prompts(): ## 你的内部状态 {time_block} {identity_block} -{schedule_block} {mood_block} ## 长期记忆摘要 @@ -115,6 +116,7 @@ def init_prompts(): ## 任务 你现在要决定是否主动说些什么。就像一个真实的人一样，有时候会突然想起之前聊到的话题，或者对朋友的近况感到好奇，想主动询问或关心一下。 +**重要提示**：你的日程安排仅供你个人参考，不应作为主动聊天话题的主要来源。请更多地从聊天内容和朋友的动态中寻找灵感。 请基于聊天内容，用你的判断力来决定是否要主动发言。不要按照固定规则，而是像人类一样自然地思考： - 是否想起了什么之前提到的事情，想问问后来怎么样了？ diff --git a/src/chat/utils/utils_image.py b/src/chat/utils/utils_image.py index 847d48fac..5e9719de0 100644 --- a/src/chat/utils/utils_image.py +++ b/src/chat/utils/utils_image.py @@ -242,48 +242,50 @@ class ImageManager: logger.warning(f"虽然生成了描述，但是找到缓存表情包描述: {cached_description}") return f"[表情包：{cached_description}]" - # 保存表情包文件和元数据（用于可能的后续分析） - logger.debug(f"保存表情包: {image_hash}") - current_timestamp = time.time() - filename = f"{int(current_timestamp)}_{image_hash[:8]}.{image_format}" - emoji_dir = os.path.join(self.IMAGE_DIR, "emoji") - os.makedirs(emoji_dir, exist_ok=True) - file_path = os.path.join(emoji_dir, filename) + # 只有在开启“偷表情包”功能时，才将接收到的表情包保存到待注册目录 + if global_config.emoji.steal_emoji: + logger.debug(f"偷取表情包功能已开启，保存表情包: {image_hash}") + current_timestamp = time.time() + filename = f"{int(current_timestamp)}_{image_hash[:8]}.{image_format}" + emoji_dir = os.path.join(self.IMAGE_DIR, "emoji") + os.makedirs(emoji_dir, exist_ok=True) + file_path = os.path.join(emoji_dir, filename) - try: - # 保存文件 - with open(file_path, "wb") as f: - f.write(image_bytes) - - # 保存到数据库 (Images表) - 包含详细描述用于可能的注册流程 try: - from src.common.database.sqlalchemy_models import get_db_session + # 保存文件 + with open(file_path, "wb") as f: + f.write(image_bytes) - with get_db_session() as session: - existing_img = session.execute( - select(Images).where(and_(Images.emoji_hash == image_hash, Images.type == "emoji")) - ).scalar() + # 保存到数据库 (Images表) - 包含详细描述用于可能的注册流程 + try: + from src.common.database.sqlalchemy_models import get_db_session + + with get_db_session() as session: + existing_img = session.execute( + select(Images).where(and_(Images.emoji_hash == image_hash, Images.type == "emoji")) + ).scalar() + + if existing_img: + existing_img.path = file_path + existing_img.description = detailed_description # 保存详细描述 + existing_img.timestamp = current_timestamp + else: + new_img = Images( + emoji_hash=image_hash, + path=file_path, + type="emoji", + description=detailed_description, # 保存详细描述 + timestamp=current_timestamp, + ) + session.add(new_img) + session.commit() + except Exception as e: + logger.error(f"保存到Images表失败: {str(e)}") - if existing_img: - existing_img.path = file_path - existing_img.description = detailed_description # 保存详细描述 - existing_img.timestamp = current_timestamp - else: - new_img = Images( - emoji_hash=image_hash, - path=file_path, - type="emoji", - description=detailed_description, # 保存详细描述 - timestamp=current_timestamp, - ) - session.add(new_img) - session.commit() - # 会在上下文管理器中自动调用 except Exception as e: - logger.error(f"保存到Images表失败: {str(e)}") - - except Exception as e: - logger.error(f"保存表情包文件或元数据失败: {str(e)}") + logger.error(f"保存表情包文件或元数据失败: {str(e)}") + else: + logger.debug("偷取表情包功能已关闭，跳过保存。") # 保存最终的情感标签到缓存 (ImageDescriptions表) self._save_description_to_db(image_hash, final_emotion, "emoji") diff --git a/src/config/official_configs.py b/src/config/official_configs.py index 40a521886..be51a21e3 100644 --- a/src/config/official_configs.py +++ b/src/config/official_configs.py @@ -362,7 +362,7 @@ class EmojiConfig(ValidatedConfigBase): emoji_activate_type: str = Field(default="random", description="表情包激活类型") max_reg_num: int = Field(default=200, description="最大表情包数量") do_replace: bool = Field(default=True, description="是否替换表情包") - check_interval: int = Field(default=120, description="检查间隔") + check_interval: float = Field(default=1.0, ge=0.01, description="检查间隔") steal_emoji: bool = Field(default=True, description="是否偷取表情包") content_filtration: bool = Field(default=False, description="内容过滤") filtration_prompt: str = Field(default="符合公序良俗", description="过滤提示")