better：新增log前缀映射，优化emoji的显示，加强了emoji的识别

docs/plugins/api/emoji-api.md

@@ -8,6 +8,25 @@
 from src.plugin_system.apis import emoji_api
 ```
 
+## 🆕 **二步走识别优化**
+
+从最新版本开始，表情包识别系统采用了**二步走识别 + 智能缓存**的优化方案：
+
+### **收到表情包时的识别流程**
+1. **第一步**：VLM视觉分析 - 生成详细描述
+2. **第二步**：LLM情感分析 - 基于详细描述提取核心情感标签
+3. **缓存机制**：将情感标签缓存到数据库，详细描述保存到Images表
+
+### **注册表情包时的优化**
+- **智能复用**：优先从Images表获取已有的详细描述
+- **避免重复**：如果表情包之前被收到过，跳过VLM调用
+- **性能提升**：减少不必要的AI调用，降低延时和成本
+
+### **缓存策略**
+- **ImageDescriptions表**：缓存最终的情感标签（用于快速显示）
+- **Images表**：保存详细描述（用于注册时复用）
+- **双重检查**：防止并发情况下的重复生成
+
 ## 主要功能
 
 ### 1. 表情包获取

src/chat/emoji_system/emoji_manager.py

@@ -836,7 +836,7 @@ 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
+        """获取表情包描述和情感列表，优化复用已有描述
 
         Args:
             image_base64: 图片的base64编码
@@ -850,18 +850,35 @@ class EmojiManager:
             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
 
-            # 调用AI获取描述
+            # 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）
-            if image_format == "gif" or image_format == "GIF":
+            existing_description = None
-                image_base64 = get_image_manager().transform_gif(image_base64)  # type: ignore
+            try:
-                if not image_base64:
+                from src.common.database.database_model import Images
-                    raise RuntimeError("GIF表情包转换失败")
+                existing_image = Images.get_or_none((Images.emoji_hash == image_hash) & (Images.type == "emoji"))
-                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"
+                if existing_image and existing_image.description:
-                description, _ = await self.vlm.generate_response_for_image(prompt, image_base64, "jpg")
+                    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}")
+
+            # 第一步：VLM视觉分析（如果没有已有描述才调用）
+            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:
-                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"
+                logger.info("[VLM分析] 生成新的详细描述")
-                description, _ = await self.vlm.generate_response_for_image(prompt, image_base64, image_format)
+                if image_format == "gif" or image_format == "GIF":
+                    image_base64 = get_image_manager().transform_gif(image_base64)  # type: ignore
+                    if not image_base64:
+                        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"
+                    description, _ = await self.vlm.generate_response_for_image(prompt, image_base64, "jpg")
+                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"
+                    description, _ = await self.vlm.generate_response_for_image(prompt, image_base64, image_format)
 
             # 审核表情包
             if global_config.emoji.content_filtration:
@@ -877,7 +894,7 @@ class EmojiManager:
                 if content == "否":
                     return "", []
 
-            # 分析情感含义
+            # 第二步：LLM情感分析 - 基于详细描述生成情感标签列表
             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}'
@@ -889,12 +906,14 @@ class EmojiManager:
             # 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喵~超过5个选3个，超过2个选2个
+            # 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)
 
+            logger.info(f"[注册分析] 详细描述: {description[:50]}... -> 情感标签: {emotions}")
+
             return f"[表情包：{description}]", emotions
 
         except Exception as e:

src/chat/utils/utils_image.py

@@ -6,6 +6,7 @@ import uuid
 import io
 import asyncio
 import numpy as np
+import jieba
 
 from typing import Optional, Tuple
 from PIL import Image
@@ -94,7 +95,7 @@ class ImageManager:
             logger.error(f"保存描述到数据库失败 (Peewee): {str(e)}")
 
     async def get_emoji_description(self, image_base64: str) -> str:
-        """获取表情包描述，带查重和保存功能"""
+        """获取表情包描述，使用二步走识别并带缓存优化"""
         try:
             # 计算图片哈希
             # 确保base64字符串只包含ASCII字符
@@ -107,33 +108,66 @@ class ImageManager:
             # 查询缓存的描述
             cached_description = self._get_description_from_db(image_hash, "emoji")
             if cached_description:
-                return f"[表情包，含义看起来是：{cached_description}]"
+                return f"[表情包：{cached_description}]"
 
-            # 调用AI获取描述
+            # === 二步走识别流程 ===
+            
+            # 第一步：VLM视觉分析 - 生成详细描述
             if image_format in ["gif", "GIF"]:
                 image_base64_processed = self.transform_gif(image_base64)
                 if image_base64_processed is None:
                     logger.warning("GIF转换失败，无法获取描述")
                     return "[表情包(GIF处理失败)]"
-                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，使用1-2个词描述一下表情包表达的情感和内容，简短一些，输出一段平文本，只输出1-2个词就好，不要输出其他内容"
+                vlm_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"
-                description, _ = await self._llm.generate_response_for_image(prompt, image_base64_processed, "jpg")
+                detailed_description, _ = await self._llm.generate_response_for_image(vlm_prompt, image_base64_processed, "jpg")
             else:
-                prompt = "图片是一个表情包，请用使用1-2个词描述一下表情包所表达的情感和内容，简短一些，输出一段平文本，只输出1-2个词就好，不要输出其他内容"
+                vlm_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"
-                description, _ = await self._llm.generate_response_for_image(prompt, image_base64, image_format)
+                detailed_description, _ = await self._llm.generate_response_for_image(vlm_prompt, image_base64, image_format)
 
-            if description is None:
+            if detailed_description is None:
-                logger.warning("AI未能生成表情包描述")
+                logger.warning("VLM未能生成表情包详细描述")
-                return "[表情包(描述生成失败)]"
+                return "[表情包(VLM描述生成失败)]"
+
+            # 第二步：LLM情感分析 - 基于详细描述生成简短的情感标签
+            emotion_prompt = f"""
+            请你基于这个表情包的详细描述，提取出最核心的情感含义，用1-2个词概括。
+            详细描述：'{detailed_description}'
+            
+            要求：
+            1. 只输出1-2个最核心的情感词汇
+            2. 从互联网梗、meme的角度理解
+            3. 输出简短精准，不要解释
+            4. 如果有多个词用逗号分隔
+            """
+            
+            # 使用较低温度确保输出稳定
+            emotion_llm = LLMRequest(model=global_config.model.utils, temperature=0.3, max_tokens=50, request_type="emoji")
+            emotion_result, _ = await emotion_llm.generate_response_async(emotion_prompt)
+
+            if emotion_result is None:
+                logger.warning("LLM未能生成情感标签，使用详细描述的前几个词")
+                # 降级处理：从详细描述中提取关键词
+                import jieba
+                words = list(jieba.cut(detailed_description))
+                emotion_result = "，".join(words[:2]) if len(words) >= 2 else (words[0] if words else "表情")
+
+            # 处理情感结果，取前1-2个最重要的标签
+            emotions = [e.strip() for e in emotion_result.replace("，", ",").split(",") if e.strip()]
+            final_emotion = emotions[0] if emotions else "表情"
+            
+            # 如果有第二个情感且不重复，也包含进来
+            if len(emotions) > 1 and emotions[1] != emotions[0]:
+                final_emotion = f"{emotions[0]}，{emotions[1]}"
+
+            logger.info(f"[二步走识别] 详细描述: {detailed_description[:50]}... -> 情感标签: {final_emotion}")
 
             # 再次检查缓存，防止并发写入时重复生成
             cached_description = self._get_description_from_db(image_hash, "emoji")
             if cached_description:
                 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，含义看起来是：{cached_description}]"
+                return f"[表情包：{cached_description}]"
 
-            # 根据配置决定是否保存图片
+            # 保存表情包文件和元数据（用于可能的后续分析）
-            # if global_config.emoji.save_emoji:
-            # 生成文件名和路径
             logger.debug(f"保存表情包: {image_hash}")
             current_timestamp = time.time()
             filename = f"{int(current_timestamp)}_{image_hash[:8]}.{image_format}"
@@ -146,11 +180,11 @@ class ImageManager:
                 with open(file_path, "wb") as f:
                     f.write(image_bytes)
 
-                # 保存到数据库 (Images表)
+                # 保存到数据库 (Images表) - 包含详细描述用于可能的注册流程
                 try:
                     img_obj = Images.get((Images.emoji_hash == image_hash) & (Images.type == "emoji"))
                     img_obj.path = file_path
-                    img_obj.description = description
+                    img_obj.description = detailed_description  # 保存详细描述
                     img_obj.timestamp = current_timestamp
                     img_obj.save()
                 except Images.DoesNotExist:  # type: ignore
@@ -158,17 +192,17 @@ class ImageManager:
                         emoji_hash=image_hash,
                         path=file_path,
                         type="emoji",
-                        description=description,
+                        description=detailed_description,  # 保存详细描述
                         timestamp=current_timestamp,
                     )
-                # logger.debug(f"保存表情包元数据: {file_path}")
             except Exception as e:
                 logger.error(f"保存表情包文件或元数据失败: {str(e)}")
 
-            # 保存描述到数据库 (ImageDescriptions表)
+            # 保存最终的情感标签到缓存 (ImageDescriptions表)
-            self._save_description_to_db(image_hash, description, "emoji")
+            self._save_description_to_db(image_hash, final_emotion, "emoji")
 
-            return f"[表情包：{description}]"
+            return f"[表情包：{final_emotion}]"
+            
         except Exception as e:
             logger.error(f"获取表情包描述失败: {str(e)}")
             return "[表情包]"

src/common/logger.py

@@ -349,6 +349,7 @@ MODULE_COLORS = {
     "chat_stream": "\033[38;5;51m",  # 亮青色
     "sender": "\033[38;5;67m",  # 稍微暗一些的蓝色，不显眼
     "message_storage": "\033[38;5;33m",  # 深蓝色
+    "expressor": "\033[38;5;166m",  # 橙色
     # 专注聊天模块
     "replyer": "\033[38;5;166m",  # 橙色
     "memory_activator": "\033[34m",  # 绿色
@@ -408,6 +409,34 @@ MODULE_COLORS = {
     "S4U_chat": "\033[92m",  # 深灰色
 }
 
+# 定义模块别名映射 - 将真实的logger名称映射到显示的别名
+MODULE_ALIASES = {
+    # 示例映射
+    "individuality": "人格特质",
+    "emoji": "表情包",
+    "no_reply_action": "摸鱼",
+    "reply_action": "回复",
+    "action_manager": "动作",
+    "memory_activator": "记忆",
+    "tool_use": "工具",
+    "expressor": "表达方式",
+    "database_model": "数据库",
+    "mood": "情绪",
+    "memory": "记忆",
+    "tool_executor": "工具",
+    "hfc": "聊天节奏",
+    "chat": "所见",
+    "plugin_manager": "插件",
+    "relationship_builder": "关系",
+    "llm_models": "模型",
+    "person_info": "人物",
+    "chat_stream": "聊天流",
+    "planner": "规划器",
+    "replyer": "言语",
+    "config": "配置",
+    "main": "主程序",
+}
+
 RESET_COLOR = "\033[0m"
 
 
@@ -496,15 +525,18 @@ class ModuleColoredConsoleRenderer:
         if self._colors and self._enable_module_colors and logger_name:
             module_color = MODULE_COLORS.get(logger_name, "")
 
-        # 模块名称（带颜色）
+        # 模块名称（带颜色和别名支持）
         if logger_name:
+            # 获取别名，如果没有别名则使用原名称
+            display_name = MODULE_ALIASES.get(logger_name, logger_name)
+            
             if self._colors and self._enable_module_colors:
                 if module_color:
-                    module_part = f"{module_color}[{logger_name}]{RESET_COLOR}"
+                    module_part = f"{module_color}[{display_name}]{RESET_COLOR}"
                 else:
-                    module_part = f"[{logger_name}]"
+                    module_part = f"[{display_name}]"
             else:
-                module_part = f"[{logger_name}]"
+                module_part = f"[{display_name}]"
             parts.append(module_part)
 
         # 消息内容（确保转换为字符串）
@@ -714,19 +746,7 @@ def configure_logging(
         root_logger.setLevel(getattr(logging, level.upper()))
 
 
-def set_module_color(module_name: str, color_code: str):
-    """为指定模块设置颜色
 
-    Args:
-        module_name: 模块名称
-        color_code: ANSI颜色代码，例如 '\033[92m' 表示亮绿色
-    """
-    MODULE_COLORS[module_name] = color_code
-
-
-def get_module_colors():
-    """获取当前模块颜色配置"""
-    return MODULE_COLORS.copy()
 
 
 def reload_log_config():
@@ -917,9 +937,20 @@ def show_module_colors():
     for module_name, _color_code in MODULE_COLORS.items():
         # 临时创建一个该模块的logger来展示颜色
         demo_logger = structlog.get_logger(module_name).bind(logger_name=module_name)
-        demo_logger.info(f"这是 {module_name} 模块的颜色效果")
+        alias = MODULE_ALIASES.get(module_name, module_name)
+        if alias != module_name:
+            demo_logger.info(f"这是 {module_name} 模块的颜色效果 (显示为: {alias})")
+        else:
+            demo_logger.info(f"这是 {module_name} 模块的颜色效果")
 
     print("=== 颜色展示结束 ===\n")
+    
+    # 显示别名映射表
+    if MODULE_ALIASES:
+        print("=== 当前别名映射 ===")
+        for module_name, alias in MODULE_ALIASES.items():
+            print(f"  {module_name} -> {alias}")
+        print("=== 别名映射结束 ===\n")
 
 
 def format_json_for_logging(data, indent=2, ensure_ascii=False):

src/plugins/built_in/core_actions/emoji.py

@@ -10,6 +10,7 @@ from src.common.logger import get_logger
 # 导入API模块 - 标准Python包方式
 from src.plugin_system.apis import emoji_api, llm_api, message_api
 from src.plugins.built_in.core_actions.no_reply import NoReplyAction
+from src.config.config import global_config
 
 
 logger = get_logger("emoji")
@@ -102,7 +103,11 @@ class EmojiAction(BaseAction):
                 这里是可用的情感标签：{available_emotions}
                 请直接返回最匹配的那个情感标签，不要进行任何解释或添加其他多余的文字。
                 """
-                logger.info(f"{self.log_prefix} 生成的LLM Prompt: {prompt}")
+
+                if global_config.debug.enable_debug_log:
+                    logger.info(f"{self.log_prefix} 生成的LLM Prompt: {prompt}")
+                else:
+                    logger.debug(f"{self.log_prefix} 生成的LLM Prompt: {prompt}")
 
                 # 5. 调用LLM
                 models = llm_api.get_available_models()