Merge branch 'dev' of https://github.com/MoFox-Studio/MoFox_Bot into dev

clean_embedding_data.py

@@ -17,19 +17,19 @@
 
 import argparse
 import json
-from pathlib import Path
-from typing import Dict, Any, List, Tuple
 import logging
+from pathlib import Path
+from typing import Any
 
 import orjson
 
 # 配置日志
 logging.basicConfig(
     level=logging.INFO,
-    format='%(asctime)s - %(levelname)s - %(message)s',
+    format="%(asctime)s - %(levelname)s - %(message)s",
     handlers=[
         logging.StreamHandler(),
-        logging.FileHandler('embedding_cleanup.log', encoding='utf-8')
+        logging.FileHandler("embedding_cleanup.log", encoding="utf-8")
     ]
 )
 logger = logging.getLogger(__name__)
@@ -49,13 +49,13 @@ class EmbeddingCleaner:
         self.cleaned_files = []
         self.errors = []
         self.stats = {
-            'files_processed': 0,
-            'embedings_removed': 0,
-            'bytes_saved': 0,
-            'nodes_processed': 0
+            "files_processed": 0,
+            "embedings_removed": 0,
+            "bytes_saved": 0,
+            "nodes_processed": 0
         }
 
-    def find_json_files(self) -> List[Path]:
+    def find_json_files(self) -> list[Path]:
         """查找可能包含向量数据的 JSON 文件"""
         json_files = []
 
@@ -65,7 +65,7 @@ class EmbeddingCleaner:
             json_files.append(memory_graph_file)
 
         # 测试数据文件
-        test_dir = self.data_dir / "test_*"
+        self.data_dir / "test_*"
         for test_path in self.data_dir.glob("test_*/memory_graph.json"):
             if test_path.exists():
                 json_files.append(test_path)
@@ -82,7 +82,7 @@ class EmbeddingCleaner:
         logger.info(f"找到 {len(json_files)} 个需要处理的 JSON 文件")
         return json_files
 
-    def analyze_embedding_in_data(self, data: Dict[str, Any]) -> int:
+    def analyze_embedding_in_data(self, data: dict[str, Any]) -> int:
         """
         分析数据中的 embedding 字段数量
 
@@ -97,7 +97,7 @@ class EmbeddingCleaner:
         def count_embeddings(obj):
             nonlocal embedding_count
             if isinstance(obj, dict):
-                if 'embedding' in obj:
+                if "embedding" in obj:
                     embedding_count += 1
                 for value in obj.values():
                     count_embeddings(value)
@@ -108,7 +108,7 @@ class EmbeddingCleaner:
         count_embeddings(data)
         return embedding_count
 
-    def clean_embedding_from_data(self, data: Dict[str, Any]) -> Tuple[Dict[str, Any], int]:
+    def clean_embedding_from_data(self, data: dict[str, Any]) -> tuple[dict[str, Any], int]:
         """
         从数据中移除 embedding 字段
 
@@ -123,8 +123,8 @@ class EmbeddingCleaner:
         def remove_embeddings(obj):
             nonlocal removed_count
             if isinstance(obj, dict):
-                if 'embedding' in obj:
-                    del obj['embedding']
+                if "embedding" in obj:
+                    del obj["embedding"]
                     removed_count += 1
                 for value in obj.values():
                     remove_embeddings(value)
@@ -162,14 +162,14 @@ class EmbeddingCleaner:
                 data = orjson.loads(original_content)
             except orjson.JSONDecodeError:
                 # 回退到标准 json
-                with open(file_path, 'r', encoding='utf-8') as f:
+                with open(file_path, encoding="utf-8") as f:
                     data = json.load(f)
 
             # 分析 embedding 数据
             embedding_count = self.analyze_embedding_in_data(data)
 
             if embedding_count == 0:
-                logger.info(f"  ✓ 文件中没有 embedding 数据，跳过")
+                logger.info("  ✓ 文件中没有 embedding 数据，跳过")
                 return True
 
             logger.info(f"  发现 {embedding_count} 个 embedding 字段")
@@ -193,30 +193,30 @@ class EmbeddingCleaner:
                         cleaned_data,
                         indent=2,
                         ensure_ascii=False
-                    ).encode('utf-8')
+                    ).encode("utf-8")
 
                 cleaned_size = len(cleaned_content)
                 bytes_saved = original_size - cleaned_size
 
                 # 原子写入
-                temp_file = file_path.with_suffix('.tmp')
+                temp_file = file_path.with_suffix(".tmp")
                 temp_file.write_bytes(cleaned_content)
                 temp_file.replace(file_path)
 
-                logger.info(f"  ✓ 清理完成:")
+                logger.info("  ✓ 清理完成:")
                 logger.info(f"    - 移除 embedding 字段: {removed_count}")
                 logger.info(f"    - 节省空间: {bytes_saved:,} 字节 ({bytes_saved/original_size*100:.1f}%)")
                 logger.info(f"    - 新文件大小: {cleaned_size:,} 字节")
 
                 # 更新统计
-                self.stats['embedings_removed'] += removed_count
-                self.stats['bytes_saved'] += bytes_saved
+                self.stats["embedings_removed"] += removed_count
+                self.stats["bytes_saved"] += bytes_saved
 
             else:
                 logger.info(f"  [试运行] 将移除 {embedding_count} 个 embedding 字段")
-                self.stats['embedings_removed'] += embedding_count
+                self.stats["embedings_removed"] += embedding_count
 
-            self.stats['files_processed'] += 1
+            self.stats["files_processed"] += 1
             self.cleaned_files.append(file_path)
             return True
 
@@ -236,12 +236,12 @@ class EmbeddingCleaner:
             节点数量
         """
         try:
-            with open(file_path, 'r', encoding='utf-8') as f:
+            with open(file_path, encoding="utf-8") as f:
                 data = json.load(f)
 
             node_count = 0
-            if 'nodes' in data and isinstance(data['nodes'], list):
-                node_count = len(data['nodes'])
+            if "nodes" in data and isinstance(data["nodes"], list):
+                node_count = len(data["nodes"])
 
             return node_count
 
@@ -268,7 +268,7 @@ class EmbeddingCleaner:
 
         # 统计总节点数
         total_nodes = sum(self.analyze_nodes_in_file(f) for f in json_files)
-        self.stats['nodes_processed'] = total_nodes
+        self.stats["nodes_processed"] = total_nodes
 
         logger.info(f"总计 {len(json_files)} 个文件，{total_nodes} 个节点")
 
@@ -295,8 +295,8 @@ class EmbeddingCleaner:
 
         if not dry_run:
             logger.info(f"节省空间: {self.stats['bytes_saved']:,} 字节")
-            if self.stats['bytes_saved'] > 0:
-                mb_saved = self.stats['bytes_saved'] / 1024 / 1024
+            if self.stats["bytes_saved"] > 0:
+                mb_saved = self.stats["bytes_saved"] / 1024 / 1024
                 logger.info(f"节省空间: {mb_saved:.2f} MB")
 
         if self.errors:
@@ -342,7 +342,7 @@ def main():
         print("    请确保向量数据库正在正常工作。")
         print()
         response = input("确认继续？(yes/no): ")
-        if response.lower() not in ['yes', 'y', '是']:
+        if response.lower() not in ["yes", "y", "是"]:
             print("操作已取消")
             return
 
@@ -352,4 +352,4 @@ def main():
 
 
 if __name__ == "__main__":
-    main()
+    main()

requirements.txt

@@ -71,9 +71,10 @@ lunar_python
 fuzzywuzzy
 python-multipart
 aiofiles
+jinja2
 inkfox
 soundfile
 pedalboard
 
 # For local speech-to-text functionality (stt_whisper_plugin)
-openai-whisper
+openai-whisper

scripts/memory_profiler.py

@@ -10,10 +10,10 @@
 示例:
   # 进程监控（启动 bot 并监控）
   python scripts/memory_profiler.py --monitor --interval 10
-  
+
   # 对象分析（深度对象统计）
   python scripts/memory_profiler.py --objects --interval 10 --output memory_data.txt
-  
+
   # 生成可视化图表
   python scripts/memory_profiler.py --visualize --input memory_data.txt.jsonl --top 15
 """
@@ -22,7 +22,6 @@ import argparse
 import asyncio
 import gc
 import json
-import os
 import subprocess
 import sys
 import threading
@@ -30,7 +29,6 @@ import time
 from collections import defaultdict
 from datetime import datetime
 from pathlib import Path
-from typing import Dict, List, Optional
 
 import psutil
 
@@ -56,29 +54,29 @@ async def monitor_bot_process(bot_process: subprocess.Popen, interval: int = 5):
     if bot_process.pid is None:
         print("❌ Bot 进程 PID 为空")
         return
-    
+
     print(f"🔍 开始监控 Bot 内存（PID: {bot_process.pid}）")
     print(f"监控间隔: {interval} 秒")
     print("按 Ctrl+C 停止监控和 Bot\n")
-    
+
     try:
         process = psutil.Process(bot_process.pid)
     except psutil.NoSuchProcess:
         print("❌ 无法找到 Bot 进程")
         return
-    
+
     history = []
     iteration = 0
-    
+
     try:
         while bot_process.poll() is None:
             try:
                 mem_info = process.memory_info()
                 mem_percent = process.memory_percent()
-                
+
                 children = process.children(recursive=True)
                 children_mem = sum(child.memory_info().rss for child in children)
-                
+
                 info = {
                     "timestamp": time.strftime("%H:%M:%S"),
                     "rss_mb": mem_info.rss / 1024 / 1024,
@@ -87,24 +85,24 @@ async def monitor_bot_process(bot_process: subprocess.Popen, interval: int = 5):
                     "children_count": len(children),
                     "children_mem_mb": children_mem / 1024 / 1024,
                 }
-                
+
                 history.append(info)
                 iteration += 1
-                
+
                 print(f"{'=' * 80}")
                 print(f"检查点 #{iteration} - {info['timestamp']}")
                 print(f"Bot 进程 (PID: {bot_process.pid})")
                 print(f"  RSS: {info['rss_mb']:.2f} MB")
                 print(f"  VMS: {info['vms_mb']:.2f} MB")
                 print(f"  占比: {info['percent']:.2f}%")
-                
+
                 if children:
                     print(f"  子进程: {info['children_count']} 个")
                     print(f"  子进程内存: {info['children_mem_mb']:.2f} MB")
-                    total_mem = info['rss_mb'] + info['children_mem_mb']
+                    total_mem = info["rss_mb"] + info["children_mem_mb"]
                     print(f"  总内存: {total_mem:.2f} MB")
-                    
-                    print(f"\n  📋 子进程详情:")
+
+                    print("\n  📋 子进程详情:")
                     for idx, child in enumerate(children, 1):
                         try:
                             child_mem = child.memory_info().rss / 1024 / 1024
@@ -116,30 +114,30 @@ async def monitor_bot_process(bot_process: subprocess.Popen, interval: int = 5):
                             print(f"        命令: {child_cmdline}")
                         except (psutil.NoSuchProcess, psutil.AccessDenied):
                             print(f"    [{idx}] 无法访问进程信息")
-                
+
                 if len(history) > 1:
                     prev = history[-2]
-                    rss_diff = info['rss_mb'] - prev['rss_mb']
-                    print(f"\n变化:")
+                    rss_diff = info["rss_mb"] - prev["rss_mb"]
+                    print("\n变化:")
                     print(f"  RSS: {rss_diff:+.2f} MB")
                     if rss_diff > 10:
-                        print(f"  ⚠️  内存增长较快！")
-                    if info['rss_mb'] > 1000:
-                        print(f"  ⚠️  内存使用超过 1GB！")
-                
+                        print("  ⚠️  内存增长较快！")
+                    if info["rss_mb"] > 1000:
+                        print("  ⚠️  内存使用超过 1GB！")
+
                 print(f"{'=' * 80}\n")
                 await asyncio.sleep(interval)
-                
+
             except psutil.NoSuchProcess:
                 print("\n❌ Bot 进程已结束")
                 break
             except Exception as e:
                 print(f"\n❌ 监控出错: {e}")
                 break
-    
+
     except KeyboardInterrupt:
         print("\n\n⚠️  用户中断监控")
-    
+
     finally:
         if history and bot_process.pid:
             save_process_history(history, bot_process.pid)
@@ -149,25 +147,25 @@ def save_process_history(history: list, pid: int):
     """保存进程监控历史"""
     output_dir = Path("data/memory_diagnostics")
     output_dir.mkdir(parents=True, exist_ok=True)
-    
+
     timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
     output_file = output_dir / f"process_monitor_{timestamp}_pid{pid}.txt"
-    
+
     with open(output_file, "w", encoding="utf-8") as f:
         f.write("Bot 进程内存监控历史记录\n")
         f.write("=" * 80 + "\n\n")
         f.write(f"Bot PID: {pid}\n\n")
-        
+
         for info in history:
             f.write(f"时间: {info['timestamp']}\n")
             f.write(f"RSS: {info['rss_mb']:.2f} MB\n")
             f.write(f"VMS: {info['vms_mb']:.2f} MB\n")
             f.write(f"占比: {info['percent']:.2f}%\n")
-            if info['children_count'] > 0:
+            if info["children_count"] > 0:
                 f.write(f"子进程: {info['children_count']} 个\n")
                 f.write(f"子进程内存: {info['children_mem_mb']:.2f} MB\n")
             f.write("\n")
-    
+
     print(f"\n✅ 监控历史已保存到: {output_file}")
 
 
@@ -182,28 +180,28 @@ async def run_monitor_mode(interval: int):
     print("  3. 显示子进程详细信息")
     print("  4. 自动保存监控历史")
     print("=" * 80 + "\n")
-    
+
     project_root = Path(__file__).parent.parent
     bot_file = project_root / "bot.py"
-    
+
     if not bot_file.exists():
         print(f"❌ 找不到 bot.py: {bot_file}")
         return 1
-    
+
     # 检测虚拟环境
     venv_python = project_root / ".venv" / "Scripts" / "python.exe"
     if not venv_python.exists():
         venv_python = project_root / ".venv" / "bin" / "python"
-    
+
     if venv_python.exists():
         python_exe = str(venv_python)
         print(f"🐍 使用虚拟环境: {venv_python}")
     else:
         python_exe = sys.executable
         print(f"⚠️  未找到虚拟环境，使用当前 Python: {python_exe}")
-    
+
     print(f"🤖 启动 Bot: {bot_file}")
-    
+
     bot_process = subprocess.Popen(
         [python_exe, str(bot_file)],
         cwd=str(project_root),
@@ -212,9 +210,9 @@ async def run_monitor_mode(interval: int):
         text=True,
         bufsize=1,
     )
-    
+
     await asyncio.sleep(2)
-    
+
     if bot_process.poll() is not None:
         print("❌ Bot 启动失败")
         if bot_process.stdout:
@@ -222,9 +220,9 @@ async def run_monitor_mode(interval: int):
             if output:
                 print(f"\nBot 输出:\n{output}")
         return 1
-    
+
     print(f"✅ Bot 已启动 (PID: {bot_process.pid})\n")
-    
+
     # 启动输出读取线程
     def read_bot_output():
         if bot_process.stdout:
@@ -233,15 +231,15 @@ async def run_monitor_mode(interval: int):
                     print(f"[Bot] {line}", end="")
             except Exception:
                 pass
-    
+
     output_thread = threading.Thread(target=read_bot_output, daemon=True)
     output_thread.start()
-    
+
     try:
         await monitor_bot_process(bot_process, interval)
     except KeyboardInterrupt:
         print("\n\n⚠️  用户中断")
-        
+
         if bot_process.poll() is None:
             print("\n正在停止 Bot...")
             bot_process.terminate()
@@ -251,9 +249,9 @@ async def run_monitor_mode(interval: int):
                 print("⚠️  强制终止 Bot...")
                 bot_process.kill()
                 bot_process.wait()
-        
+
         print("✅ Bot 已停止")
-    
+
     return 0
 
 
@@ -263,8 +261,8 @@ async def run_monitor_mode(interval: int):
 
 class ObjectMemoryProfiler:
     """对象级内存分析器"""
-    
-    def __init__(self, interval: int = 10, output_file: Optional[str] = None, object_limit: int = 20):
+
+    def __init__(self, interval: int = 10, output_file: str | None = None, object_limit: int = 20):
         self.interval = interval
         self.output_file = output_file
         self.object_limit = object_limit
@@ -273,23 +271,23 @@ class ObjectMemoryProfiler:
         if PYMPLER_AVAILABLE:
             self.tracker = tracker.SummaryTracker()
         self.iteration = 0
-    
-    def get_object_stats(self) -> Dict:
+
+    def get_object_stats(self) -> dict:
         """获取当前进程的对象统计（所有线程）"""
         if not PYMPLER_AVAILABLE:
             return {}
-        
+
         try:
             gc.collect()
             all_objects = muppy.get_objects()
             sum_data = summary.summarize(all_objects)
-            
+
             # 按总大小（第3个元素）降序排序
             sorted_sum_data = sorted(sum_data, key=lambda x: x[2], reverse=True)
-            
+
             # 按模块统计内存
             module_stats = self._get_module_stats(all_objects)
-            
+
             threads = threading.enumerate()
             thread_info = [
                 {
@@ -299,13 +297,13 @@ class ObjectMemoryProfiler:
                 }
                 for t in threads
             ]
-            
+
             gc_stats = {
                 "collections": gc.get_count(),
                 "garbage": len(gc.garbage),
                 "tracked": len(gc.get_objects()),
             }
-            
+
             return {
                 "summary": sorted_sum_data[:self.object_limit],
                 "module_stats": module_stats,
@@ -316,52 +314,52 @@ class ObjectMemoryProfiler:
         except Exception as e:
             print(f"❌ 获取对象统计失败: {e}")
             return {}
-    
-    def _get_module_stats(self, all_objects: list) -> Dict:
+
+    def _get_module_stats(self, all_objects: list) -> dict:
         """统计各模块的内存占用"""
         module_mem = defaultdict(lambda: {"count": 0, "size": 0})
-        
+
         for obj in all_objects:
             try:
                 # 获取对象所属模块
                 obj_type = type(obj)
                 module_name = obj_type.__module__
-                
+
                 if module_name:
                     # 获取顶级模块名（例如 src.chat.xxx -> src）
-                    top_module = module_name.split('.')[0]
-                    
+                    top_module = module_name.split(".")[0]
+
                     obj_size = sys.getsizeof(obj)
                     module_mem[top_module]["count"] += 1
                     module_mem[top_module]["size"] += obj_size
             except Exception:
                 # 忽略无法获取大小的对象
                 continue
-        
+
         # 转换为列表并按大小排序
         sorted_modules = sorted(
-            [(mod, stats["count"], stats["size"]) 
+            [(mod, stats["count"], stats["size"])
              for mod, stats in module_mem.items()],
             key=lambda x: x[2],
             reverse=True
         )
-        
+
         return {
             "top_modules": sorted_modules[:20],  # 前20个模块
             "total_modules": len(module_mem)
         }
-    
-    def print_stats(self, stats: Dict, iteration: int):
+
+    def print_stats(self, stats: dict, iteration: int):
         """打印统计信息"""
         print("\n" + "=" * 80)
         print(f"🔍 对象级内存分析 #{iteration} - {time.strftime('%H:%M:%S')}")
         print("=" * 80)
-        
+
         if "summary" in stats:
             print(f"\n📦 对象统计 (前 {self.object_limit} 个类型):\n")
             print(f"{'类型':<50} {'数量':>12} {'总大小':>15}")
             print("-" * 80)
-            
+
             for obj_type, obj_count, obj_size in stats["summary"]:
                 if obj_size >= 1024 * 1024 * 1024:
                     size_str = f"{obj_size / 1024 / 1024 / 1024:.2f} GB"
@@ -371,14 +369,14 @@ class ObjectMemoryProfiler:
                     size_str = f"{obj_size / 1024:.2f} KB"
                 else:
                     size_str = f"{obj_size} B"
-                
+
                 print(f"{obj_type:<50} {obj_count:>12,} {size_str:>15}")
-        
-        if "module_stats" in stats and stats["module_stats"]:
-            print(f"\n📚 模块内存占用 (前 20 个模块):\n")
+
+        if stats.get("module_stats"):
+            print("\n📚 模块内存占用 (前 20 个模块):\n")
             print(f"{'模块名':<40} {'对象数':>12} {'总内存':>15}")
             print("-" * 80)
-            
+
             for module_name, obj_count, obj_size in stats["module_stats"]["top_modules"]:
                 if obj_size >= 1024 * 1024 * 1024:
                     size_str = f"{obj_size / 1024 / 1024 / 1024:.2f} GB"
@@ -388,46 +386,46 @@ class ObjectMemoryProfiler:
                     size_str = f"{obj_size / 1024:.2f} KB"
                 else:
                     size_str = f"{obj_size} B"
-                
+
                 print(f"{module_name:<40} {obj_count:>12,} {size_str:>15}")
-            
+
             print(f"\n  总模块数: {stats['module_stats']['total_modules']}")
-        
+
         if "threads" in stats:
             print(f"\n🧵 线程信息 ({len(stats['threads'])} 个):")
             for idx, t in enumerate(stats["threads"], 1):
                 status = "✓" if t["alive"] else "✗"
                 daemon = "(守护)" if t["daemon"] else ""
                 print(f"  [{idx}] {status} {t['name']} {daemon}")
-        
+
         if "gc_stats" in stats:
             gc_stats = stats["gc_stats"]
-            print(f"\n🗑️  垃圾回收:")
+            print("\n🗑️  垃圾回收:")
             print(f"  代 0: {gc_stats['collections'][0]:,} 次")
             print(f"  代 1: {gc_stats['collections'][1]:,} 次")
             print(f"  代 2: {gc_stats['collections'][2]:,} 次")
             print(f"  追踪对象: {gc_stats['tracked']:,}")
-        
+
         if "total_objects" in stats:
             print(f"\n📊 总对象数: {stats['total_objects']:,}")
-        
+
         print("=" * 80 + "\n")
-    
+
     def print_diff(self):
         """打印对象变化"""
         if not PYMPLER_AVAILABLE or not self.tracker:
             return
-        
+
         print("\n📈 对象变化分析:")
         print("-" * 80)
         self.tracker.print_diff()
         print("-" * 80)
-    
-    def save_to_file(self, stats: Dict):
+
+    def save_to_file(self, stats: dict):
         """保存统计信息到文件"""
         if not self.output_file:
             return
-        
+
         try:
             # 保存文本
             with open(self.output_file, "a", encoding="utf-8") as f:
@@ -435,91 +433,91 @@ class ObjectMemoryProfiler:
                 f.write(f"时间: {time.strftime('%Y-%m-%d %H:%M:%S')}\n")
                 f.write(f"迭代: #{self.iteration}\n")
                 f.write(f"{'=' * 80}\n\n")
-                
+
                 if "summary" in stats:
                     f.write("对象统计:\n")
                     for obj_type, obj_count, obj_size in stats["summary"]:
                         f.write(f"  {obj_type}: {obj_count:,} 个, {obj_size:,} 字节\n")
-                
-                if "module_stats" in stats and stats["module_stats"]:
+
+                if stats.get("module_stats"):
                     f.write("\n模块统计 (前 20 个):\n")
                     for module_name, obj_count, obj_size in stats["module_stats"]["top_modules"]:
                         f.write(f"  {module_name}: {obj_count:,} 个对象, {obj_size:,} 字节\n")
-                
+
                 f.write(f"\n总对象数: {stats.get('total_objects', 0):,}\n")
                 f.write(f"线程数: {len(stats.get('threads', []))}\n")
-            
+
             # 保存 JSONL
             jsonl_path = str(self.output_file) + ".jsonl"
             record = {
-                "timestamp": time.strftime('%Y-%m-%d %H:%M:%S'),
+                "timestamp": time.strftime("%Y-%m-%d %H:%M:%S"),
                 "iteration": self.iteration,
                 "total_objects": stats.get("total_objects", 0),
                 "threads": stats.get("threads", []),
                 "gc_stats": stats.get("gc_stats", {}),
                 "summary": [
-                    {"type": t, "count": c, "size": s} 
+                    {"type": t, "count": c, "size": s}
                     for (t, c, s) in stats.get("summary", [])
                 ],
                 "module_stats": stats.get("module_stats", {}),
             }
-            
+
             with open(jsonl_path, "a", encoding="utf-8") as jf:
                 jf.write(json.dumps(record, ensure_ascii=False) + "\n")
-                
+
             if self.iteration == 1:
                 print(f"💾 数据保存到: {self.output_file}")
                 print(f"💾 结构化数据: {jsonl_path}")
-        
+
         except Exception as e:
             print(f"⚠️  保存文件失败: {e}")
-    
+
     def start_monitoring(self):
         """启动监控线程"""
         self.running = True
-        
+
         def monitor_loop():
-            print(f"🚀 对象分析器已启动")
+            print("🚀 对象分析器已启动")
             print(f"   监控间隔: {self.interval} 秒")
             print(f"   对象类型限制: {self.object_limit}")
             print(f"   输出文件: {self.output_file or '无'}")
             print()
-            
+
             while self.running:
                 try:
                     self.iteration += 1
                     stats = self.get_object_stats()
                     self.print_stats(stats, self.iteration)
-                    
+
                     if self.iteration % 3 == 0 and self.tracker:
                         self.print_diff()
-                    
+
                     if self.output_file:
                         self.save_to_file(stats)
-                    
+
                     time.sleep(self.interval)
-                    
+
                 except Exception as e:
                     print(f"❌ 监控出错: {e}")
                     import traceback
                     traceback.print_exc()
-        
+
         monitor_thread = threading.Thread(target=monitor_loop, daemon=True)
         monitor_thread.start()
-        print(f"✓ 监控线程已启动\n")
-    
+        print("✓ 监控线程已启动\n")
+
     def stop(self):
         """停止监控"""
         self.running = False
 
 
-def run_objects_mode(interval: int, output: Optional[str], object_limit: int):
+def run_objects_mode(interval: int, output: str | None, object_limit: int):
     """对象分析模式主函数"""
     if not PYMPLER_AVAILABLE:
         print("❌ pympler 未安装，无法使用对象分析模式")
         print("   安装: pip install pympler")
         return 1
-    
+
     print("=" * 80)
     print("🔬 对象分析模式")
     print("=" * 80)
@@ -529,38 +527,38 @@ def run_objects_mode(interval: int, output: Optional[str], object_limit: int):
     print("  3. 显示对象变化（diff）")
     print("  4. 保存 JSONL 数据用于可视化")
     print("=" * 80 + "\n")
-    
+
     # 添加项目根目录到 Python 路径
     project_root = Path(__file__).parent.parent
     if str(project_root) not in sys.path:
         sys.path.insert(0, str(project_root))
         print(f"✓ 已添加项目根目录到 Python 路径: {project_root}\n")
-    
+
     profiler = ObjectMemoryProfiler(
         interval=interval,
         output_file=output,
         object_limit=object_limit
     )
-    
+
     profiler.start_monitoring()
-    
+
     print("🤖 正在启动 Bot...\n")
-    
+
     try:
         import bot
-        
-        if hasattr(bot, 'main_async'):
+
+        if hasattr(bot, "main_async"):
             asyncio.run(bot.main_async())
-        elif hasattr(bot, 'main'):
+        elif hasattr(bot, "main"):
             bot.main()
         else:
             print("⚠️  bot.py 未找到 main_async() 或 main() 函数")
             print("   Bot 模块已导入，监控线程在后台运行")
             print("   按 Ctrl+C 停止\n")
-            
+
             while profiler.running:
                 time.sleep(1)
-    
+
     except KeyboardInterrupt:
         print("\n\n⚠️  用户中断")
     except Exception as e:
@@ -569,7 +567,7 @@ def run_objects_mode(interval: int, output: Optional[str], object_limit: int):
         traceback.print_exc()
     finally:
         profiler.stop()
-    
+
     return 0
 
 
@@ -577,10 +575,10 @@ def run_objects_mode(interval: int, output: Optional[str], object_limit: int):
 # 可视化模式
 # ============================================================================
 
-def load_jsonl(path: Path) -> List[Dict]:
+def load_jsonl(path: Path) -> list[dict]:
     """加载 JSONL 文件"""
     snapshots = []
-    with open(path, "r", encoding="utf-8") as f:
+    with open(path, encoding="utf-8") as f:
         for line in f:
             line = line.strip()
             if not line:
@@ -592,7 +590,7 @@ def load_jsonl(path: Path) -> List[Dict]:
     return snapshots
 
 
-def aggregate_top_types(snapshots: List[Dict], top_n: int = 10):
+def aggregate_top_types(snapshots: list[dict], top_n: int = 10):
     """聚合前 N 个对象类型的时间序列"""
     type_max = defaultdict(int)
     for snap in snapshots:
@@ -600,37 +598,37 @@ def aggregate_top_types(snapshots: List[Dict], top_n: int = 10):
             t = item.get("type")
             s = int(item.get("size", 0))
             type_max[t] = max(type_max[t], s)
-    
+
     top_types = sorted(type_max.items(), key=lambda kv: kv[1], reverse=True)[:top_n]
     top_names = [t for t, _ in top_types]
-    
+
     times = []
     series = {t: [] for t in top_names}
-    
+
     for snap in snapshots:
         ts = snap.get("timestamp")
         try:
             times.append(datetime.strptime(ts, "%Y-%m-%d %H:%M:%S"))
         except Exception:
             times.append(None)
-        
-        summary = {item.get("type"): int(item.get("size", 0)) 
+
+        summary = {item.get("type"): int(item.get("size", 0))
                    for item in snap.get("summary", [])}
         for t in top_names:
             series[t].append(summary.get(t, 0) / 1024.0 / 1024.0)
-    
+
     return times, series
 
 
-def plot_series(times: List, series: Dict, output: Path, top_n: int):
+def plot_series(times: list, series: dict, output: Path, top_n: int):
     """绘制时间序列图"""
     plt.figure(figsize=(14, 8))
-    
+
     for name, values in series.items():
         if all(v == 0 for v in values):
             continue
         plt.plot(times, values, marker="o", label=name, linewidth=2)
-    
+
     plt.xlabel("时间", fontsize=12)
     plt.ylabel("内存 (MB)", fontsize=12)
     plt.title(f"对象类型随时间的内存占用 (前 {top_n} 类型)", fontsize=14)
@@ -647,31 +645,31 @@ def run_visualize_mode(input_file: str, output_file: str, top: int):
         print("❌ matplotlib 未安装，无法使用可视化模式")
         print("   安装: pip install matplotlib")
         return 1
-    
+
     print("=" * 80)
     print("📊 可视化模式")
     print("=" * 80)
-    
+
     path = Path(input_file)
     if not path.exists():
         print(f"❌ 找不到输入文件: {path}")
         return 1
-    
+
     print(f"📂 读取数据: {path}")
     snaps = load_jsonl(path)
-    
+
     if not snaps:
         print("❌ 未读取到任何快照数据")
         return 1
-    
+
     print(f"✓ 读取 {len(snaps)} 个快照")
-    
+
     times, series = aggregate_top_types(snaps, top_n=top)
     print(f"✓ 提取前 {top} 个对象类型")
-    
+
     output_path = Path(output_file)
     plot_series(times, series, output_path, top)
-    
+
     return 0
 
 
@@ -693,10 +691,10 @@ def main():
 使用示例:
   # 进程监控（启动 bot 并监控）
   python scripts/memory_profiler.py --monitor --interval 10
-  
+
   # 对象分析（深度对象统计）
   python scripts/memory_profiler.py --objects --interval 10 --output memory_data.txt
-  
+
   # 生成可视化图表
   python scripts/memory_profiler.py --visualize --input memory_data.txt.jsonl --top 15 --output plot.png
 
@@ -705,26 +703,26 @@ def main():
   - 可视化模式需要: pip install matplotlib
         """,
     )
-    
+
     # 模式选择
     mode_group = parser.add_mutually_exclusive_group(required=True)
-    mode_group.add_argument("--monitor", "-m", action="store_true", 
+    mode_group.add_argument("--monitor", "-m", action="store_true",
                            help="进程监控模式（外部监控 bot 进程）")
-    mode_group.add_argument("--objects", "-o", action="store_true", 
+    mode_group.add_argument("--objects", "-o", action="store_true",
                            help="对象分析模式（内部统计所有对象）")
-    mode_group.add_argument("--visualize", "-v", action="store_true", 
+    mode_group.add_argument("--visualize", "-v", action="store_true",
                            help="可视化模式（绘制 JSONL 数据）")
-    
+
     # 通用参数
     parser.add_argument("--interval", "-i", type=int, default=10,
                        help="监控间隔（秒），默认 10")
-    
+
     # 对象分析参数
     parser.add_argument("--output", type=str,
                        help="输出文件路径（对象分析模式）")
     parser.add_argument("--object-limit", "-l", type=int, default=20,
                        help="对象类型显示数量，默认 20")
-    
+
     # 可视化参数
     parser.add_argument("--input", type=str,
                        help="输入 JSONL 文件（可视化模式）")
@@ -732,24 +730,24 @@ def main():
                        help="展示前 N 个类型（可视化模式），默认 10")
     parser.add_argument("--plot-output", type=str, default="memory_analysis_plot.png",
                        help="图表输出文件，默认 memory_analysis_plot.png")
-    
+
     args = parser.parse_args()
-    
+
     # 根据模式执行
     if args.monitor:
         return asyncio.run(run_monitor_mode(args.interval))
-    
+
     elif args.objects:
         if not args.output:
             print("⚠️  建议使用 --output 指定输出文件以保存数据")
         return run_objects_mode(args.interval, args.output, args.object_limit)
-    
+
     elif args.visualize:
         if not args.input:
             print("❌ 可视化模式需要 --input 参数指定 JSONL 文件")
             return 1
         return run_visualize_mode(args.input, args.plot_output, args.top)
-    
+
     return 0
 
 

src/api/memory_visualizer_router.py

@@ -0,0 +1,361 @@
+"""
+记忆图可视化 - API 路由模块
+
+提供 Web API 用于可视化记忆图数据
+"""
+
+from datetime import datetime
+from pathlib import Path
+from typing import Any, Dict, List, Optional
+
+import orjson
+from fastapi import APIRouter, HTTPException, Request
+from fastapi.responses import HTMLResponse, JSONResponse
+from fastapi.templating import Jinja2Templates
+
+# 调整项目根目录的计算方式
+project_root = Path(__file__).parent.parent.parent
+data_dir = project_root / "data" / "memory_graph"
+
+# 缓存
+graph_data_cache = None
+current_data_file = None
+
+# FastAPI 路由
+router = APIRouter()
+
+# Jinja2 模板引擎
+templates = Jinja2Templates(directory=str(Path(__file__).parent / "templates"))
+
+
+def find_available_data_files() -> List[Path]:
+    """查找所有可用的记忆图数据文件"""
+    files = []
+    if not data_dir.exists():
+        return files
+
+    possible_files = ["graph_store.json", "memory_graph.json", "graph_data.json"]
+    for filename in possible_files:
+        file_path = data_dir / filename
+        if file_path.exists():
+            files.append(file_path)
+
+    for pattern in ["graph_store_*.json", "memory_graph_*.json", "graph_data_*.json"]:
+        for backup_file in data_dir.glob(pattern):
+            if backup_file not in files:
+                files.append(backup_file)
+
+    backups_dir = data_dir / "backups"
+    if backups_dir.exists():
+        for backup_file in backups_dir.glob("**/*.json"):
+            if backup_file not in files:
+                files.append(backup_file)
+
+    backup_dir = data_dir.parent / "backup"
+    if backup_dir.exists():
+        for pattern in ["**/graph_*.json", "**/memory_*.json"]:
+            for backup_file in backup_dir.glob(pattern):
+                if backup_file not in files:
+                    files.append(backup_file)
+
+    return sorted(files, key=lambda f: f.stat().st_mtime, reverse=True)
+
+
+def load_graph_data_from_file(file_path: Optional[Path] = None) -> Dict[str, Any]:
+    """从磁盘加载图数据"""
+    global graph_data_cache, current_data_file
+
+    if file_path and file_path != current_data_file:
+        graph_data_cache = None
+        current_data_file = file_path
+
+    if graph_data_cache:
+        return graph_data_cache
+
+    try:
+        graph_file = current_data_file
+        if not graph_file:
+            available_files = find_available_data_files()
+            if not available_files:
+                return {"error": "未找到数据文件", "nodes": [], "edges": [], "stats": {}}
+            graph_file = available_files[0]
+            current_data_file = graph_file
+
+        if not graph_file.exists():
+            return {"error": f"文件不存在: {graph_file}", "nodes": [], "edges": [], "stats": {}}
+
+        with open(graph_file, "r", encoding="utf-8") as f:
+            data = orjson.loads(f.read())
+
+        nodes = data.get("nodes", [])
+        edges = data.get("edges", [])
+        metadata = data.get("metadata", {})
+
+        nodes_dict = {
+            node["id"]: {
+                **node,
+                "label": node.get("content", ""),
+                "group": node.get("node_type", ""),
+                "title": f"{node.get('node_type', '')}: {node.get('content', '')}",
+            }
+            for node in nodes
+            if node.get("id")
+        }
+
+        edges_list = [
+            {
+                **edge,
+                "from": edge.get("source", edge.get("source_id")),
+                "to": edge.get("target", edge.get("target_id")),
+                "label": edge.get("relation", ""),
+                "arrows": "to",
+            }
+            for edge in edges
+        ]
+
+        stats = metadata.get("statistics", {})
+        total_memories = stats.get("total_memories", 0)
+
+        graph_data_cache = {
+            "nodes": list(nodes_dict.values()),
+            "edges": edges_list,
+            "memories": [],
+            "stats": {
+                "total_nodes": len(nodes_dict),
+                "total_edges": len(edges_list),
+                "total_memories": total_memories,
+            },
+            "current_file": str(graph_file),
+            "file_size": graph_file.stat().st_size,
+            "file_modified": datetime.fromtimestamp(graph_file.stat().st_mtime).isoformat(),
+        }
+        return graph_data_cache
+
+    except Exception as e:
+        import traceback
+
+        traceback.print_exc()
+        raise HTTPException(status_code=500, detail=f"加载图数据失败: {e}")
+
+
+@router.get("/", response_class=HTMLResponse)
+async def index(request: Request):
+    """主页面"""
+    return templates.TemplateResponse("visualizer.html", {"request": request})
+
+
+def _format_graph_data_from_manager(memory_manager) -> Dict[str, Any]:
+    """从 MemoryManager 提取并格式化图数据"""
+    if not memory_manager.graph_store:
+        return {"nodes": [], "edges": [], "memories": [], "stats": {}}
+
+    all_memories = memory_manager.graph_store.get_all_memories()
+    nodes_dict = {}
+    edges_list = []
+    memory_info = []
+
+    for memory in all_memories:
+        memory_info.append(
+            {
+                "id": memory.id,
+                "type": memory.memory_type.value,
+                "importance": memory.importance,
+                "text": memory.to_text(),
+            }
+        )
+        for node in memory.nodes:
+            if node.id not in nodes_dict:
+                nodes_dict[node.id] = {
+                    "id": node.id,
+                    "label": node.content,
+                    "type": node.node_type.value,
+                    "group": node.node_type.name,
+                    "title": f"{node.node_type.value}: {node.content}",
+                }
+        for edge in memory.edges:
+            edges_list.append(  # noqa: PERF401
+                {
+                    "id": edge.id,
+                    "from": edge.source_id,
+                    "to": edge.target_id,
+                    "label": edge.relation,
+                    "arrows": "to",
+                    "memory_id": memory.id,
+                }
+            )
+
+    stats = memory_manager.get_statistics()
+    return {
+        "nodes": list(nodes_dict.values()),
+        "edges": edges_list,
+        "memories": memory_info,
+        "stats": {
+            "total_nodes": stats.get("total_nodes", 0),
+            "total_edges": stats.get("total_edges", 0),
+            "total_memories": stats.get("total_memories", 0),
+        },
+        "current_file": "memory_manager (实时数据)",
+    }
+
+
+@router.get("/api/graph/full")
+async def get_full_graph():
+    """获取完整记忆图数据"""
+    try:
+        from src.memory_graph.manager_singleton import get_memory_manager
+
+        memory_manager = get_memory_manager()
+
+        data = {}
+        if memory_manager and memory_manager._initialized:
+            data = _format_graph_data_from_manager(memory_manager)
+        else:
+            # 如果内存管理器不可用，则从文件加载
+            data = load_graph_data_from_file()
+
+        return JSONResponse(content={"success": True, "data": data})
+    except Exception as e:
+        import traceback
+
+        traceback.print_exc()
+        return JSONResponse(content={"success": False, "error": str(e)}, status_code=500)
+
+
+@router.get("/api/files")
+async def list_files_api():
+    """列出所有可用的数据文件"""
+    try:
+        files = find_available_data_files()
+        file_list = []
+        for f in files:
+            stat = f.stat()
+            file_list.append(
+                {
+                    "path": str(f),
+                    "name": f.name,
+                    "size": stat.st_size,
+                    "size_kb": round(stat.st_size / 1024, 2),
+                    "modified": datetime.fromtimestamp(stat.st_mtime).isoformat(),
+                    "modified_readable": datetime.fromtimestamp(stat.st_mtime).strftime("%Y-%m-%d %H:%M:%S"),
+                    "is_current": str(f) == str(current_data_file) if current_data_file else False,
+                }
+            )
+
+        return JSONResponse(
+            content={
+                "success": True,
+                "files": file_list,
+                "count": len(file_list),
+                "current_file": str(current_data_file) if current_data_file else None,
+            }
+        )
+    except Exception as e:
+        # 增加日志记录
+        # logger.error(f"列出数据文件失败: {e}", exc_info=True)
+        return JSONResponse(content={"success": False, "error": str(e)}, status_code=500)
+
+
+@router.post("/select_file")
+async def select_file(request: Request):
+    """选择要加载的数据文件"""
+    global graph_data_cache, current_data_file
+    try:
+        data = await request.json()
+        file_path = data.get("file_path")
+        if not file_path:
+            raise HTTPException(status_code=400, detail="未提供文件路径")
+
+        file_to_load = Path(file_path)
+        if not file_to_load.exists():
+            raise HTTPException(status_code=404, detail=f"文件不存在: {file_path}")
+
+        graph_data_cache = None
+        current_data_file = file_to_load
+        graph_data = load_graph_data_from_file(file_to_load)
+
+        return JSONResponse(
+            content={
+                "success": True,
+                "message": f"已切换到文件: {file_to_load.name}",
+                "stats": graph_data.get("stats", {}),
+            }
+        )
+    except Exception as e:
+        return JSONResponse(content={"success": False, "error": str(e)}, status_code=500)
+
+
+@router.get("/reload")
+async def reload_data():
+    """重新加载数据"""
+    global graph_data_cache
+    graph_data_cache = None
+    data = load_graph_data_from_file()
+    return JSONResponse(content={"success": True, "message": "数据已重新加载", "stats": data.get("stats", {})})
+
+
+@router.get("/api/search")
+async def search_memories(q: str, limit: int = 50):
+    """搜索记忆"""
+    try:
+        from src.memory_graph.manager_singleton import get_memory_manager
+
+        memory_manager = get_memory_manager()
+
+        results = []
+        if memory_manager and memory_manager._initialized and memory_manager.graph_store:
+            # 从 memory_manager 搜索
+            all_memories = memory_manager.graph_store.get_all_memories()
+            for memory in all_memories:
+                if q.lower() in memory.to_text().lower():
+                    results.append(
+                        {
+                            "id": memory.id,
+                            "type": memory.memory_type.value,
+                            "importance": memory.importance,
+                            "text": memory.to_text(),
+                        }
+                    )
+        else:
+            # 从文件加载的数据中搜索 (降级方案)
+            data = load_graph_data_from_file()
+            for memory in data.get("memories", []):
+                if q.lower() in memory.get("text", "").lower():
+                    results.append(memory)
+
+        return JSONResponse(
+            content={
+                "success": True,
+                "data": {
+                    "results": results[:limit],
+                    "count": len(results),
+                },
+            }
+        )
+    except Exception as e:
+        return JSONResponse(content={"success": False, "error": str(e)}, status_code=500)
+
+
+@router.get("/api/stats")
+async def get_statistics():
+    """获取统计信息"""
+    try:
+        data = load_graph_data_from_file()
+
+        node_types = {}
+        memory_types = {}
+
+        for node in data["nodes"]:
+            node_type = node.get("type", "Unknown")
+            node_types[node_type] = node_types.get(node_type, 0) + 1
+
+        for memory in data.get("memories", []):
+            mem_type = memory.get("type", "Unknown")
+            memory_types[mem_type] = memory_types.get(mem_type, 0) + 1
+
+        stats = data.get("stats", {})
+        stats["node_types"] = node_types
+        stats["memory_types"] = memory_types
+
+        return JSONResponse(content={"success": True, "data": stats})
+    except Exception as e:
+        return JSONResponse(content={"success": False, "error": str(e)}, status_code=500)

src/api/statistic_router.py

@@ -4,10 +4,10 @@ from typing import Any, Literal
 
 from fastapi import APIRouter, HTTPException, Query
 
-from src.common.database.compatibility import db_get
-from src.common.database.core.models import LLMUsage
+from src.chat.utils.statistic import (
+    StatisticOutputTask,
+)
 from src.common.logger import get_logger
-from src.config.config import model_config
 
 logger = get_logger("LLM统计API")
 
@@ -37,108 +37,6 @@ COST_BY_USER = "costs_by_user"
 COST_BY_MODEL = "costs_by_model"
 COST_BY_MODULE = "costs_by_module"
 
-
-async def _collect_stats_in_period(start_time: datetime, end_time: datetime) -> dict[str, Any]:
-    """在指定时间段内收集LLM使用统计信息"""
-    records = await db_get(
-        model_class=LLMUsage,
-        filters={"timestamp": {"$gte": start_time, "$lt": end_time}},
-    )
-    if not records:
-        return {}
-
-    # 创建一个从 model_identifier 到 name 的映射
-    model_identifier_to_name_map = {model.model_identifier: model.name for model in model_config.models}
-
-    stats: dict[str, Any] = {
-        TOTAL_REQ_CNT: 0,
-        TOTAL_COST: 0.0,
-        REQ_CNT_BY_TYPE: defaultdict(int),
-        REQ_CNT_BY_USER: defaultdict(int),
-        REQ_CNT_BY_MODEL: defaultdict(int),
-        REQ_CNT_BY_MODULE: defaultdict(int),
-        IN_TOK_BY_TYPE: defaultdict(int),
-        IN_TOK_BY_USER: defaultdict(int),
-        IN_TOK_BY_MODEL: defaultdict(int),
-        IN_TOK_BY_MODULE: defaultdict(int),
-        OUT_TOK_BY_TYPE: defaultdict(int),
-        OUT_TOK_BY_USER: defaultdict(int),
-        OUT_TOK_BY_MODEL: defaultdict(int),
-        OUT_TOK_BY_MODULE: defaultdict(int),
-        TOTAL_TOK_BY_TYPE: defaultdict(int),
-        TOTAL_TOK_BY_USER: defaultdict(int),
-        TOTAL_TOK_BY_MODEL: defaultdict(int),
-        TOTAL_TOK_BY_MODULE: defaultdict(int),
-        COST_BY_TYPE: defaultdict(float),
-        COST_BY_USER: defaultdict(float),
-        COST_BY_MODEL: defaultdict(float),
-        COST_BY_MODULE: defaultdict(float),
-    }
-
-    for record in records:
-        if not isinstance(record, dict):
-            continue
-
-        stats[TOTAL_REQ_CNT] += 1
-
-        request_type = record.get("request_type") or "unknown"
-        user_id = record.get("user_id") or "unknown"
-        # 从数据库获取的是真实模型名 (model_identifier)
-        real_model_name = record.get("model_name") or "unknown"
-        module_name = request_type.split(".")[0] if "." in request_type else request_type
-
-        # 尝试通过真实模型名找到配置文件中的模型名
-        config_model_name = model_identifier_to_name_map.get(real_model_name, real_model_name)
-
-        prompt_tokens = record.get("prompt_tokens") or 0
-        completion_tokens = record.get("completion_tokens") or 0
-        total_tokens = prompt_tokens + completion_tokens
-
-        cost = 0.0
-        try:
-            # 使用配置文件中的模型名来获取模型信息
-            model_info = model_config.get_model_info(config_model_name)
-            if model_info:
-                input_cost = (prompt_tokens / 1000000) * model_info.price_in
-                output_cost = (completion_tokens / 1000000) * model_info.price_out
-                cost = round(input_cost + output_cost, 6)
-        except KeyError as e:
-            logger.info(str(e))
-            logger.warning(f"模型 '{config_model_name}' (真实名称: '{real_model_name}') 在配置中未找到，成本计算将使用默认值 0.0")
-
-        stats[TOTAL_COST] += cost
-
-        # 按类型统计
-        stats[REQ_CNT_BY_TYPE][request_type] += 1
-        stats[IN_TOK_BY_TYPE][request_type] += prompt_tokens
-        stats[OUT_TOK_BY_TYPE][request_type] += completion_tokens
-        stats[TOTAL_TOK_BY_TYPE][request_type] += total_tokens
-        stats[COST_BY_TYPE][request_type] += cost
-
-        # 按用户统计
-        stats[REQ_CNT_BY_USER][user_id] += 1
-        stats[IN_TOK_BY_USER][user_id] += prompt_tokens
-        stats[OUT_TOK_BY_USER][user_id] += completion_tokens
-        stats[TOTAL_TOK_BY_USER][user_id] += total_tokens
-        stats[COST_BY_USER][user_id] += cost
-
-        # 按模型统计 (使用配置文件中的名称)
-        stats[REQ_CNT_BY_MODEL][config_model_name] += 1
-        stats[IN_TOK_BY_MODEL][config_model_name] += prompt_tokens
-        stats[OUT_TOK_BY_MODEL][config_model_name] += completion_tokens
-        stats[TOTAL_TOK_BY_MODEL][config_model_name] += total_tokens
-        stats[COST_BY_MODEL][config_model_name] += cost
-
-        # 按模块统计
-        stats[REQ_CNT_BY_MODULE][module_name] += 1
-        stats[IN_TOK_BY_MODULE][module_name] += prompt_tokens
-        stats[OUT_TOK_BY_MODULE][module_name] += completion_tokens
-        stats[TOTAL_TOK_BY_MODULE][module_name] += total_tokens
-        stats[COST_BY_MODULE][module_name] += cost
-
-    return stats
-
-
 @router.get("/llm/stats")
 async def get_llm_stats(
     period_type: Literal[
@@ -179,7 +77,8 @@ async def get_llm_stats(
         if start_time is None:
             raise HTTPException(status_code=400, detail="无法确定查询的起始时间")
 
-        period_stats = await _collect_stats_in_period(start_time, end_time)
+        stats_data = await StatisticOutputTask._collect_model_request_for_period([("custom", start_time)])
+        period_stats = stats_data.get("custom", {})
 
         if not period_stats:
             return {"period": {"start": start_time.isoformat(), "end": end_time.isoformat()}, "data": {}}

src/api/templates/visualizer.html

@@ -658,7 +658,7 @@
             try {
                 document.getElementById('loading').style.display = 'block';
                 
-                const response = await fetch('/api/graph/full');
+                const response = await fetch('/visualizer/api/graph/full');
                 const result = await response.json();
 
                 if (result.success) {
@@ -748,7 +748,7 @@
             }
 
             try {
-                const response = await fetch(`/api/search?q=${encodeURIComponent(query)}&limit=50`);
+                const response = await fetch(`/visualizer/api/search?q=${encodeURIComponent(query)}&limit=50`);
                 const result = await response.json();
 
                 if (result.success) {
@@ -1041,7 +1041,7 @@
         // 文件选择功能
         async function loadFileList() {
             try {
-                const response = await fetch('/api/files');
+                const response = await fetch('/visualizer/api/files');
                 const result = await response.json();
 
                 if (result.success) {
@@ -1130,7 +1130,7 @@
                 document.getElementById('loading').style.display = 'block';
                 closeFileSelector();
 
-                const response = await fetch('/api/select_file', {
+                const response = await fetch('/visualizer/api/select_file', {
                     method: 'POST',
                     headers: {
                         'Content-Type': 'application/json'

src/chat/emoji_system/emoji_manager.py

@@ -680,9 +680,9 @@ class EmojiManager:
         try:
             # 🔧 使用 QueryBuilder 以启用数据库缓存
             from src.common.database.api.query import QueryBuilder
-            
+
             logger.debug("[数据库] 开始加载所有表情包记录 ...")
-            
+
             emoji_instances = await QueryBuilder(Emoji).all()
             emoji_objects, load_errors = _to_emoji_objects(emoji_instances)
 
@@ -802,7 +802,7 @@ class EmojiManager:
             # 如果内存中没有，从数据库查找（使用 QueryBuilder 启用数据库缓存）
             try:
                 from src.common.database.api.query import QueryBuilder
-                
+
                 emoji_record = await QueryBuilder(Emoji).filter(emoji_hash=emoji_hash).first()
                 if emoji_record and emoji_record.description:
                     logger.info(f"[缓存命中] 从数据库获取表情包描述: {emoji_record.description[:50]}...")
@@ -966,7 +966,7 @@ class EmojiManager:
             existing_description = None
             try:
                 from src.common.database.api.query import QueryBuilder
-                
+
                 existing_image = await QueryBuilder(Images).filter(emoji_hash=image_hash, type="emoji").first()
                 if existing_image and existing_image.description:
                     existing_description = existing_image.description

src/chat/express/expression_learner.py

@@ -1,5 +1,4 @@
 import os
-import random
 import time
 from datetime import datetime
 from typing import Any
@@ -135,20 +134,20 @@ class ExpressionLearner:
     async def cleanup_expired_expressions(self, expiration_days: int | None = None) -> int:
         """
         清理过期的表达方式
-        
+
         Args:
             expiration_days: 过期天数，超过此天数未激活的表达方式将被删除（不指定则从配置读取）
-        
+
         Returns:
             int: 删除的表达方式数量
         """
         # 从配置读取过期天数
         if expiration_days is None:
             expiration_days = global_config.expression.expiration_days
-        
+
         current_time = time.time()
         expiration_threshold = current_time - (expiration_days * 24 * 3600)
-        
+
         try:
             deleted_count = 0
             async with get_db_session() as session:
@@ -160,15 +159,15 @@ class ExpressionLearner:
                     )
                 )
                 expired_expressions = list(query.scalars())
-                
+
                 if expired_expressions:
                     for expr in expired_expressions:
                         await session.delete(expr)
                         deleted_count += 1
-                    
+
                     await session.commit()
                     logger.info(f"清理了 {deleted_count} 个过期表达方式（超过 {expiration_days} 天未使用）")
-                    
+
                     # 清除缓存
                     from src.common.database.optimization.cache_manager import get_cache
                     from src.common.database.utils.decorators import generate_cache_key
@@ -176,7 +175,7 @@ class ExpressionLearner:
                     await cache.delete(generate_cache_key("chat_expressions", self.chat_id))
                 else:
                     logger.debug(f"没有发现过期的表达方式（阈值：{expiration_days} 天）")
-            
+
             return deleted_count
         except Exception as e:
             logger.error(f"清理过期表达方式失败: {e}")
@@ -460,7 +459,7 @@ class ExpressionLearner:
                         )
                     )
                     same_situation_expr = query_same_situation.scalar()
-                    
+
                     # 情况2：相同 chat_id + type + style（相同表达，不同情景）
                     query_same_style = await session.execute(
                         select(Expression).where(
@@ -470,7 +469,7 @@ class ExpressionLearner:
                         )
                     )
                     same_style_expr = query_same_style.scalar()
-                    
+
                     # 情况3：完全相同（相同情景+相同表达）
                     query_exact_match = await session.execute(
                         select(Expression).where(
@@ -481,7 +480,7 @@ class ExpressionLearner:
                         )
                     )
                     exact_match_expr = query_exact_match.scalar()
-                    
+
                     # 优先处理完全匹配的情况
                     if exact_match_expr:
                         # 完全相同：增加count，更新时间

src/chat/express/expressor_model/model.py

@@ -72,21 +72,21 @@ class ExpressorModel:
             是否删除成功
         """
         removed = False
-        
+
         if cid in self._candidates:
             del self._candidates[cid]
             removed = True
-        
+
         if cid in self._situations:
             del self._situations[cid]
-        
+
         # 从nb模型中删除
         if cid in self.nb.cls_counts:
             del self.nb.cls_counts[cid]
-        
+
         if cid in self.nb.token_counts:
             del self.nb.token_counts[cid]
-        
+
         return removed
 
     def predict(self, text: str, k: int | None = None) -> tuple[str | None, dict[str, float]]:

src/chat/express/style_learner.py

@@ -72,7 +72,7 @@ class StyleLearner:
             # 检查是否需要清理
             current_count = len(self.style_to_id)
             cleanup_trigger = int(self.max_styles * self.cleanup_threshold)
-            
+
             if current_count >= cleanup_trigger:
                 if current_count >= self.max_styles:
                     # 已经达到最大限制，必须清理
@@ -109,7 +109,7 @@ class StyleLearner:
     def _cleanup_styles(self):
         """
         清理低价值的风格，为新风格腾出空间
-        
+
         清理策略：
         1. 综合考虑使用次数和最后使用时间
         2. 删除得分最低的风格
@@ -118,34 +118,34 @@ class StyleLearner:
         try:
             current_time = time.time()
             cleanup_count = max(1, int(len(self.style_to_id) * self.cleanup_ratio))
-            
+
             # 计算每个风格的价值分数
             style_scores = []
             for style_id in self.style_to_id.values():
                 # 使用次数
                 usage_count = self.learning_stats["style_counts"].get(style_id, 0)
-                
+
                 # 最后使用时间（越近越好）
                 last_used = self.learning_stats["style_last_used"].get(style_id, 0)
-                time_since_used = current_time - last_used if last_used > 0 else float('inf')
-                
+                time_since_used = current_time - last_used if last_used > 0 else float("inf")
+
                 # 综合分数：使用次数越多越好，距离上次使用时间越短越好
                 # 使用对数来平滑使用次数的影响
                 import math
                 usage_score = math.log1p(usage_count)  # log(1 + count)
-                
+
                 # 时间分数：转换为天数，使用指数衰减
                 days_unused = time_since_used / 86400  # 转换为天
                 time_score = math.exp(-days_unused / 30)  # 30天衰减因子
-                
+
                 # 综合分数：80%使用频率 + 20%时间新鲜度
                 total_score = 0.8 * usage_score + 0.2 * time_score
-                
+
                 style_scores.append((style_id, total_score, usage_count, days_unused))
-            
+
             # 按分数排序，分数低的先删除
             style_scores.sort(key=lambda x: x[1])
-            
+
             # 删除分数最低的风格
             deleted_styles = []
             for style_id, score, usage, days in style_scores[:cleanup_count]:
@@ -156,27 +156,27 @@ class StyleLearner:
                     del self.id_to_style[style_id]
                     if style_id in self.id_to_situation:
                         del self.id_to_situation[style_id]
-                    
+
                     # 从统计中删除
                     if style_id in self.learning_stats["style_counts"]:
                         del self.learning_stats["style_counts"][style_id]
                     if style_id in self.learning_stats["style_last_used"]:
                         del self.learning_stats["style_last_used"][style_id]
-                    
+
                     # 从expressor模型中删除
                     self.expressor.remove_candidate(style_id)
-                    
+
                     deleted_styles.append((style_text[:30], usage, f"{days:.1f}天"))
-            
+
             logger.info(
                 f"风格清理完成: 删除了 {len(deleted_styles)}/{len(style_scores)} 个风格，"
                 f"剩余 {len(self.style_to_id)} 个风格"
             )
-            
+
             # 记录前5个被删除的风格（用于调试）
             if deleted_styles:
                 logger.debug(f"被删除的风格样例(前5): {deleted_styles[:5]}")
-            
+
         except Exception as e:
             logger.error(f"清理风格失败: {e}", exc_info=True)
 
@@ -303,10 +303,10 @@ class StyleLearner:
     def cleanup_old_styles(self, ratio: float | None = None) -> int:
         """
         手动清理旧风格
-        
+
         Args:
             ratio: 清理比例，如果为None则使用默认的cleanup_ratio
-            
+
         Returns:
             清理的风格数量
         """
@@ -318,7 +318,7 @@ class StyleLearner:
             self.cleanup_ratio = old_cleanup_ratio
         else:
             self._cleanup_styles()
-        
+
         new_count = len(self.style_to_id)
         cleaned = old_count - new_count
         logger.info(f"手动清理完成: chat_id={self.chat_id}, 清理了 {cleaned} 个风格")
@@ -357,11 +357,11 @@ class StyleLearner:
             import pickle
 
             meta_path = os.path.join(save_dir, "meta.pkl")
-            
+
             # 确保 learning_stats 包含所有必要字段
             if "style_last_used" not in self.learning_stats:
                 self.learning_stats["style_last_used"] = {}
-            
+
             meta_data = {
                 "style_to_id": self.style_to_id,
                 "id_to_style": self.id_to_style,
@@ -416,7 +416,7 @@ class StyleLearner:
                 self.id_to_situation = meta_data["id_to_situation"]
                 self.next_style_id = meta_data["next_style_id"]
                 self.learning_stats = meta_data["learning_stats"]
-                
+
                 # 确保旧数据兼容：如果没有 style_last_used 字段，添加它
                 if "style_last_used" not in self.learning_stats:
                     self.learning_stats["style_last_used"] = {}
@@ -526,10 +526,10 @@ class StyleLearnerManager:
     def cleanup_all_old_styles(self, ratio: float | None = None) -> dict[str, int]:
         """
         对所有学习器清理旧风格
-        
+
         Args:
             ratio: 清理比例
-            
+
         Returns:
             {chat_id: 清理数量}
         """
@@ -538,7 +538,7 @@ class StyleLearnerManager:
             cleaned = learner.cleanup_old_styles(ratio)
             if cleaned > 0:
                 cleanup_results[chat_id] = cleaned
-        
+
         total_cleaned = sum(cleanup_results.values())
         logger.info(f"清理所有StyleLearner完成: 总共清理了 {total_cleaned} 个风格")
         return cleanup_results

src/chat/interest_system/bot_interest_manager.py

@@ -8,7 +8,6 @@ from datetime import datetime
 from typing import Any
 
 import numpy as np
-import orjson
 from sqlalchemy import select
 
 from src.common.config_helpers import resolve_embedding_dimension
@@ -124,7 +123,7 @@ class BotInterestManager:
             tags_info = [f"  - '{tag.tag_name}' (权重: {tag.weight:.2f})" for tag in loaded_interests.get_active_tags()]
             tags_str = "\n".join(tags_info)
             logger.info(f"当前兴趣标签:\n{tags_str}")
-            
+
             # 为加载的标签生成embedding（数据库不存储embedding，启动时动态生成）
             logger.info("🧠 为加载的标签生成embedding向量...")
             await self._generate_embeddings_for_tags(loaded_interests)
@@ -326,13 +325,13 @@ class BotInterestManager:
             raise RuntimeError("❌ Embedding客户端未初始化，无法生成embedding")
 
         total_tags = len(interests.interest_tags)
-        
+
         # 尝试从文件加载缓存
         file_cache = await self._load_embedding_cache_from_file(interests.personality_id)
         if file_cache:
             logger.info(f"📂 从文件加载 {len(file_cache)} 个embedding缓存")
             self.embedding_cache.update(file_cache)
-        
+
         logger.info(f"🧠 开始为 {total_tags} 个兴趣标签生成embedding向量...")
 
         memory_cached_count = 0
@@ -477,14 +476,14 @@ class BotInterestManager:
         self, message_text: str, keywords: list[str] | None = None
     ) -> InterestMatchResult:
         """计算消息与机器人兴趣的匹配度（优化版 - 标签扩展策略）
-        
+
         核心优化：将短标签扩展为完整的描述性句子，解决语义粒度不匹配问题
-        
+
         原问题：
         - 消息: "今天天气不错" (完整句子)
-        - 标签: "蹭人治愈" (2-4字短语) 
+        - 标签: "蹭人治愈" (2-4字短语)
         - 结果: 误匹配，因为短标签的 embedding 过于抽象
-        
+
         解决方案：
         - 标签扩展: "蹭人治愈" -> "表达亲近、寻求安慰、撒娇的内容"
         - 现在是: 句子 vs 句子，匹配更准确
@@ -527,18 +526,18 @@ class BotInterestManager:
             if tag.embedding:
                 # 🔧 优化：获取扩展标签的 embedding（带缓存）
                 expanded_embedding = await self._get_expanded_tag_embedding(tag.tag_name)
-                
+
                 if expanded_embedding:
                     # 使用扩展标签的 embedding 进行匹配
                     similarity = self._calculate_cosine_similarity(message_embedding, expanded_embedding)
-                    
+
                     # 同时计算原始标签的相似度作为参考
                     original_similarity = self._calculate_cosine_similarity(message_embedding, tag.embedding)
-                    
+
                     # 混合策略：扩展标签权重更高（70%），原始标签作为补充（30%）
                     # 这样可以兼顾准确性（扩展）和灵活性（原始）
                     final_similarity = similarity * 0.7 + original_similarity * 0.3
-                    
+
                     logger.debug(f"标签'{tag.tag_name}': 原始={original_similarity:.3f}, 扩展={similarity:.3f}, 最终={final_similarity:.3f}")
                 else:
                     # 如果扩展 embedding 获取失败，使用原始 embedding
@@ -603,27 +602,27 @@ class BotInterestManager:
         logger.debug(
             f"最终结果: 总分={result.overall_score:.3f}, 置信度={result.confidence:.3f}, 匹配标签数={len(result.matched_tags)}"
         )
-        
+
         # 如果有新生成的扩展embedding，保存到缓存文件
-        if hasattr(self, '_new_expanded_embeddings_generated') and self._new_expanded_embeddings_generated:
+        if hasattr(self, "_new_expanded_embeddings_generated") and self._new_expanded_embeddings_generated:
             await self._save_embedding_cache_to_file(self.current_interests.personality_id)
             self._new_expanded_embeddings_generated = False
             logger.debug("💾 已保存新生成的扩展embedding到缓存文件")
-        
+
         return result
 
     async def _get_expanded_tag_embedding(self, tag_name: str) -> list[float] | None:
         """获取扩展标签的 embedding（带缓存）
-        
+
         优先使用缓存，如果没有则生成并缓存
         """
         # 检查缓存
         if tag_name in self.expanded_embedding_cache:
             return self.expanded_embedding_cache[tag_name]
-        
+
         # 扩展标签
         expanded_tag = self._expand_tag_for_matching(tag_name)
-        
+
         # 生成 embedding
         try:
             embedding = await self._get_embedding(expanded_tag)
@@ -636,19 +635,19 @@ class BotInterestManager:
                 return embedding
         except Exception as e:
             logger.warning(f"为标签'{tag_name}'生成扩展embedding失败: {e}")
-        
+
         return None
 
     def _expand_tag_for_matching(self, tag_name: str) -> str:
         """将短标签扩展为完整的描述性句子
-        
+
         这是解决"标签太短导致误匹配"的核心方法
-        
+
         策略：
         1. 优先使用 LLM 生成的 expanded 字段（最准确）
         2. 如果没有，使用基于规则的回退方案
         3. 最后使用通用模板
-        
+
         示例：
         - "Python" + expanded -> "讨论Python编程语言、写Python代码、Python脚本开发、Python技术问题"
         - "蹭人治愈" + expanded -> "想要获得安慰、寻求温暖关怀、撒娇卖萌、表达亲昵、求抱抱求陪伴的对话"
@@ -656,7 +655,7 @@ class BotInterestManager:
         # 使用缓存
         if tag_name in self.expanded_tag_cache:
             return self.expanded_tag_cache[tag_name]
-        
+
         # 🎯 优先策略：使用 LLM 生成的 expanded 字段
         if self.current_interests:
             for tag in self.current_interests.interest_tags:
@@ -664,66 +663,66 @@ class BotInterestManager:
                     logger.debug(f"✅ 使用LLM生成的扩展描述: {tag_name} -> {tag.expanded[:50]}...")
                     self.expanded_tag_cache[tag_name] = tag.expanded
                     return tag.expanded
-        
+
         # 🔧 回退策略：基于规则的扩展（用于兼容旧数据或LLM未生成扩展的情况）
         logger.debug(f"⚠️ 标签'{tag_name}'没有LLM扩展描述，使用规则回退方案")
         tag_lower = tag_name.lower()
-        
+
         # 技术编程类标签（具体化描述）
-        if any(word in tag_lower for word in ['python', 'java', 'code', '代码', '编程', '脚本', '算法', '开发']):
-            if 'python' in tag_lower:
-                return f"讨论Python编程语言、写Python代码、Python脚本开发、Python技术问题"
-            elif '算法' in tag_lower:
-                return f"讨论算法题目、数据结构、编程竞赛、刷LeetCode题目、代码优化"
-            elif '代码' in tag_lower or '被窝' in tag_lower:
-                return f"讨论写代码、编程开发、代码实现、技术方案、编程技巧"
+        if any(word in tag_lower for word in ["python", "java", "code", "代码", "编程", "脚本", "算法", "开发"]):
+            if "python" in tag_lower:
+                return "讨论Python编程语言、写Python代码、Python脚本开发、Python技术问题"
+            elif "算法" in tag_lower:
+                return "讨论算法题目、数据结构、编程竞赛、刷LeetCode题目、代码优化"
+            elif "代码" in tag_lower or "被窝" in tag_lower:
+                return "讨论写代码、编程开发、代码实现、技术方案、编程技巧"
             else:
-                return f"讨论编程开发、软件技术、代码编写、技术实现"
-        
+                return "讨论编程开发、软件技术、代码编写、技术实现"
+
         # 情感表达类标签（具体化为真实对话场景）
-        elif any(word in tag_lower for word in ['治愈', '撒娇', '安慰', '呼噜', '蹭', '卖萌']):
-            return f"想要获得安慰、寻求温暖关怀、撒娇卖萌、表达亲昵、求抱抱求陪伴的对话"
-        
+        elif any(word in tag_lower for word in ["治愈", "撒娇", "安慰", "呼噜", "蹭", "卖萌"]):
+            return "想要获得安慰、寻求温暖关怀、撒娇卖萌、表达亲昵、求抱抱求陪伴的对话"
+
         # 游戏娱乐类标签（具体游戏场景）
-        elif any(word in tag_lower for word in ['游戏', '网游', 'mmo', '游', '玩']):
-            return f"讨论网络游戏、MMO游戏、游戏玩法、组队打副本、游戏攻略心得"
-        
+        elif any(word in tag_lower for word in ["游戏", "网游", "mmo", "游", "玩"]):
+            return "讨论网络游戏、MMO游戏、游戏玩法、组队打副本、游戏攻略心得"
+
         # 动漫影视类标签（具体观看行为）
-        elif any(word in tag_lower for word in ['番', '动漫', '视频', 'b站', '弹幕', '追番', '云新番']):
+        elif any(word in tag_lower for word in ["番", "动漫", "视频", "b站", "弹幕", "追番", "云新番"]):
             # 特别处理"云新番" - 它的意思是在网上看新动漫，不是泛泛的"新东西"
-            if '云' in tag_lower or '新番' in tag_lower:
-                return f"讨论正在播出的新动漫、新番剧集、动漫剧情、追番心得、动漫角色"
+            if "云" in tag_lower or "新番" in tag_lower:
+                return "讨论正在播出的新动漫、新番剧集、动漫剧情、追番心得、动漫角色"
             else:
-                return f"讨论动漫番剧内容、B站视频、弹幕文化、追番体验"
-        
+                return "讨论动漫番剧内容、B站视频、弹幕文化、追番体验"
+
         # 社交平台类标签（具体平台行为）
-        elif any(word in tag_lower for word in ['小红书', '贴吧', '论坛', '社区', '吃瓜', '八卦']):
-            if '吃瓜' in tag_lower:
-                return f"聊八卦爆料、吃瓜看热闹、网络热点事件、社交平台热议话题"
+        elif any(word in tag_lower for word in ["小红书", "贴吧", "论坛", "社区", "吃瓜", "八卦"]):
+            if "吃瓜" in tag_lower:
+                return "聊八卦爆料、吃瓜看热闹、网络热点事件、社交平台热议话题"
             else:
-                return f"讨论社交平台内容、网络社区话题、论坛讨论、分享生活"
-        
+                return "讨论社交平台内容、网络社区话题、论坛讨论、分享生活"
+
         # 生活日常类标签（具体萌宠场景）
-        elif any(word in tag_lower for word in ['猫', '宠物', '尾巴', '耳朵', '毛绒']):
-            return f"讨论猫咪宠物、晒猫分享、萌宠日常、可爱猫猫、养猫心得"
-        
+        elif any(word in tag_lower for word in ["猫", "宠物", "尾巴", "耳朵", "毛绒"]):
+            return "讨论猫咪宠物、晒猫分享、萌宠日常、可爱猫猫、养猫心得"
+
         # 状态心情类标签（具体情绪状态）
-        elif any(word in tag_lower for word in ['社恐', '隐身', '流浪', '深夜', '被窝']):
-            if '社恐' in tag_lower:
-                return f"表达社交焦虑、不想见人、想躲起来、害怕社交的心情"
-            elif '深夜' in tag_lower:
-                return f"深夜睡不着、熬夜、夜猫子、深夜思考人生的对话"
+        elif any(word in tag_lower for word in ["社恐", "隐身", "流浪", "深夜", "被窝"]):
+            if "社恐" in tag_lower:
+                return "表达社交焦虑、不想见人、想躲起来、害怕社交的心情"
+            elif "深夜" in tag_lower:
+                return "深夜睡不着、熬夜、夜猫子、深夜思考人生的对话"
             else:
-                return f"表达当前心情状态、个人感受、生活状态"
-        
+                return "表达当前心情状态、个人感受、生活状态"
+
         # 物品装备类标签（具体使用场景）
-        elif any(word in tag_lower for word in ['键盘', '耳机', '装备', '设备']):
-            return f"讨论键盘耳机装备、数码产品、使用体验、装备推荐评测"
-        
+        elif any(word in tag_lower for word in ["键盘", "耳机", "装备", "设备"]):
+            return "讨论键盘耳机装备、数码产品、使用体验、装备推荐评测"
+
         # 互动关系类标签
-        elif any(word in tag_lower for word in ['拾风', '互怼', '互动']):
-            return f"聊天互动、开玩笑、友好互怼、日常对话交流"
-        
+        elif any(word in tag_lower for word in ["拾风", "互怼", "互动"]):
+            return "聊天互动、开玩笑、友好互怼、日常对话交流"
+
         # 默认：尽量具体化
         else:
             return f"明确讨论{tag_name}这个特定主题的具体内容和相关话题"
@@ -1011,56 +1010,58 @@ class BotInterestManager:
     async def _load_embedding_cache_from_file(self, personality_id: str) -> dict[str, list[float]] | None:
         """从文件加载embedding缓存"""
         try:
-            import orjson
             from pathlib import Path
-            
+
+            import orjson
+
             cache_dir = Path("data/embedding")
             cache_dir.mkdir(parents=True, exist_ok=True)
             cache_file = cache_dir / f"{personality_id}_embeddings.json"
-            
+
             if not cache_file.exists():
                 logger.debug(f"📂 Embedding缓存文件不存在: {cache_file}")
                 return None
-            
+
             # 读取缓存文件
             with open(cache_file, "rb") as f:
                 cache_data = orjson.loads(f.read())
-            
+
             # 验证缓存版本和embedding模型
             cache_version = cache_data.get("version", 1)
             cache_embedding_model = cache_data.get("embedding_model", "")
             current_embedding_model = self.embedding_config.model_list[0] if hasattr(self.embedding_config, "model_list") else ""
-            
+
             if cache_embedding_model != current_embedding_model:
                 logger.warning(f"⚠️ Embedding模型已变更 ({cache_embedding_model} → {current_embedding_model})，忽略旧缓存")
                 return None
-            
+
             embeddings = cache_data.get("embeddings", {})
-            
+
             # 同时加载扩展标签的embedding缓存
             expanded_embeddings = cache_data.get("expanded_embeddings", {})
             if expanded_embeddings:
                 self.expanded_embedding_cache.update(expanded_embeddings)
                 logger.info(f"📂 加载 {len(expanded_embeddings)} 个扩展标签embedding缓存")
-            
+
             logger.info(f"✅ 成功从文件加载 {len(embeddings)} 个标签embedding缓存 (版本: {cache_version}, 模型: {cache_embedding_model})")
             return embeddings
-            
+
         except Exception as e:
             logger.warning(f"⚠️ 加载embedding缓存文件失败: {e}")
             return None
-    
+
     async def _save_embedding_cache_to_file(self, personality_id: str):
         """保存embedding缓存到文件（包括扩展标签的embedding）"""
         try:
-            import orjson
-            from pathlib import Path
             from datetime import datetime
-            
+            from pathlib import Path
+
+            import orjson
+
             cache_dir = Path("data/embedding")
             cache_dir.mkdir(parents=True, exist_ok=True)
             cache_file = cache_dir / f"{personality_id}_embeddings.json"
-            
+
             # 准备缓存数据
             current_embedding_model = self.embedding_config.model_list[0] if hasattr(self.embedding_config, "model_list") and self.embedding_config.model_list else ""
             cache_data = {
@@ -1071,13 +1072,13 @@ class BotInterestManager:
                 "embeddings": self.embedding_cache,
                 "expanded_embeddings": self.expanded_embedding_cache,  # 同时保存扩展标签的embedding
             }
-            
+
             # 写入文件
             with open(cache_file, "wb") as f:
                 f.write(orjson.dumps(cache_data, option=orjson.OPT_INDENT_2))
-            
+
             logger.debug(f"💾 已保存 {len(self.embedding_cache)} 个标签embedding和 {len(self.expanded_embedding_cache)} 个扩展embedding到缓存文件: {cache_file}")
-            
+
         except Exception as e:
             logger.warning(f"⚠️ 保存embedding缓存文件失败: {e}")
 

src/chat/message_manager/__init__.py

@@ -9,8 +9,8 @@ from .scheduler_dispatcher import SchedulerDispatcher, scheduler_dispatcher
 
 __all__ = [
     "MessageManager",
-    "SingleStreamContextManager",
     "SchedulerDispatcher",
+    "SingleStreamContextManager",
     "message_manager",
     "scheduler_dispatcher",
 ]

src/chat/message_manager/context_manager.py

@@ -73,7 +73,7 @@ class SingleStreamContextManager:
                 cache_enabled = global_config.chat.enable_message_cache
                 use_cache_system = message_manager.is_running and cache_enabled
                 if not cache_enabled:
-                    logger.debug(f"消息缓存系统已在配置中禁用")
+                    logger.debug("消息缓存系统已在配置中禁用")
             except Exception as e:
                 logger.debug(f"MessageManager不可用，使用直接添加: {e}")
                 use_cache_system = False
@@ -129,13 +129,13 @@ class SingleStreamContextManager:
                 await self._calculate_message_interest(message)
                 self.total_messages += 1
                 self.last_access_time = time.time()
-                
+
                 logger.debug(f"添加消息{message.processed_plain_text}到单流上下文: {self.stream_id}")
                 return True
-            
+
             # 不应该到达这里，但为了类型检查添加返回值
             return True
-            
+
         except Exception as e:
             logger.error(f"添加消息到单流上下文失败 {self.stream_id}: {e}", exc_info=True)
             return False

src/chat/message_manager/message_manager.py

@@ -4,13 +4,11 @@
 """
 
 import asyncio
-import random
 import time
 from collections import defaultdict, deque
 from typing import TYPE_CHECKING, Any
 
 from src.chat.chatter_manager import ChatterManager
-from src.chat.message_receive.chat_stream import ChatStream
 from src.chat.planner_actions.action_manager import ChatterActionManager
 from src.common.data_models.database_data_model import DatabaseMessages
 from src.common.data_models.message_manager_data_model import MessageManagerStats, StreamStats
@@ -77,7 +75,7 @@ class MessageManager:
         # 启动基于 scheduler 的消息分发器
         await scheduler_dispatcher.start()
         scheduler_dispatcher.set_chatter_manager(self.chatter_manager)
-        
+
         # 保留旧的流循环管理器（暂时）以便平滑过渡
         # TODO: 在确认新机制稳定后移除
         # await stream_loop_manager.start()
@@ -108,7 +106,7 @@ class MessageManager:
 
         # 停止基于 scheduler 的消息分发器
         await scheduler_dispatcher.stop()
-        
+
         # 停止旧的流循环管理器（如果启用）
         # await stream_loop_manager.stop()
 
@@ -116,7 +114,7 @@ class MessageManager:
 
     async def add_message(self, stream_id: str, message: DatabaseMessages):
         """添加消息到指定聊天流
-        
+
         新的流程：
         1. 检查 notice 消息
         2. 将消息添加到上下文（缓存）
@@ -149,10 +147,10 @@ class MessageManager:
             if not chat_stream:
                 logger.warning(f"MessageManager.add_message: 聊天流 {stream_id} 不存在")
                 return
-            
+
             # 将消息添加到上下文
             await chat_stream.context_manager.add_message(message)
-            
+
             # 通知 scheduler_dispatcher 处理消息接收事件
             # dispatcher 会检查是否需要打断、创建或更新 schedule
             await scheduler_dispatcher.on_message_received(stream_id)

src/chat/message_manager/scheduler_dispatcher.py

@@ -20,7 +20,7 @@ logger = get_logger("scheduler_dispatcher")
 
 class SchedulerDispatcher:
     """基于 scheduler 的消息分发器
-    
+
     工作流程：
     1. 接收消息时，将消息添加到聊天流上下文
     2. 检查是否有活跃的 schedule，如果没有则创建
@@ -32,10 +32,17 @@ class SchedulerDispatcher:
     def __init__(self):
         # 追踪每个流的 schedule_id
         self.stream_schedules: dict[str, str] = {}  # stream_id -> schedule_id
+<<<<<<< HEAD
      
+=======
+
+        # 用于保护 schedule 创建/删除的锁，避免竞态条件
+        self.schedule_locks: dict[str, asyncio.Lock] = {}  # stream_id -> Lock
+
+>>>>>>> b0ee26652efd8d03c2e407575b8c5eea78f6afec
         # Chatter 管理器
         self.chatter_manager: ChatterManager | None = None
-        
+
         # 统计信息
         self.stats = {
             "total_schedules_created": 0,
@@ -45,9 +52,9 @@ class SchedulerDispatcher:
             "total_failures": 0,
             "start_time": time.time(),
         }
-        
+
         self.is_running = False
-        
+
         logger.info("基于 Scheduler 的消息分发器初始化完成")
 
     async def start(self) -> None:
@@ -55,7 +62,7 @@ class SchedulerDispatcher:
         if self.is_running:
             logger.warning("分发器已在运行")
             return
-        
+
         self.is_running = True
         logger.info("基于 Scheduler 的消息分发器已启动")
 
@@ -63,9 +70,9 @@ class SchedulerDispatcher:
         """停止分发器"""
         if not self.is_running:
             return
-        
+
         self.is_running = False
-        
+
         # 取消所有活跃的 schedule
         schedule_ids = list(self.stream_schedules.values())
         for schedule_id in schedule_ids:
@@ -73,7 +80,7 @@ class SchedulerDispatcher:
                 await unified_scheduler.remove_schedule(schedule_id)
             except Exception as e:
                 logger.error(f"移除 schedule {schedule_id} 失败: {e}")
-        
+
         self.stream_schedules.clear()
         logger.info("基于 Scheduler 的消息分发器已停止")
 
@@ -81,43 +88,52 @@ class SchedulerDispatcher:
         """设置 Chatter 管理器"""
         self.chatter_manager = chatter_manager
         logger.debug(f"设置 Chatter 管理器: {chatter_manager.__class__.__name__}")
+<<<<<<< HEAD
+=======
+
+    def _get_schedule_lock(self, stream_id: str) -> asyncio.Lock:
+        """获取流的 schedule 锁"""
+        if stream_id not in self.schedule_locks:
+            self.schedule_locks[stream_id] = asyncio.Lock()
+        return self.schedule_locks[stream_id]
+>>>>>>> b0ee26652efd8d03c2e407575b8c5eea78f6afec
 
     async def on_message_received(self, stream_id: str) -> None:
         """消息接收时的处理逻辑
-        
+
         Args:
             stream_id: 聊天流ID
         """
         if not self.is_running:
             logger.warning("分发器未运行，忽略消息")
             return
-        
+
         try:
             # 1. 获取流上下文
             context = await self._get_stream_context(stream_id)
             if not context:
                 logger.warning(f"无法获取流上下文: {stream_id}")
                 return
-            
+
             # 2. 检查是否有活跃的 schedule
             has_active_schedule = stream_id in self.stream_schedules
-            
+
             if not has_active_schedule:
                 # 4. 创建新的 schedule（在锁内，避免重复创建）
                 await self._create_schedule(stream_id, context)
                 return
-            
+
             # 3. 检查打断判定
             if has_active_schedule:
                 should_interrupt = await self._check_interruption(stream_id, context)
-                
+
                 if should_interrupt:
                     # 移除旧 schedule 并创建新的
                     await self._cancel_and_recreate_schedule(stream_id, context)
                     logger.debug(f"⚡ 打断成功: 流={stream_id[:8]}..., 已重新创建 schedule")
                 else:
                     logger.debug(f"打断判定失败，保持原有 schedule: 流={stream_id[:8]}...")
-        
+
         except Exception as e:
             logger.error(f"处理消息接收事件失败 {stream_id}: {e}", exc_info=True)
 
@@ -135,18 +151,18 @@ class SchedulerDispatcher:
 
     async def _check_interruption(self, stream_id: str, context: StreamContext) -> bool:
         """检查是否应该打断当前处理
-        
+
         Args:
             stream_id: 流ID
             context: 流上下文
-            
+
         Returns:
             bool: 是否应该打断
         """
         # 检查是否启用打断
         if not global_config.chat.interruption_enabled:
             return False
-        
+
         # 检查是否正在回复，以及是否允许在回复时打断
         if context.is_replying:
             if not global_config.chat.allow_reply_interruption:
@@ -154,49 +170,49 @@ class SchedulerDispatcher:
                 return False
             else:
                 logger.debug(f"聊天流 {stream_id} 正在回复中，但配置允许回复时打断")
-        
+
         # 只有当 Chatter 真正在处理时才检查打断
         if not context.is_chatter_processing:
             logger.debug(f"聊天流 {stream_id} Chatter 未在处理，无需打断")
             return False
-        
+
         # 检查最后一条消息
         last_message = context.get_last_message()
         if not last_message:
             return False
-        
+
         # 检查是否为表情包消息
         if last_message.is_picid or last_message.is_emoji:
             logger.info(f"消息 {last_message.message_id} 是表情包或Emoji，跳过打断检查")
             return False
-        
+
         # 检查触发用户ID
         triggering_user_id = context.triggering_user_id
         if triggering_user_id and last_message.user_info.user_id != triggering_user_id:
             logger.info(f"消息来自非触发用户 {last_message.user_info.user_id}，实际触发用户为 {triggering_user_id}，跳过打断检查")
             return False
-        
+
         # 检查是否已达到最大打断次数
         if context.interruption_count >= global_config.chat.interruption_max_limit:
             logger.debug(
                 f"聊天流 {stream_id} 已达到最大打断次数 {context.interruption_count}/{global_config.chat.interruption_max_limit}"
             )
             return False
-        
+
         # 计算打断概率
         interruption_probability = context.calculate_interruption_probability(
             global_config.chat.interruption_max_limit
         )
-        
+
         # 根据概率决定是否打断
         import random
         if random.random() < interruption_probability:
             logger.debug(f"聊天流 {stream_id} 触发消息打断，打断概率: {interruption_probability:.2f}")
-            
+
             # 增加打断计数
             await context.increment_interruption_count()
             self.stats["total_interruptions"] += 1
-            
+
             # 检查是否已达到最大次数
             if context.interruption_count >= global_config.chat.interruption_max_limit:
                 logger.warning(
@@ -206,7 +222,7 @@ class SchedulerDispatcher:
                 logger.info(
                     f"聊天流 {stream_id} 已打断，当前打断次数: {context.interruption_count}/{global_config.chat.interruption_max_limit}"
                 )
-            
+
             return True
         else:
             logger.debug(f"聊天流 {stream_id} 未触发打断，打断概率: {interruption_probability:.2f}")
@@ -214,7 +230,7 @@ class SchedulerDispatcher:
 
     async def _cancel_and_recreate_schedule(self, stream_id: str, context: StreamContext) -> None:
         """取消旧的 schedule 并创建新的（打断模式，使用极短延迟）
-        
+
         Args:
             stream_id: 流ID
             context: 流上下文
@@ -235,13 +251,13 @@ class SchedulerDispatcher:
                 )
                 # 移除失败，不创建新 schedule，避免重复
                 return
-            
+
             # 创建新的 schedule，使用即时处理模式（极短延迟）
             await self._create_schedule(stream_id, context, immediate_mode=True)
 
     async def _create_schedule(self, stream_id: str, context: StreamContext, immediate_mode: bool = False) -> None:
         """为聊天流创建新的 schedule
-        
+
         Args:
             stream_id: 流ID
             context: 流上下文
@@ -257,7 +273,7 @@ class SchedulerDispatcher:
                 )
                 await unified_scheduler.remove_schedule(old_schedule_id)
                 del self.stream_schedules[stream_id]
-            
+
             # 如果是即时处理模式（打断时），使用固定的1秒延迟立即重新处理
             if immediate_mode:
                 delay = 1.0  # 硬编码1秒延迟，确保打断后能快速重新处理
@@ -268,10 +284,10 @@ class SchedulerDispatcher:
             else:
                 # 常规模式：计算初始延迟
                 delay = await self._calculate_initial_delay(stream_id, context)
-            
+
             # 获取未读消息数量用于日志
             unread_count = len(context.unread_messages) if context.unread_messages else 0
-            
+
             # 创建 schedule
             schedule_id = await unified_scheduler.create_schedule(
                 callback=self._on_schedule_triggered,
@@ -281,41 +297,41 @@ class SchedulerDispatcher:
                 task_name=f"dispatch_{stream_id[:8]}",
                 callback_args=(stream_id,),
             )
-            
+
             # 追踪 schedule
             self.stream_schedules[stream_id] = schedule_id
             self.stats["total_schedules_created"] += 1
-            
+
             mode_indicator = "⚡打断" if immediate_mode else "📅常规"
-            
+
             logger.info(
                 f"{mode_indicator} 创建 schedule: 流={stream_id[:8]}..., "
                 f"延迟={delay:.3f}s, 未读={unread_count}, "
                 f"ID={schedule_id[:8]}..."
             )
-        
+
         except Exception as e:
             logger.error(f"创建 schedule 失败 {stream_id}: {e}", exc_info=True)
 
     async def _calculate_initial_delay(self, stream_id: str, context: StreamContext) -> float:
         """计算初始延迟时间
-        
+
         Args:
             stream_id: 流ID
             context: 流上下文
-            
+
         Returns:
             float: 延迟时间（秒）
         """
         # 基础间隔
         base_interval = getattr(global_config.chat, "distribution_interval", 5.0)
-        
+
         # 检查是否有未读消息
         unread_count = len(context.unread_messages) if context.unread_messages else 0
-        
+
         # 强制分发阈值
         force_dispatch_threshold = getattr(global_config.chat, "force_dispatch_unread_threshold", 20)
-        
+
         # 如果未读消息过多，使用最小间隔
         if force_dispatch_threshold and unread_count > force_dispatch_threshold:
             min_interval = getattr(global_config.chat, "force_dispatch_min_interval", 0.1)
@@ -325,24 +341,24 @@ class SchedulerDispatcher:
                 f"使用最小间隔={min_interval}s"
             )
             return min_interval
-        
+
         # 尝试使用能量管理器计算间隔
         try:
             # 更新能量值
             await self._update_stream_energy(stream_id, context)
-            
+
             # 获取当前 focus_energy
             focus_energy = energy_manager.energy_cache.get(stream_id, (0.5, 0))[0]
-            
+
             # 使用能量管理器计算间隔
             interval = energy_manager.get_distribution_interval(focus_energy)
-            
+
             logger.info(
                 f"📊 动态间隔计算: 流={stream_id[:8]}..., "
                 f"能量={focus_energy:.3f}, 间隔={interval:.2f}s"
             )
             return interval
-        
+
         except Exception as e:
             logger.info(
                 f"📊 使用默认间隔: 流={stream_id[:8]}..., "
@@ -352,96 +368,96 @@ class SchedulerDispatcher:
 
     async def _update_stream_energy(self, stream_id: str, context: StreamContext) -> None:
         """更新流的能量值
-        
+
         Args:
             stream_id: 流ID
             context: 流上下文
         """
         try:
             from src.chat.message_receive.chat_stream import get_chat_manager
-            
+
             # 获取聊天流
             chat_manager = get_chat_manager()
             chat_stream = await chat_manager.get_stream(stream_id)
-            
+
             if not chat_stream:
                 logger.debug(f"无法找到聊天流 {stream_id}，跳过能量更新")
                 return
-            
+
             # 合并未读消息和历史消息
             all_messages = []
-            
+
             # 添加历史消息
             history_messages = context.get_history_messages(limit=global_config.chat.max_context_size)
             all_messages.extend(history_messages)
-            
+
             # 添加未读消息
             unread_messages = context.get_unread_messages()
             all_messages.extend(unread_messages)
-            
+
             # 按时间排序并限制数量
             all_messages.sort(key=lambda m: m.time)
             messages = all_messages[-global_config.chat.max_context_size:]
-            
+
             # 获取用户ID
             user_id = context.triggering_user_id
-            
+
             # 使用能量管理器计算并缓存能量值
             energy = await energy_manager.calculate_focus_energy(
                 stream_id=stream_id,
                 messages=messages,
                 user_id=user_id
             )
-            
+
             # 同步更新到 ChatStream
             chat_stream._focus_energy = energy
-            
+
             logger.debug(f"已更新流 {stream_id} 的能量值: {energy:.3f}")
-        
+
         except Exception as e:
             logger.warning(f"更新流能量失败 {stream_id}: {e}", exc_info=False)
 
     async def _on_schedule_triggered(self, stream_id: str) -> None:
         """schedule 触发时的回调
-        
+
         Args:
             stream_id: 流ID
         """
         try:
             old_schedule_id = self.stream_schedules.get(stream_id)
-            
+
             logger.info(
                 f"⏰ Schedule 触发: 流={stream_id[:8]}..., "
                 f"ID={old_schedule_id[:8] if old_schedule_id else 'None'}..., "
                 f"开始处理消息"
             )
-            
+
             # 获取流上下文
             context = await self._get_stream_context(stream_id)
             if not context:
                 logger.warning(f"Schedule 触发时无法获取流上下文: {stream_id}")
                 return
-            
+
             # 检查是否有未读消息
             if not context.unread_messages:
                 logger.debug(f"流 {stream_id} 没有未读消息，跳过处理")
                 return
-            
+
             # 激活 chatter 处理（不需要锁，允许并发处理）
             success = await self._process_stream(stream_id, context)
-            
+
             # 更新统计
             self.stats["total_process_cycles"] += 1
             if not success:
                 self.stats["total_failures"] += 1
-            
+
             self.stream_schedules.pop(stream_id, None)
-           
+
             # 检查缓存中是否有待处理的消息
             from src.chat.message_manager.message_manager import message_manager
-            
+
             has_cached = message_manager.has_cached_messages(stream_id)
-            
+
             if has_cached:
                 # 有缓存消息，立即创建新 schedule 继续处理
                 logger.info(
@@ -455,60 +471,60 @@ class SchedulerDispatcher:
                     f"✅ 处理完成且无缓存消息: 流={stream_id[:8]}..., "
                     f"等待新消息到达"
                 )
-        
+
         except Exception as e:
             logger.error(f"Schedule 回调执行失败 {stream_id}: {e}", exc_info=True)
 
     async def _process_stream(self, stream_id: str, context: StreamContext) -> bool:
         """处理流消息
-        
+
         Args:
             stream_id: 流ID
             context: 流上下文
-            
+
         Returns:
             bool: 是否处理成功
         """
         if not self.chatter_manager:
             logger.warning(f"Chatter 管理器未设置: {stream_id}")
             return False
-        
+
         # 设置处理状态
         self._set_stream_processing_status(stream_id, True)
-        
+
         try:
             start_time = time.time()
-            
+
             # 设置触发用户ID
             last_message = context.get_last_message()
             if last_message:
                 context.triggering_user_id = last_message.user_info.user_id
-            
+
             # 创建异步任务刷新能量（不阻塞主流程）
             energy_task = asyncio.create_task(self._refresh_focus_energy(stream_id))
-            
+
             # 设置 Chatter 正在处理的标志
             context.is_chatter_processing = True
             logger.debug(f"设置 Chatter 处理标志: {stream_id}")
-            
+
             try:
                 # 调用 chatter_manager 处理流上下文
                 results = await self.chatter_manager.process_stream_context(stream_id, context)
                 success = results.get("success", False)
-                
+
                 if success:
                     process_time = time.time() - start_time
                     logger.debug(f"流处理成功: {stream_id} (耗时: {process_time:.2f}s)")
                 else:
                     logger.warning(f"流处理失败: {stream_id} - {results.get('error_message', '未知错误')}")
-                
+
                 return success
-            
+
             finally:
                 # 清除 Chatter 处理标志
                 context.is_chatter_processing = False
                 logger.debug(f"清除 Chatter 处理标志: {stream_id}")
-                
+
                 # 等待能量刷新任务完成
                 try:
                     await asyncio.wait_for(energy_task, timeout=5.0)
@@ -516,11 +532,11 @@ class SchedulerDispatcher:
                     logger.warning(f"等待能量刷新超时: {stream_id}")
                 except Exception as e:
                     logger.debug(f"能量刷新任务异常: {e}")
-        
+
         except Exception as e:
             logger.error(f"流处理异常: {stream_id} - {e}", exc_info=True)
             return False
-        
+
         finally:
             # 设置处理状态为未处理
             self._set_stream_processing_status(stream_id, False)
@@ -529,11 +545,11 @@ class SchedulerDispatcher:
         """设置流的处理状态"""
         try:
             from src.chat.message_manager.message_manager import message_manager
-            
+
             if message_manager.is_running:
                 message_manager.set_stream_processing_status(stream_id, is_processing)
                 logger.debug(f"设置流处理状态: stream={stream_id}, processing={is_processing}")
-        
+
         except ImportError:
             logger.debug("MessageManager 不可用，跳过状态设置")
         except Exception as e:
@@ -547,7 +563,7 @@ class SchedulerDispatcher:
             if not chat_stream:
                 logger.debug(f"刷新能量时未找到聊天流: {stream_id}")
                 return
-            
+
             await chat_stream.context_manager.refresh_focus_energy_from_history()
             logger.debug(f"已刷新聊天流 {stream_id} 的聚焦能量")
         except Exception as e:

src/chat/message_receive/bot.py

@@ -367,7 +367,7 @@ class ChatBot:
             message_segment = message_data.get("message_segment")
             if message_segment and isinstance(message_segment, dict):
                 if message_segment.get("type") == "adapter_response":
-                    logger.info(f"[DEBUG bot.py message_process] 检测到adapter_response，立即处理")
+                    logger.info("[DEBUG bot.py message_process] 检测到adapter_response，立即处理")
                     await self._handle_adapter_response_from_dict(message_segment.get("data"))
                     return
 

src/chat/message_receive/message_processor.py

@@ -205,7 +205,7 @@ async def _process_single_segment(segment: Seg, state: dict, message_info: BaseM
                     return result
                 else:
                     logger.warning(f"[at处理] 无法解析格式: '{segment.data}'")
-                    return f"@{segment.data}"        
+                    return f"@{segment.data}"
             logger.warning(f"[at处理] 数据类型异常: {type(segment.data)}")
             return f"@{segment.data}" if isinstance(segment.data, str) else "@未知用户"
 

src/chat/replyer/default_generator.py

@@ -542,7 +542,7 @@ class DefaultReplyer:
         all_memories = []
         try:
             from src.memory_graph.manager_singleton import get_memory_manager, is_initialized
-            
+
             if is_initialized():
                 manager = get_memory_manager()
                 if manager:
@@ -552,12 +552,12 @@ class DefaultReplyer:
                     sender_name = ""
                     if user_info_obj:
                         sender_name = getattr(user_info_obj, "user_nickname", "") or getattr(user_info_obj, "user_cardname", "")
-                    
+
                     # 获取参与者信息
                     participants = []
                     try:
                         # 尝试从聊天流中获取参与者信息
-                        if hasattr(stream, 'chat_history_manager'):
+                        if hasattr(stream, "chat_history_manager"):
                             history_manager = stream.chat_history_manager
                             # 获取最近的参与者列表
                             recent_records = history_manager.get_memory_chat_history(
@@ -586,16 +586,16 @@ class DefaultReplyer:
                     formatted_history = ""
                     if chat_history:
                         # 移除过长的历史记录，只保留最近部分
-                        lines = chat_history.strip().split('\n')
+                        lines = chat_history.strip().split("\n")
                         recent_lines = lines[-10:] if len(lines) > 10 else lines
-                        formatted_history = '\n'.join(recent_lines)
+                        formatted_history = "\n".join(recent_lines)
 
                     query_context = {
                         "chat_history": formatted_history,
                         "sender": sender_name,
                         "participants": participants,
                     }
-                    
+
                     # 使用记忆管理器的智能检索（多查询策略）
                     memories = await manager.search_memories(
                         query=target,
@@ -605,23 +605,23 @@ class DefaultReplyer:
                         use_multi_query=True,
                         context=query_context,
                     )
-                    
+
                     if memories:
                         logger.info(f"[记忆图] 检索到 {len(memories)} 条相关记忆")
-                        
+
                         # 使用新的格式化工具构建完整的记忆描述
                         from src.memory_graph.utils.memory_formatter import (
                             format_memory_for_prompt,
                             get_memory_type_label,
                         )
-                        
+
                         for memory in memories:
                             # 使用格式化工具生成完整的主谓宾描述
                             content = format_memory_for_prompt(memory, include_metadata=False)
-                            
+
                             # 获取记忆类型
                             mem_type = memory.memory_type.value if memory.memory_type else "未知"
-                            
+
                             if content:
                                 all_memories.append({
                                     "content": content,
@@ -636,7 +636,7 @@ class DefaultReplyer:
         except Exception as e:
             logger.debug(f"[记忆图] 检索失败: {e}")
             all_memories = []
-        
+
         # 构建记忆字符串，使用方括号格式
         memory_str = ""
         has_any_memory = False
@@ -725,7 +725,7 @@ class DefaultReplyer:
                 for tool_result in tool_results:
                     tool_name = tool_result.get("tool_name", "unknown")
                     content = tool_result.get("content", "")
-                    result_type = tool_result.get("type", "tool_result")
+                    tool_result.get("type", "tool_result")
 
                     # 不进行截断，让工具自己处理结果长度
                     current_results_parts.append(f"- **{tool_name}**: {content}")
@@ -744,7 +744,7 @@ class DefaultReplyer:
             logger.error(f"工具信息获取失败: {e}")
             return ""
 
-    
+
     def _parse_reply_target(self, target_message: str) -> tuple[str, str]:
         """解析回复目标消息 - 使用共享工具"""
         from src.chat.utils.prompt import Prompt
@@ -1897,7 +1897,7 @@ class DefaultReplyer:
     async def _store_chat_memory_async(self, reply_to: str, reply_message: DatabaseMessages | dict[str, Any] | None = None):
         """
         [已废弃] 异步存储聊天记忆（从build_memory_block迁移而来）
-        
+
         此函数已被记忆图系统的工具调用方式替代。
         记忆现在由LLM在对话过程中通过CreateMemoryTool主动创建。
 
@@ -1906,14 +1906,13 @@ class DefaultReplyer:
             reply_message: 回复的原始消息
         """
         return  # 已禁用，保留函数签名以防其他地方有引用
-        
+
         # 以下代码已废弃，不再执行
         try:
             if not global_config.memory.enable_memory:
                 return
 
             # 使用统一记忆系统存储记忆
-            from src.chat.memory_system import get_memory_system
 
             stream = self.chat_stream
             user_info_obj = getattr(stream, "user_info", None)
@@ -2036,7 +2035,7 @@ class DefaultReplyer:
                     timestamp=time.time(),
                     limit=int(global_config.chat.max_context_size),
                 )
-            chat_history = await build_readable_messages(
+            await build_readable_messages(
                 message_list_before_short,
                 replace_bot_name=True,
                 merge_messages=False,

src/chat/utils/prompt.py

@@ -400,7 +400,7 @@ class Prompt:
 
         # 初始化预构建参数字典
         pre_built_params = {}
-        
+
         try:
             # --- 步骤 1: 准备构建任务 ---
             tasks = []

src/chat/utils/utils.py

@@ -87,20 +87,18 @@ def is_mentioned_bot_in_message(message) -> tuple[bool, float]:
             )
 
     processed_text = message.processed_plain_text or ""
-    
+
     # 1. 判断是否为私聊（强提及）
     group_info = getattr(message, "group_info", None)
     if not group_info or not getattr(group_info, "group_id", None):
-        is_private = True
         mention_type = 2
         logger.debug("检测到私聊消息 - 强提及")
-    
+
     # 2. 判断是否被@（强提及）
     if re.search(rf"@<(.+?):{global_config.bot.qq_account}>", processed_text):
-        is_at = True
         mention_type = 2
         logger.debug("检测到@提及 - 强提及")
-    
+
     # 3. 判断是否被回复（强提及）
     if re.match(
         rf"\[回复 (.+?)\({global_config.bot.qq_account!s}\)：(.+?)\]，说：", processed_text
@@ -108,10 +106,9 @@ def is_mentioned_bot_in_message(message) -> tuple[bool, float]:
         rf"\[回复<(.+?)(?=:{global_config.bot.qq_account!s}>)\:{global_config.bot.qq_account!s}>：(.+?)\]，说：",
         processed_text,
     ):
-        is_replied = True
         mention_type = 2
         logger.debug("检测到回复消息 - 强提及")
-    
+
     # 4. 判断文本中是否提及bot名字或别名（弱提及）
     if mention_type == 0:  # 只有在没有强提及时才检查弱提及
         # 移除@和回复标记后再检查
@@ -119,21 +116,19 @@ def is_mentioned_bot_in_message(message) -> tuple[bool, float]:
         message_content = re.sub(r"@<(.+?)(?=:(\d+))\:(\d+)>", "", message_content)
         message_content = re.sub(r"\[回复 (.+?)\(((\d+)|未知id)\)：(.+?)\]，说：", "", message_content)
         message_content = re.sub(r"\[回复<(.+?)(?=:(\d+))\:(\d+)>：(.+?)\]，说：", "", message_content)
-        
+
         # 检查bot主名字
         if global_config.bot.nickname in message_content:
-            is_text_mentioned = True
             mention_type = 1
             logger.debug(f"检测到文本提及bot主名字 '{global_config.bot.nickname}' - 弱提及")
         # 如果主名字没匹配，再检查别名
         elif nicknames:
             for alias_name in nicknames:
                 if alias_name in message_content:
-                    is_text_mentioned = True
                     mention_type = 1
                     logger.debug(f"检测到文本提及bot别名 '{alias_name}' - 弱提及")
                     break
-    
+
     # 返回结果
     is_mentioned = mention_type > 0
     return is_mentioned, float(mention_type)

src/common/cache_manager.py

@@ -368,13 +368,13 @@ class CacheManager:
 
         if expired_keys:
             logger.info(f"清理了 {len(expired_keys)} 个过期的L1缓存条目")
-    
+
     def get_health_stats(self) -> dict[str, Any]:
         """获取缓存健康统计信息"""
         # 简化的健康统计，不包含内存监控（因为相关属性未定义）
         return {
             "l1_count": len(self.l1_kv_cache),
-            "l1_vector_count": self.l1_vector_index.ntotal if hasattr(self.l1_vector_index, 'ntotal') else 0,
+            "l1_vector_count": self.l1_vector_index.ntotal if hasattr(self.l1_vector_index, "ntotal") else 0,
             "tool_stats": {
                 "total_tool_calls": self.tool_stats.get("total_tool_calls", 0),
                 "tracked_tools": len(self.tool_stats.get("most_used_tools", {})),
@@ -397,7 +397,7 @@ class CacheManager:
             warnings.append(f"⚠️ L1缓存条目数较多: {l1_size}")
 
         # 检查向量索引大小
-        vector_count = self.l1_vector_index.ntotal if hasattr(self.l1_vector_index, 'ntotal') else 0
+        vector_count = self.l1_vector_index.ntotal if hasattr(self.l1_vector_index, "ntotal") else 0
         if isinstance(vector_count, int) and vector_count > 500:
             warnings.append(f"⚠️ 向量索引条目数较多: {vector_count}")
 

src/common/database/optimization/batch_scheduler.py

@@ -66,7 +66,7 @@ class BatchStats:
     last_batch_duration: float = 0.0
     last_batch_size: int = 0
     congestion_score: float = 0.0  # 拥塞评分 (0-1)
-    
+
     # 🔧 新增：缓存统计
     cache_size: int = 0  # 缓存条目数
     cache_memory_mb: float = 0.0  # 缓存内存占用（MB）
@@ -539,8 +539,7 @@ class AdaptiveBatchScheduler:
 
     def _set_cache(self, cache_key: str, result: Any) -> None:
         """设置缓存（改进版，带大小限制和内存统计）"""
-        import sys
-        
+
         # 🔧 检查缓存大小限制
         if len(self._result_cache) >= self._cache_max_size:
             # 首先清理过期条目
@@ -549,18 +548,18 @@ class AdaptiveBatchScheduler:
                 k for k, (_, ts) in self._result_cache.items()
                 if current_time - ts >= self.cache_ttl
             ]
-            
+
             for k in expired_keys:
                 # 更新内存统计
                 if k in self._cache_size_map:
                     self._cache_memory_estimate -= self._cache_size_map[k]
                     del self._cache_size_map[k]
                 del self._result_cache[k]
-            
+
             # 如果还是太大，清理最老的条目（LRU）
             if len(self._result_cache) >= self._cache_max_size:
                 oldest_key = min(
-                    self._result_cache.keys(), 
+                    self._result_cache.keys(),
                     key=lambda k: self._result_cache[k][1]
                 )
                 # 更新内存统计
@@ -569,7 +568,7 @@ class AdaptiveBatchScheduler:
                     del self._cache_size_map[oldest_key]
                 del self._result_cache[oldest_key]
                 logger.debug(f"缓存已满，淘汰最老条目: {oldest_key}")
-        
+
         # 🔧 使用准确的内存估算方法
         try:
             total_size = estimate_size_smart(cache_key) + estimate_size_smart(result)
@@ -580,7 +579,7 @@ class AdaptiveBatchScheduler:
             # 使用默认值
             self._cache_size_map[cache_key] = 1024
             self._cache_memory_estimate += 1024
-        
+
         self._result_cache[cache_key] = (result, time.time())
 
     async def get_stats(self) -> BatchStats:

src/common/database/optimization/cache_manager.py

@@ -171,7 +171,7 @@ class LRUCache(Generic[T]):
                 )
             else:
                 adjusted_created_at = now
-            
+
             entry = CacheEntry(
                 value=value,
                 created_at=adjusted_created_at,
@@ -345,7 +345,7 @@ class MultiLevelCache:
         # 估算数据大小（如果未提供）
         if size is None:
             size = estimate_size_smart(value)
-        
+
         # 检查单个条目大小是否超过限制
         if size > self.max_item_size_bytes:
             logger.warning(
@@ -354,7 +354,7 @@ class MultiLevelCache:
                 f"limit={self.max_item_size_bytes / (1024 * 1024):.2f}MB"
             )
             return
-        
+
         # 根据TTL决定写入哪个缓存层
         if ttl is not None:
             # 有自定义TTL，根据TTL大小决定写入层级
@@ -394,37 +394,37 @@ class MultiLevelCache:
         """获取所有缓存层的统计信息（修正版，避免重复计数）"""
         l1_stats = await self.l1_cache.get_stats()
         l2_stats = await self.l2_cache.get_stats()
-        
+
         # 🔧 修复：计算实际独占的内存，避免L1和L2共享数据的重复计数
         l1_keys = set(self.l1_cache._cache.keys())
         l2_keys = set(self.l2_cache._cache.keys())
-        
+
         shared_keys = l1_keys & l2_keys
         l1_only_keys = l1_keys - l2_keys
         l2_only_keys = l2_keys - l1_keys
-        
+
         # 计算实际总内存（避免重复计数）
         # L1独占内存
         l1_only_size = sum(
-            self.l1_cache._cache[k].size 
-            for k in l1_only_keys 
+            self.l1_cache._cache[k].size
+            for k in l1_only_keys
             if k in self.l1_cache._cache
         )
         # L2独占内存
         l2_only_size = sum(
-            self.l2_cache._cache[k].size 
-            for k in l2_only_keys 
+            self.l2_cache._cache[k].size
+            for k in l2_only_keys
             if k in self.l2_cache._cache
         )
         # 共享内存（只计算一次，使用L1的数据）
         shared_size = sum(
-            self.l1_cache._cache[k].size 
-            for k in shared_keys 
+            self.l1_cache._cache[k].size
+            for k in shared_keys
             if k in self.l1_cache._cache
         )
-        
+
         actual_total_size = l1_only_size + l2_only_size + shared_size
-        
+
         return {
             "l1": l1_stats,
             "l2": l2_stats,
@@ -442,7 +442,7 @@ class MultiLevelCache:
         """检查并强制清理超出内存限制的缓存"""
         stats = await self.get_stats()
         total_size = stats["l1"].total_size + stats["l2"].total_size
-        
+
         if total_size > self.max_memory_bytes:
             memory_mb = total_size / (1024 * 1024)
             max_mb = self.max_memory_bytes / (1024 * 1024)
@@ -452,14 +452,14 @@ class MultiLevelCache:
             )
             # 优先清理L2缓存（温数据）
             await self.l2_cache.clear()
-            
+
             # 如果清理L2后仍超限，清理L1
             stats_after_l2 = await self.get_stats()
             total_after_l2 = stats_after_l2["l1"].total_size + stats_after_l2["l2"].total_size
             if total_after_l2 > self.max_memory_bytes:
                 logger.warning("清理L2后仍超限，继续清理L1缓存")
                 await self.l1_cache.clear()
-            
+
             logger.info("缓存强制清理完成")
 
     async def start_cleanup_task(self, interval: float = 60) -> None:
@@ -476,10 +476,10 @@ class MultiLevelCache:
             while not self._is_closing:
                 try:
                     await asyncio.sleep(interval)
-                    
+
                     if self._is_closing:
                         break
-                    
+
                     stats = await self.get_stats()
                     l1_stats = stats["l1"]
                     l2_stats = stats["l2"]
@@ -493,13 +493,13 @@ class MultiLevelCache:
                         f"共享: {stats['shared_keys_count']}键/{stats['shared_mb']:.2f}MB "
                         f"(去重节省{stats['dedup_savings_mb']:.2f}MB)"
                     )
-                    
+
                     # 🔧 清理过期条目
                     await self._clean_expired_entries()
-                    
+
                     # 检查内存限制
                     await self.check_memory_limit()
-                    
+
                 except asyncio.CancelledError:
                     break
                 except Exception as e:
@@ -511,7 +511,7 @@ class MultiLevelCache:
     async def stop_cleanup_task(self) -> None:
         """停止清理任务"""
         self._is_closing = True
-        
+
         if self._cleanup_task is not None:
             self._cleanup_task.cancel()
             try:
@@ -520,43 +520,43 @@ class MultiLevelCache:
                 pass
             self._cleanup_task = None
             logger.info("缓存清理任务已停止")
-    
+
     async def _clean_expired_entries(self) -> None:
         """清理过期的缓存条目"""
         try:
             current_time = time.time()
-            
+
             # 清理 L1 过期条目
             async with self.l1_cache._lock:
                 expired_keys = [
                     key for key, entry in self.l1_cache._cache.items()
                     if current_time - entry.created_at > self.l1_cache.ttl
                 ]
-                
+
                 for key in expired_keys:
                     entry = self.l1_cache._cache.pop(key, None)
                     if entry:
                         self.l1_cache._stats.evictions += 1
                         self.l1_cache._stats.item_count -= 1
                         self.l1_cache._stats.total_size -= entry.size
-            
+
             # 清理 L2 过期条目
             async with self.l2_cache._lock:
                 expired_keys = [
                     key for key, entry in self.l2_cache._cache.items()
                     if current_time - entry.created_at > self.l2_cache.ttl
                 ]
-                
+
                 for key in expired_keys:
                     entry = self.l2_cache._cache.pop(key, None)
                     if entry:
                         self.l2_cache._stats.evictions += 1
                         self.l2_cache._stats.item_count -= 1
                         self.l2_cache._stats.total_size -= entry.size
-            
+
             if expired_keys:
                 logger.debug(f"清理了 {len(expired_keys)} 个过期缓存条目")
-                
+
         except Exception as e:
             logger.error(f"清理过期条目失败: {e}", exc_info=True)
 
@@ -568,7 +568,7 @@ _cache_lock = asyncio.Lock()
 
 async def get_cache() -> MultiLevelCache:
     """获取全局缓存实例（单例）
-    
+
     从配置文件读取缓存参数，如果配置未加载则使用默认值
     如果配置中禁用了缓存，返回一个最小化的缓存实例（容量为1）
     """
@@ -580,9 +580,9 @@ async def get_cache() -> MultiLevelCache:
                 # 尝试从配置读取参数
                 try:
                     from src.config.config import global_config
-                    
+
                     db_config = global_config.database
-                    
+
                     # 检查是否启用缓存
                     if not db_config.enable_database_cache:
                         logger.info("数据库缓存已禁用，使用最小化缓存实例")
@@ -594,7 +594,7 @@ async def get_cache() -> MultiLevelCache:
                             max_memory_mb=1,
                         )
                         return _global_cache
-                    
+
                     l1_max_size = db_config.cache_l1_max_size
                     l1_ttl = db_config.cache_l1_ttl
                     l2_max_size = db_config.cache_l2_max_size
@@ -602,7 +602,7 @@ async def get_cache() -> MultiLevelCache:
                     max_memory_mb = db_config.cache_max_memory_mb
                     max_item_size_mb = db_config.cache_max_item_size_mb
                     cleanup_interval = db_config.cache_cleanup_interval
-                    
+
                     logger.info(
                         f"从配置加载缓存参数: L1({l1_max_size}/{l1_ttl}s), "
                         f"L2({l2_max_size}/{l2_ttl}s), 内存限制({max_memory_mb}MB), "
@@ -618,7 +618,7 @@ async def get_cache() -> MultiLevelCache:
                     max_memory_mb = 100
                     max_item_size_mb = 1
                     cleanup_interval = 60
-                
+
                 _global_cache = MultiLevelCache(
                     l1_max_size=l1_max_size,
                     l1_ttl=l1_ttl,

src/common/memory_utils.py

@@ -4,73 +4,74 @@
 提供比 sys.getsizeof() 更准确的内存占用估算方法
 """
 
-import sys
 import pickle
+import sys
 from typing import Any
+
 import numpy as np
 
 
 def get_accurate_size(obj: Any, seen: set | None = None) -> int:
     """
     准确估算对象的内存大小（递归计算所有引用对象）
-    
+
     比 sys.getsizeof() 准确得多，特别是对于复杂嵌套对象。
-    
+
     Args:
         obj: 要估算大小的对象
         seen: 已访问对象的集合（用于避免循环引用）
-    
+
     Returns:
         估算的字节数
     """
     if seen is None:
         seen = set()
-    
+
     obj_id = id(obj)
     if obj_id in seen:
         return 0
-    
+
     seen.add(obj_id)
     size = sys.getsizeof(obj)
-    
+
     # NumPy 数组特殊处理
     if isinstance(obj, np.ndarray):
         size += obj.nbytes
         return size
-    
+
     # 字典：递归计算所有键值对
     if isinstance(obj, dict):
-        size += sum(get_accurate_size(k, seen) + get_accurate_size(v, seen) 
+        size += sum(get_accurate_size(k, seen) + get_accurate_size(v, seen)
                    for k, v in obj.items())
-    
+
     # 列表、元组、集合：递归计算所有元素
-    elif isinstance(obj, (list, tuple, set, frozenset)):
+    elif isinstance(obj, list | tuple | set | frozenset):
         size += sum(get_accurate_size(item, seen) for item in obj)
-    
+
     # 有 __dict__ 的对象：递归计算属性
-    elif hasattr(obj, '__dict__'):
+    elif hasattr(obj, "__dict__"):
         size += get_accurate_size(obj.__dict__, seen)
-    
+
     # 其他可迭代对象
-    elif hasattr(obj, '__iter__') and not isinstance(obj, (str, bytes, bytearray)):
+    elif hasattr(obj, "__iter__") and not isinstance(obj, str | bytes | bytearray):
         try:
             size += sum(get_accurate_size(item, seen) for item in obj)
         except:
             pass
-    
+
     return size
 
 
 def get_pickle_size(obj: Any) -> int:
     """
     使用 pickle 序列化大小作为参考
-    
+
     通常比 sys.getsizeof() 更接近实际内存占用，
     但可能略小于真实内存占用（不包括 Python 对象开销）
-    
+
     Args:
         obj: 要估算大小的对象
-    
+
     Returns:
         pickle 序列化后的字节数，失败返回 0
     """
@@ -83,17 +84,17 @@ def get_pickle_size(obj: Any) -> int:
 def estimate_size_smart(obj: Any, max_depth: int = 5, sample_large: bool = True) -> int:
     """
     智能估算对象大小（平衡准确性和性能）
-    
+
     使用深度受限的递归估算+采样策略，平衡准确性和性能：
     - 深度5层足以覆盖99%的缓存数据结构
     - 对大型容器（>100项）进行采样估算
     - 性能开销约60倍于sys.getsizeof，但准确度提升1000+倍
-    
+
     Args:
         obj: 要估算大小的对象
         max_depth: 最大递归深度（默认5层，可覆盖大多数嵌套结构）
         sample_large: 对大型容器是否采样（默认True，提升性能）
-    
+
     Returns:
         估算的字节数
     """
@@ -105,24 +106,24 @@ def _estimate_recursive(obj: Any, depth: int, seen: set, sample_large: bool) ->
     # 检查深度限制
     if depth <= 0:
         return sys.getsizeof(obj)
-    
+
     # 检查循环引用
     obj_id = id(obj)
     if obj_id in seen:
         return 0
     seen.add(obj_id)
-    
+
     # 基本大小
     size = sys.getsizeof(obj)
-    
+
     # 简单类型直接返回
-    if isinstance(obj, (int, float, bool, type(None), str, bytes, bytearray)):
+    if isinstance(obj, int | float | bool | type(None) | str | bytes | bytearray):
         return size
-    
+
     # NumPy 数组特殊处理
     if isinstance(obj, np.ndarray):
         return size + obj.nbytes
-    
+
     # 字典递归
     if isinstance(obj, dict):
         items = list(obj.items())
@@ -130,7 +131,7 @@ def _estimate_recursive(obj: Any, depth: int, seen: set, sample_large: bool) ->
             # 大字典采样：前50 + 中间50 + 最后50
             sample_items = items[:50] + items[len(items)//2-25:len(items)//2+25] + items[-50:]
             sampled_size = sum(
-                _estimate_recursive(k, depth - 1, seen, sample_large) + 
+                _estimate_recursive(k, depth - 1, seen, sample_large) +
                 _estimate_recursive(v, depth - 1, seen, sample_large)
                 for k, v in sample_items
             )
@@ -142,9 +143,9 @@ def _estimate_recursive(obj: Any, depth: int, seen: set, sample_large: bool) ->
                 size += _estimate_recursive(k, depth - 1, seen, sample_large)
                 size += _estimate_recursive(v, depth - 1, seen, sample_large)
         return size
-    
+
     # 列表、元组、集合递归
-    if isinstance(obj, (list, tuple, set, frozenset)):
+    if isinstance(obj, list | tuple | set | frozenset):
         items = list(obj)
         if sample_large and len(items) > 100:
             # 大容器采样：前50 + 中间50 + 最后50
@@ -160,21 +161,21 @@ def _estimate_recursive(obj: Any, depth: int, seen: set, sample_large: bool) ->
             for item in items:
                 size += _estimate_recursive(item, depth - 1, seen, sample_large)
         return size
-    
+
     # 有 __dict__ 的对象
-    if hasattr(obj, '__dict__'):
+    if hasattr(obj, "__dict__"):
         size += _estimate_recursive(obj.__dict__, depth - 1, seen, sample_large)
-    
+
     return size
 
 
 def format_size(size_bytes: int) -> str:
     """
     格式化字节数为人类可读的格式
-    
+
     Args:
         size_bytes: 字节数
-    
+
     Returns:
         格式化后的字符串，如 "1.23 MB"
     """

src/common/server.py

@@ -2,7 +2,8 @@ import os
 import socket
 
 from fastapi import APIRouter, FastAPI
-from fastapi.middleware.cors import CORSMiddleware  # 新增导入
+from fastapi.middleware.cors import CORSMiddleware
+from fastapi.staticfiles import StaticFiles
 from rich.traceback import install
 from uvicorn import Config
 from uvicorn import Server as UvicornServer

src/config/config.py

@@ -2,7 +2,6 @@ import os
 import shutil
 import sys
 from datetime import datetime
-from typing import Optional
 
 import tomlkit
 from pydantic import Field
@@ -381,7 +380,7 @@ class Config(ValidatedConfigBase):
     notice: NoticeConfig = Field(..., description="Notice消息配置")
     emoji: EmojiConfig = Field(..., description="表情配置")
     expression: ExpressionConfig = Field(..., description="表达配置")
-    memory: Optional[MemoryConfig] = Field(default=None, description="记忆配置")
+    memory: MemoryConfig | None = Field(default=None, description="记忆配置")
     mood: MoodConfig = Field(..., description="情绪配置")
     reaction: ReactionConfig = Field(default_factory=ReactionConfig, description="反应规则配置")
     chinese_typo: ChineseTypoConfig = Field(..., description="中文错别字配置")

src/config/official_configs.py

@@ -401,16 +401,16 @@ class MemoryConfig(ValidatedConfigBase):
     memory_system_load_balancing: bool = Field(default=True, description="启用记忆系统负载均衡")
     memory_build_throttling: bool = Field(default=True, description="启用记忆构建节流")
     memory_priority_queue_enabled: bool = Field(default=True, description="启用记忆优先级队列")
-    
+
     # === 记忆图系统配置 (Memory Graph System) ===
     # 新一代记忆系统的配置项
     enable: bool = Field(default=True, description="启用记忆图系统")
     data_dir: str = Field(default="data/memory_graph", description="记忆数据存储目录")
-    
+
     # 向量存储配置
     vector_collection_name: str = Field(default="memory_nodes", description="向量集合名称")
     vector_db_path: str = Field(default="data/memory_graph/chroma_db", description="向量数据库路径")
-    
+
     # 检索配置
     search_top_k: int = Field(default=10, description="默认检索返回数量")
     search_min_importance: float = Field(default=0.3, description="最小重要性阈值")
@@ -418,13 +418,13 @@ class MemoryConfig(ValidatedConfigBase):
     search_max_expand_depth: int = Field(default=2, description="检索时图扩展深度（0-3）")
     search_expand_semantic_threshold: float = Field(default=0.3, description="图扩展时语义相似度阈值（建议0.3-0.5，过低可能引入无关记忆，过高无法扩展）")
     enable_query_optimization: bool = Field(default=True, description="启用查询优化")
-    
+
     # 检索权重配置 (记忆图系统)
     search_vector_weight: float = Field(default=0.4, description="向量相似度权重")
     search_graph_distance_weight: float = Field(default=0.2, description="图距离权重")
     search_importance_weight: float = Field(default=0.2, description="重要性权重")
     search_recency_weight: float = Field(default=0.2, description="时效性权重")
-    
+
     # 记忆整合配置
     consolidation_enabled: bool = Field(default=False, description="是否启用记忆整合")
     consolidation_interval_hours: float = Field(default=2.0, description="整合任务执行间隔（小时）")
@@ -442,21 +442,21 @@ class MemoryConfig(ValidatedConfigBase):
     consolidation_linking_min_confidence: float = Field(default=0.7, description="LLM分析最低置信度阈值")
     consolidation_linking_llm_temperature: float = Field(default=0.2, description="LLM分析温度参数")
     consolidation_linking_llm_max_tokens: int = Field(default=1500, description="LLM分析最大输出长度")
-    
+
     # 遗忘配置 (记忆图系统)
     forgetting_enabled: bool = Field(default=True, description="是否启用自动遗忘")
     forgetting_activation_threshold: float = Field(default=0.1, description="激活度阈值")
     forgetting_min_importance: float = Field(default=0.8, description="最小保护重要性")
-    
+
     # 激活配置
     activation_decay_rate: float = Field(default=0.9, description="激活度衰减率")
     activation_propagation_strength: float = Field(default=0.5, description="激活传播强度")
     activation_propagation_depth: int = Field(default=2, description="激活传播深度")
-    
+
     # 性能配置
     max_memory_nodes_per_memory: int = Field(default=10, description="每个记忆最多包含的节点数")
     max_related_memories: int = Field(default=5, description="相关记忆最大数量")
-    
+
     # 节点去重合并配置
     node_merger_similarity_threshold: float = Field(default=0.85, description="节点去重相似度阈值")
     node_merger_context_match_required: bool = Field(default=True, description="节点合并是否要求上下文匹配")
@@ -637,6 +637,7 @@ class WebSearchConfig(ValidatedConfigBase):
     exa_api_keys: list[str] = Field(default_factory=lambda: [], description="exa API密钥列表，支持轮询机制")
     searxng_instances: list[str] = Field(default_factory=list, description="SearXNG 实例 URL 列表")
     searxng_api_keys: list[str] = Field(default_factory=list, description="SearXNG 实例 API 密钥列表")
+    serper_api_keys: list[str] = Field(default_factory=list, description="serper API 密钥列表")
     enabled_engines: list[str] = Field(default_factory=lambda: ["ddg"], description="启用的搜索引擎")
     search_strategy: Literal["fallback", "single", "parallel"] = Field(default="single", description="搜索策略")
 

src/llm_models/utils_model.py

@@ -534,7 +534,7 @@ class _RequestExecutor:
         model_name = model_info.name
         retry_interval = api_provider.retry_interval
 
-        if isinstance(e, (NetworkConnectionError, ReqAbortException)):
+        if isinstance(e, NetworkConnectionError | ReqAbortException):
             return await self._check_retry(remain_try, retry_interval, "连接异常", model_name)
         elif isinstance(e, RespNotOkException):
             return await self._handle_resp_not_ok(e, model_info, api_provider, remain_try, messages_info)

src/main.py

@@ -423,15 +423,16 @@ MoFox_Bot(第三方修改版)
 
         # 注册API路由
         try:
+            from src.api.memory_visualizer_router import router as visualizer_router
             from src.api.message_router import router as message_router
             from src.api.statistic_router import router as llm_statistic_router
 
             self.server.register_router(message_router, prefix="/api")
             self.server.register_router(llm_statistic_router, prefix="/api")
+            self.server.register_router(visualizer_router, prefix="/visualizer")
             logger.info("API路由注册成功")
         except Exception as e:
             logger.error(f"注册API路由失败: {e}")
-
         # 初始化统一调度器
         try:
             from src.schedule.unified_scheduler import initialize_scheduler

src/memory_graph/storage/vector_store.py

@@ -100,10 +100,10 @@ class VectorStore:
 
             # 处理额外的元数据，将 list 转换为 JSON 字符串
             for key, value in node.metadata.items():
-                if isinstance(value, (list, dict)):
+                if isinstance(value, list | dict):
                     import orjson
                     metadata[key] = orjson.dumps(value, option=orjson.OPT_NON_STR_KEYS).decode("utf-8")
-                elif isinstance(value, (str, int, float, bool)) or value is None:
+                elif isinstance(value, str | int | float | bool) or value is None:
                     metadata[key] = value
                 else:
                     metadata[key] = str(value)
@@ -149,9 +149,9 @@ class VectorStore:
                     "created_at": n.created_at.isoformat(),
                 }
                 for key, value in n.metadata.items():
-                    if isinstance(value, (list, dict)):
+                    if isinstance(value, list | dict):
                         metadata[key] = orjson.dumps(value, option=orjson.OPT_NON_STR_KEYS).decode("utf-8")
-                    elif isinstance(value, (str, int, float, bool)) or value is None:
+                    elif isinstance(value, str | int | float | bool) or value is None:
                         metadata[key] = value  # type: ignore
                     else:
                         metadata[key] = str(value)

src/memory_graph/utils/embeddings.py

@@ -4,8 +4,6 @@
 
 from __future__ import annotations
 
-import asyncio
-
 import numpy as np
 
 from src.common.logger import get_logger
@@ -72,7 +70,7 @@ class EmbeddingGenerator:
             logger.warning(f"⚠️  Embedding API 初始化失败: {e}")
             self._api_available = False
 
-  
+
     async def generate(self, text: str) -> np.ndarray | None:
         """
         生成单个文本的嵌入向量
@@ -130,7 +128,7 @@ class EmbeddingGenerator:
             logger.debug(f"API 嵌入生成失败: {e}")
             return None
 
-    
+
     def _get_dimension(self) -> int:
         """获取嵌入维度"""
         # 优先使用 API 维度

src/plugin_system/apis/storage_api.py

@@ -7,11 +7,12 @@
 """
 
 import atexit
-import orjson
 import os
 import threading
 from typing import Any, ClassVar
 
+import orjson
+
 from src.common.logger import get_logger
 
 # 获取日志记录器
@@ -125,7 +126,7 @@ class PluginStorage:
 
             try:
                 with open(self.file_path, "w", encoding="utf-8") as f:
-                    f.write(orjson.dumps(self._data, option=orjson.OPT_INDENT_2 | orjson.OPT_NON_STR_KEYS).decode('utf-8'))
+                    f.write(orjson.dumps(self._data, option=orjson.OPT_INDENT_2 | orjson.OPT_NON_STR_KEYS).decode("utf-8"))
                 self._dirty = False  # 保存后重置标志
                 logger.debug(f"插件 '{self.name}' 的数据已成功保存到磁盘。")
             except Exception as e:

src/plugin_system/core/mcp_client_manager.py

@@ -5,12 +5,12 @@ MCP Client Manager
 """
 
 import asyncio
-import orjson
 import shutil
 from pathlib import Path
 from typing import Any
 
 import mcp.types
+import orjson
 from fastmcp.client import Client, StdioTransport, StreamableHttpTransport
 
 from src.common.logger import get_logger

src/plugin_system/core/stream_tool_history.py

@@ -4,11 +4,13 @@
 """
 
 import time
-from typing import Any, Optional
-from dataclasses import dataclass, asdict, field
+from dataclasses import dataclass, field
+from typing import Any
+
 import orjson
-from src.common.logger import get_logger
+
 from src.common.cache_manager import tool_cache
+from src.common.logger import get_logger
 
 logger = get_logger("stream_tool_history")
 
@@ -18,10 +20,10 @@ class ToolCallRecord:
     """工具调用记录"""
     tool_name: str
     args: dict[str, Any]
-    result: Optional[dict[str, Any]] = None
+    result: dict[str, Any] | None = None
     status: str = "success"  # success, error, pending
     timestamp: float = field(default_factory=time.time)
-    execution_time: Optional[float] = None  # 执行耗时(秒)
+    execution_time: float | None = None  # 执行耗时(秒)
     cache_hit: bool = False  # 是否命中缓存
     result_preview: str = ""  # 结果预览
     error_message: str = ""  # 错误信息
@@ -32,9 +34,9 @@ class ToolCallRecord:
             content = self.result.get("content", "")
             if isinstance(content, str):
                 self.result_preview = content[:500] + ("..." if len(content) > 500 else "")
-            elif isinstance(content, (list, dict)):
+            elif isinstance(content, list | dict):
                 try:
-                    self.result_preview = orjson.dumps(content, option=orjson.OPT_NON_STR_KEYS).decode('utf-8')[:500] + "..."
+                    self.result_preview = orjson.dumps(content, option=orjson.OPT_NON_STR_KEYS).decode("utf-8")[:500] + "..."
                 except Exception:
                     self.result_preview = str(content)[:500] + "..."
             else:
@@ -105,7 +107,7 @@ class StreamToolHistoryManager:
 
         logger.debug(f"[{self.chat_id}] 添加工具调用记录: {record.tool_name}, 缓存命中: {record.cache_hit}")
 
-    async def get_cached_result(self, tool_name: str, args: dict[str, Any]) -> Optional[dict[str, Any]]:
+    async def get_cached_result(self, tool_name: str, args: dict[str, Any]) -> dict[str, Any] | None:
         """从缓存或历史记录中获取结果
 
         Args:
@@ -160,9 +162,9 @@ class StreamToolHistoryManager:
         return None
 
     async def cache_result(self, tool_name: str, args: dict[str, Any], result: dict[str, Any],
-                          execution_time: Optional[float] = None,
-                          tool_file_path: Optional[str] = None,
-                          ttl: Optional[int] = None) -> None:
+                          execution_time: float | None = None,
+                          tool_file_path: str | None = None,
+                          ttl: int | None = None) -> None:
         """缓存工具调用结果
 
         Args:
@@ -207,7 +209,7 @@ class StreamToolHistoryManager:
         except Exception as e:
             logger.warning(f"[{self.chat_id}] 缓存设置失败: {e}")
 
-    async def get_recent_history(self, count: int = 5, status_filter: Optional[str] = None) -> list[ToolCallRecord]:
+    async def get_recent_history(self, count: int = 5, status_filter: str | None = None) -> list[ToolCallRecord]:
         """获取最近的历史记录
 
         Args:
@@ -295,7 +297,7 @@ class StreamToolHistoryManager:
         self._history.clear()
         logger.info(f"[{self.chat_id}] 工具历史记录已清除")
 
-    def _search_memory_cache(self, tool_name: str, args: dict[str, Any]) -> Optional[dict[str, Any]]:
+    def _search_memory_cache(self, tool_name: str, args: dict[str, Any]) -> dict[str, Any] | None:
         """在内存历史记录中搜索缓存
 
         Args:
@@ -333,7 +335,7 @@ class StreamToolHistoryManager:
 
         return tool_path_mapping.get(tool_name, f"src/plugins/tools/{tool_name}.py")
 
-    def _extract_semantic_query(self, tool_name: str, args: dict[str, Any]) -> Optional[str]:
+    def _extract_semantic_query(self, tool_name: str, args: dict[str, Any]) -> str | None:
         """提取语义查询参数
 
         Args:
@@ -370,7 +372,7 @@ class StreamToolHistoryManager:
             return ""
 
         try:
-            args_str = orjson.dumps(args, option=orjson.OPT_SORT_KEYS).decode('utf-8')
+            args_str = orjson.dumps(args, option=orjson.OPT_SORT_KEYS).decode("utf-8")
             if len(args_str) > max_length:
                 args_str = args_str[:max_length] + "..."
             return args_str
@@ -411,4 +413,4 @@ def cleanup_stream_manager(chat_id: str) -> None:
     """
     if chat_id in _stream_managers:
         del _stream_managers[chat_id]
-        logger.info(f"已清理聊天 {chat_id} 的工具历史记录管理器")
+        logger.info(f"已清理聊天 {chat_id} 的工具历史记录管理器")

src/plugin_system/core/tool_use.py

@@ -1,5 +1,6 @@
 import inspect
 import time
+from dataclasses import asdict
 from typing import Any
 
 from src.chat.utils.prompt import Prompt, global_prompt_manager
@@ -10,8 +11,7 @@ from src.llm_models.utils_model import LLMRequest
 from src.plugin_system.apis.tool_api import get_llm_available_tool_definitions, get_tool_instance
 from src.plugin_system.base.base_tool import BaseTool
 from src.plugin_system.core.global_announcement_manager import global_announcement_manager
-from src.plugin_system.core.stream_tool_history import get_stream_tool_history_manager, ToolCallRecord
-from dataclasses import asdict
+from src.plugin_system.core.stream_tool_history import ToolCallRecord, get_stream_tool_history_manager
 
 logger = get_logger("tool_use")
 
@@ -140,7 +140,7 @@ class ToolExecutor:
 
         # 构建工具调用历史文本
         tool_history = self.history_manager.format_for_prompt(max_records=5, include_results=True)
-        
+
         # 获取人设信息
         personality_core = global_config.personality.personality_core
         personality_side = global_config.personality.personality_side
@@ -197,7 +197,7 @@ class ToolExecutor:
 
         return tool_definitions
 
-  
+
     async def execute_tool_calls(self, tool_calls: list[ToolCall] | None) -> tuple[list[dict[str, Any]], list[str]]:
         """执行工具调用
 
@@ -338,9 +338,8 @@ class ToolExecutor:
         if tool_instance and result and tool_instance.enable_cache:
             try:
                 tool_file_path = inspect.getfile(tool_instance.__class__)
-                semantic_query = None
                 if tool_instance.semantic_cache_query_key:
-                    semantic_query = function_args.get(tool_instance.semantic_cache_query_key)
+                    function_args.get(tool_instance.semantic_cache_query_key)
 
                 await self.history_manager.cache_result(
                     tool_name=tool_call.func_name,

src/plugins/built_in/affinity_flow_chatter/core/affinity_interest_calculator.py

@@ -122,7 +122,7 @@ class AffinityInterestCalculator(BaseInterestCalculator):
                 + relationship_score * self.score_weights["relationship"]
                 + mentioned_score * self.score_weights["mentioned"]
             )
-            
+
             # 限制总分上限为1.0，确保分数在合理范围内
             total_score = min(raw_total_score, 1.0)
 
@@ -131,7 +131,7 @@ class AffinityInterestCalculator(BaseInterestCalculator):
                 f"{relationship_score:.3f}*{self.score_weights['relationship']} + "
                 f"{mentioned_score:.3f}*{self.score_weights['mentioned']} = {raw_total_score:.3f}"
             )
-            
+
             if raw_total_score > 1.0:
                 logger.debug(f"[Affinity兴趣计算] 原始分数 {raw_total_score:.3f} 超过1.0，已限制为 {total_score:.3f}")
 
@@ -217,7 +217,7 @@ class AffinityInterestCalculator(BaseInterestCalculator):
                 return 0.0
 
         except asyncio.TimeoutError:
-            logger.warning(f"⏱️ 兴趣匹配计算超时(>1.5秒)，返回默认分值0.5以保留其他分数")
+            logger.warning("⏱️ 兴趣匹配计算超时(>1.5秒)，返回默认分值0.5以保留其他分数")
             return 0.5  # 超时时返回默认分值，避免丢失提及分和关系分
         except Exception as e:
             logger.warning(f"智能兴趣匹配失败: {e}")
@@ -251,19 +251,19 @@ class AffinityInterestCalculator(BaseInterestCalculator):
 
     def _calculate_mentioned_score(self, message: "DatabaseMessages", bot_nickname: str) -> float:
         """计算提及分 - 区分强提及和弱提及
-        
+
         强提及（被@、被回复、私聊）: 使用 strong_mention_interest_score
         弱提及（文本匹配名字/别名）: 使用 weak_mention_interest_score
         """
         from src.chat.utils.utils import is_mentioned_bot_in_message
-        
+
         # 使用统一的提及检测函数
         is_mentioned, mention_type = is_mentioned_bot_in_message(message)
-        
+
         if not is_mentioned:
             logger.debug("[提及分计算] 未提及机器人，返回0.0")
             return 0.0
-        
+
         # mention_type: 0=未提及, 1=弱提及, 2=强提及
         if mention_type >= 2:
             # 强提及：被@、被回复、私聊
@@ -281,22 +281,22 @@ class AffinityInterestCalculator(BaseInterestCalculator):
 
     def _apply_no_reply_threshold_adjustment(self) -> tuple[float, float]:
         """应用阈值调整（包括连续不回复和回复后降低机制）
-        
+
         Returns:
             tuple[float, float]: (调整后的回复阈值, 调整后的动作阈值)
         """
         # 基础阈值
         base_reply_threshold = self.reply_threshold
         base_action_threshold = global_config.affinity_flow.non_reply_action_interest_threshold
-        
+
         total_reduction = 0.0
-        
+
         # 1. 连续不回复的阈值降低
         if self.no_reply_count > 0 and self.no_reply_count < self.max_no_reply_count:
             no_reply_reduction = self.no_reply_count * self.probability_boost_per_no_reply
             total_reduction += no_reply_reduction
             logger.debug(f"[阈值调整] 连续不回复降低: {no_reply_reduction:.3f} (计数: {self.no_reply_count})")
-        
+
         # 2. 回复后的阈值降低（使bot更容易连续对话）
         if self.enable_post_reply_boost and self.post_reply_boost_remaining > 0:
             # 计算衰减后的降低值
@@ -309,16 +309,16 @@ class AffinityInterestCalculator(BaseInterestCalculator):
                 f"[阈值调整] 回复后降低: {post_reply_reduction:.3f} "
                 f"(剩余次数: {self.post_reply_boost_remaining}, 衰减: {decay_factor:.2f})"
             )
-        
+
         # 应用总降低量
         adjusted_reply_threshold = max(0.0, base_reply_threshold - total_reduction)
         adjusted_action_threshold = max(0.0, base_action_threshold - total_reduction)
-        
+
         return adjusted_reply_threshold, adjusted_action_threshold
-    
+
     def _apply_no_reply_boost(self, base_score: float) -> float:
         """【已弃用】应用连续不回复的概率提升
-        
+
         注意：此方法已被 _apply_no_reply_threshold_adjustment 替代
         保留用于向后兼容
         """
@@ -388,7 +388,7 @@ class AffinityInterestCalculator(BaseInterestCalculator):
             self.no_reply_count = 0
         else:
             self.no_reply_count = min(self.no_reply_count + 1, self.max_no_reply_count)
-    
+
     def on_reply_sent(self):
         """当机器人发送回复后调用，激活回复后阈值降低机制"""
         if self.enable_post_reply_boost:
@@ -399,16 +399,16 @@ class AffinityInterestCalculator(BaseInterestCalculator):
             )
             # 同时重置不回复计数
             self.no_reply_count = 0
-    
+
     def on_message_processed(self, replied: bool):
         """消息处理完成后调用，更新各种计数器
-        
+
         Args:
             replied: 是否回复了此消息
         """
         # 更新不回复计数
         self.update_no_reply_count(replied)
-        
+
         # 如果已回复，激活回复后降低机制
         if replied:
             self.on_reply_sent()

src/plugins/built_in/affinity_flow_chatter/planner/__init__.py

@@ -4,10 +4,10 @@ AffinityFlow Chatter 规划器模块
 包含计划生成、过滤、执行等规划相关功能
 """
 
+from . import planner_prompts
 from .plan_executor import ChatterPlanExecutor
 from .plan_filter import ChatterPlanFilter
 from .plan_generator import ChatterPlanGenerator
 from .planner import ChatterActionPlanner
-from . import planner_prompts
 
-__all__ = ["ChatterActionPlanner", "planner_prompts", "ChatterPlanGenerator", "ChatterPlanFilter", "ChatterPlanExecutor"]
+__all__ = ["ChatterActionPlanner", "ChatterPlanExecutor", "ChatterPlanFilter", "ChatterPlanGenerator", "planner_prompts"]

src/plugins/built_in/affinity_flow_chatter/planner/plan_filter.py

@@ -14,9 +14,7 @@ from json_repair import repair_json
 # 旧的Hippocampus系统已被移除，现在使用增强记忆系统
 # from src.chat.memory_system.enhanced_memory_manager import enhanced_memory_manager
 from src.chat.utils.chat_message_builder import (
-    build_readable_actions,
     build_readable_messages_with_id,
-    get_actions_by_timestamp_with_chat,
 )
 from src.chat.utils.prompt import global_prompt_manager
 from src.common.data_models.info_data_model import ActionPlannerInfo, Plan
@@ -646,7 +644,7 @@ class ChatterPlanFilter:
                 memory_manager = get_memory_manager()
                 if not memory_manager:
                     return "记忆系统未初始化。"
-                    
+
                 # 将关键词转换为查询字符串
                 query = " ".join(keywords)
                 enhanced_memories = await memory_manager.search_memories(

src/plugins/built_in/affinity_flow_chatter/planner/planner.py

@@ -21,7 +21,6 @@ if TYPE_CHECKING:
     from src.common.data_models.message_manager_data_model import StreamContext
 
 # 导入提示词模块以确保其被初始化
-from src.plugins.built_in.affinity_flow_chatter.planner import planner_prompts
 
 logger = get_logger("planner")
 
@@ -159,10 +158,10 @@ class ChatterActionPlanner:
                     action_data={},
                     action_message=None,
                 )
-                
+
                 # 更新连续不回复计数
                 await self._update_interest_calculator_state(replied=False)
-                
+
                 initial_plan = await self.generator.generate(chat_mode)
                 filtered_plan = initial_plan
                 filtered_plan.decided_actions = [no_action]
@@ -270,7 +269,7 @@ class ChatterActionPlanner:
         try:
             # Normal模式开始时，刷新缓存消息到未读列表
             await self._flush_cached_messages_to_unread(context)
-            
+
             unread_messages = context.get_unread_messages() if context else []
 
             if not unread_messages:
@@ -347,7 +346,7 @@ class ChatterActionPlanner:
                 self._update_stats_from_execution_result(execution_result)
 
                 logger.info("Normal模式: 执行reply动作完成")
-                
+
                 # 更新兴趣计算器状态（回复成功，重置不回复计数）
                 await self._update_interest_calculator_state(replied=True)
 
@@ -465,7 +464,7 @@ class ChatterActionPlanner:
 
     async def _update_interest_calculator_state(self, replied: bool) -> None:
         """更新兴趣计算器状态（连续不回复计数和回复后降低机制）
-        
+
         Args:
             replied: 是否回复了消息
         """
@@ -504,36 +503,36 @@ class ChatterActionPlanner:
 
     async def _flush_cached_messages_to_unread(self, context: "StreamContext | None") -> list:
         """在planner开始时将缓存消息刷新到未读消息列表
-        
+
         此方法在动作修改器执行后、生成初始计划前调用，确保计划阶段能看到所有积累的消息。
-        
+
         Args:
             context: 流上下文
-            
+
         Returns:
             list: 刷新的消息列表
         """
         if not context:
             return []
-            
+
         try:
             from src.chat.message_manager.message_manager import message_manager
-            
+
             stream_id = context.stream_id
-            
+
             if message_manager.is_running and message_manager.has_cached_messages(stream_id):
                 # 获取缓存消息
                 cached_messages = message_manager.flush_cached_messages(stream_id)
-                
+
                 if cached_messages:
                     # 直接添加到上下文的未读消息列表
                     for message in cached_messages:
                         context.unread_messages.append(message)
                     logger.info(f"Planner开始前刷新缓存消息到未读列表: stream={stream_id}, 数量={len(cached_messages)}")
                     return cached_messages
-                    
+
             return []
-            
+
         except ImportError:
             logger.debug("MessageManager不可用，跳过缓存刷新")
             return []

src/plugins/built_in/affinity_flow_chatter/proactive/__init__.py

@@ -9,9 +9,9 @@ from .proactive_thinking_executor import execute_proactive_thinking
 from .proactive_thinking_scheduler import ProactiveThinkingScheduler, proactive_thinking_scheduler
 
 __all__ = [
-    "ProactiveThinkingReplyHandler",
     "ProactiveThinkingMessageHandler",
-    "execute_proactive_thinking",
+    "ProactiveThinkingReplyHandler",
     "ProactiveThinkingScheduler",
+    "execute_proactive_thinking",
     "proactive_thinking_scheduler",
 ]

src/plugins/built_in/affinity_flow_chatter/proactive/proactive_thinking_executor.py

@@ -3,7 +3,6 @@
 当定时任务触发时，负责搜集信息、调用LLM决策、并根据决策生成回复
 """
 
-import orjson
 from datetime import datetime
 from typing import Any, Literal
 

src/plugins/built_in/maizone_refactored/services/content_service.py

@@ -14,7 +14,6 @@ from maim_message import UserInfo
 
 from src.chat.message_receive.chat_stream import get_chat_manager
 from src.common.logger import get_logger
-from src.config.api_ada_configs import TaskConfig
 from src.llm_models.utils_model import LLMRequest
 from src.plugin_system.apis import config_api, generator_api, llm_api
 
@@ -320,7 +319,7 @@ class ContentService:
             - 禁止在说说中直接、完整地提及当前的年月日，除非日期有特殊含义，但也尽量用节日名/节气名字代替。
 
             2. **严禁重复**：下方会提供你最近发过的说说历史，你必须创作一条全新的、与历史记录内容和主题都不同的说说。
-            
+
             **其他的禁止的内容以及说明**：
             - 绝对禁止提及当下具体几点几分的时间戳。
             - 绝对禁止攻击性内容和过度的负面情绪。

src/plugins/built_in/maizone_refactored/services/qzone_service.py

@@ -136,10 +136,10 @@ class QZoneService:
         logger.info(f"[DEBUG] 准备获取API客户端，qq_account={qq_account}")
         api_client = await self._get_api_client(qq_account, stream_id)
         if not api_client:
-            logger.error(f"[DEBUG] API客户端获取失败，返回错误")
+            logger.error("[DEBUG] API客户端获取失败，返回错误")
             return {"success": False, "message": "获取QZone API客户端失败"}
 
-        logger.info(f"[DEBUG] API客户端获取成功，准备读取说说")
+        logger.info("[DEBUG] API客户端获取成功，准备读取说说")
         num_to_read = self.get_config("read.read_number", 5)
 
         # 尝试执行，如果Cookie失效则自动重试一次
@@ -186,7 +186,7 @@ class QZoneService:
 
                 # 检查是否是Cookie失效（-3000错误）
                 if "错误码: -3000" in error_msg and retry_count == 0:
-                    logger.warning(f"检测到Cookie失效（-3000错误），准备删除缓存并重试...")
+                    logger.warning("检测到Cookie失效（-3000错误），准备删除缓存并重试...")
 
                     # 删除Cookie缓存文件
                     cookie_file = self.cookie_service._get_cookie_file_path(qq_account)
@@ -623,7 +623,7 @@ class QZoneService:
             logger.error(f"获取API客户端失败：Cookie中缺少关键的 'p_skey'。Cookie内容: {cookies}")
             return None
 
-        logger.info(f"[DEBUG] p_skey获取成功")
+        logger.info("[DEBUG] p_skey获取成功")
 
         gtk = self._generate_gtk(p_skey)
         uin = cookies.get("uin", "").lstrip("o")
@@ -1230,7 +1230,7 @@ class QZoneService:
                 logger.error(f"监控好友动态失败: {e}", exc_info=True)
                 return []
 
-        logger.info(f"[DEBUG] API客户端构造完成，返回包含6个方法的字典")
+        logger.info("[DEBUG] API客户端构造完成，返回包含6个方法的字典")
         return {
             "publish": _publish,
             "list_feeds": _list_feeds,

src/plugins/built_in/maizone_refactored/services/reply_tracker_service.py

@@ -3,11 +3,12 @@
 负责记录和管理已回复过的评论ID，避免重复回复
 """
 
-import orjson
 import time
 from pathlib import Path
 from typing import Any
 
+import orjson
+
 from src.common.logger import get_logger
 
 logger = get_logger("MaiZone.ReplyTrackerService")
@@ -117,8 +118,8 @@ class ReplyTrackerService:
             temp_file = self.reply_record_file.with_suffix(".tmp")
 
             # 先写入临时文件
-            with open(temp_file, "w", encoding="utf-8") as f:
-                orjson.dumps(self.replied_comments, option=orjson.OPT_INDENT_2 | orjson.OPT_NON_STR_KEYS).decode('utf-8')
+            with open(temp_file, "w", encoding="utf-8"):
+                orjson.dumps(self.replied_comments, option=orjson.OPT_INDENT_2 | orjson.OPT_NON_STR_KEYS).decode("utf-8")
 
             # 如果写入成功，重命名为正式文件
             if temp_file.stat().st_size > 0:  # 确保写入成功

src/plugins/built_in/napcat_adapter_plugin/src/send_handler.py

@@ -1,7 +1,6 @@
 import orjson
 import random
 import time
-import random
 import websockets as Server
 import uuid
 from maim_message import (
@@ -205,7 +204,7 @@ class SendHandler:
             # 发送响应回MoFox-Bot
             logger.debug(f"[DEBUG handle_adapter_command] 即将调用send_adapter_command_response, request_id={request_id}")
             await self.send_adapter_command_response(raw_message_base, response, request_id)
-            logger.debug(f"[DEBUG handle_adapter_command] send_adapter_command_response调用完成")
+            logger.debug("[DEBUG handle_adapter_command] send_adapter_command_response调用完成")
 
             if response.get("status") == "ok":
                 logger.info(f"适配器命令 {action} 执行成功")

src/plugins/built_in/web_search_tool/engines/metaso_engine.py

@@ -1,10 +1,10 @@
 """
 Metaso Search Engine (Chat Completions Mode)
 """
-import orjson
 from typing import Any
 
 import httpx
+import orjson
 
 from src.common.logger import get_logger
 from src.plugin_system.apis import config_api

src/plugins/built_in/web_search_tool/engines/serper_engine.py

@@ -3,9 +3,10 @@ Serper search engine implementation
 Google Search via Serper.dev API
 """
 
-import aiohttp
 from typing import Any
 
+import aiohttp
+
 from src.common.logger import get_logger
 from src.plugin_system.apis import config_api
 

src/plugins/built_in/web_search_tool/plugin.py

@@ -5,7 +5,7 @@ Web Search Tool Plugin
 """
 
 from src.common.logger import get_logger
-from src.plugin_system import BasePlugin, ComponentInfo, ConfigField, PythonDependency, register_plugin
+from src.plugin_system import BasePlugin, ComponentInfo, ConfigField, register_plugin
 from src.plugin_system.apis import config_api
 
 from .tools.url_parser import URLParserTool

src/plugins/built_in/web_search_tool/tools/web_search.py

@@ -113,7 +113,7 @@ class WebSurfingTool(BaseTool):
                 custom_args["num_results"] = custom_args.get("num_results", 5)
 
                 # 如果启用了answer模式且是Exa引擎，使用answer_search方法
-                if answer_mode and engine_name == "exa" and hasattr(engine, 'answer_search'):
+                if answer_mode and engine_name == "exa" and hasattr(engine, "answer_search"):
                     search_tasks.append(engine.answer_search(custom_args))
                 else:
                     search_tasks.append(engine.search(custom_args))
@@ -162,7 +162,7 @@ class WebSurfingTool(BaseTool):
                 custom_args["num_results"] = custom_args.get("num_results", 5)
 
                 # 如果启用了answer模式且是Exa引擎，使用answer_search方法
-                if answer_mode and engine_name == "exa" and hasattr(engine, 'answer_search'):
+                if answer_mode and engine_name == "exa" and hasattr(engine, "answer_search"):
                     logger.info("使用Exa答案模式进行搜索（fallback策略）")
                     results = await engine.answer_search(custom_args)
                 else:
@@ -195,7 +195,7 @@ class WebSurfingTool(BaseTool):
                 custom_args["num_results"] = custom_args.get("num_results", 5)
 
                 # 如果启用了answer模式且是Exa引擎，使用answer_search方法
-                if answer_mode and engine_name == "exa" and hasattr(engine, 'answer_search'):
+                if answer_mode and engine_name == "exa" and hasattr(engine, "answer_search"):
                     logger.info("使用Exa答案模式进行搜索")
                     results = await engine.answer_search(custom_args)
                 else:

src/schedule/unified_scheduler.py

@@ -266,13 +266,13 @@ class UnifiedScheduler:
                 name=f"execute_{task.task_name}"
             )
             execution_tasks.append(execution_task)
-            
+
             # 追踪正在执行的任务，以便在 remove_schedule 时可以取消
             self._executing_tasks[task.schedule_id] = execution_task
 
         # 等待所有任务完成（使用 return_exceptions=True 避免单个任务失败影响其他任务）
         results = await asyncio.gather(*execution_tasks, return_exceptions=True)
-        
+
         # 清理执行追踪
         for task in tasks_to_trigger:
             self._executing_tasks.pop(task.schedule_id, None)
@@ -515,7 +515,7 @@ class UnifiedScheduler:
 
     async def remove_schedule(self, schedule_id: str) -> bool:
         """移除调度任务
-        
+
         如果任务正在执行，会取消执行中的任务
         """
         async with self._lock:
@@ -524,7 +524,7 @@ class UnifiedScheduler:
                 return False
 
             task = self._tasks[schedule_id]
-            
+
             # 检查是否有正在执行的任务
             executing_task = self._executing_tasks.get(schedule_id)
             if executing_task and not executing_task.done():

src/utils/json_parser.py

@@ -19,42 +19,42 @@ logger = get_logger(__name__)
 def extract_and_parse_json(response: str, *, strict: bool = False) -> dict[str, Any] | list | None:
     """
     从 LLM 响应中提取并解析 JSON
-    
+
     处理策略：
     1. 清理 Markdown 代码块标记（```json 和 ```）
     2. 提取 JSON 对象或数组
     3. 使用 json_repair 修复格式问题
     4. 解析为 Python 对象
-    
+
     Args:
         response: LLM 响应字符串
         strict: 严格模式，如果为 True 则解析失败时返回 None，否则尝试容错处理
-        
+
     Returns:
         解析后的 dict 或 list，失败时返回 None
-        
+
     Examples:
         >>> extract_and_parse_json('```json\\n{"key": "value"}\\n```')
         {'key': 'value'}
-        
+
         >>> extract_and_parse_json('Some text {"key": "value"} more text')
         {'key': 'value'}
-        
+
         >>> extract_and_parse_json('[{"a": 1}, {"b": 2}]')
         [{'a': 1}, {'b': 2}]
     """
     if not response:
         logger.debug("空响应，无法解析 JSON")
         return None
-    
+
     try:
         # 步骤 1: 清理响应
         cleaned = _clean_llm_response(response)
-        
+
         if not cleaned:
             logger.warning("清理后的响应为空")
             return None
-        
+
         # 步骤 2: 尝试直接解析
         try:
             result = orjson.loads(cleaned)
@@ -62,11 +62,11 @@ def extract_and_parse_json(response: str, *, strict: bool = False) -> dict[str,
             return result
         except Exception as direct_error:
             logger.debug(f"直接解析失败: {type(direct_error).__name__}: {direct_error}")
-        
+
         # 步骤 3: 使用 json_repair 修复并解析
         try:
             repaired = repair_json(cleaned)
-            
+
             # repair_json 可能返回字符串或已解析的对象
             if isinstance(repaired, str):
                 result = orjson.loads(repaired)
@@ -74,16 +74,16 @@ def extract_and_parse_json(response: str, *, strict: bool = False) -> dict[str,
             else:
                 result = repaired
                 logger.debug(f"✅ JSON 修复后解析成功（对象模式），类型: {type(result).__name__}")
-            
+
             return result
-            
+
         except Exception as repair_error:
             logger.warning(f"JSON 修复失败: {type(repair_error).__name__}: {repair_error}")
-            
+
             if strict:
                 logger.error(f"严格模式下解析失败，响应片段: {cleaned[:200]}")
                 return None
-            
+
             # 最后的容错尝试：返回空字典或空列表
             if cleaned.strip().startswith("["):
                 logger.warning("返回空列表作为容错")
@@ -91,7 +91,7 @@ def extract_and_parse_json(response: str, *, strict: bool = False) -> dict[str,
             else:
                 logger.warning("返回空字典作为容错")
                 return {}
-                
+
     except Exception as e:
         logger.error(f"❌ JSON 解析过程出现异常: {type(e).__name__}: {e}")
         if strict:
@@ -102,37 +102,37 @@ def extract_and_parse_json(response: str, *, strict: bool = False) -> dict[str,
 def _clean_llm_response(response: str) -> str:
     """
     清理 LLM 响应，提取 JSON 部分
-    
+
     处理步骤：
     1. 移除 Markdown 代码块标记（```json 和 ```）
     2. 提取第一个完整的 JSON 对象 {...} 或数组 [...]
     3. 清理多余的空格和换行
-    
+
     Args:
         response: 原始 LLM 响应
-        
+
     Returns:
         清理后的 JSON 字符串
     """
     if not response:
         return ""
-    
+
     cleaned = response.strip()
-    
+
     # 移除 Markdown 代码块标记
     # 匹配 ```json ... ``` 或 ``` ... ```
     code_block_patterns = [
         r"```json\s*(.*?)```",  # ```json ... ```
         r"```\s*(.*?)```",      # ``` ... ```
     ]
-    
+
     for pattern in code_block_patterns:
         match = re.search(pattern, cleaned, re.IGNORECASE | re.DOTALL)
         if match:
             cleaned = match.group(1).strip()
             logger.debug(f"从 Markdown 代码块中提取内容，长度: {len(cleaned)}")
             break
-    
+
     # 提取 JSON 对象或数组
     # 优先查找对象 {...}，其次查找数组 [...]
     for start_char, end_char in [("{", "}"), ("[", "]")]:
@@ -143,7 +143,7 @@ def _clean_llm_response(response: str) -> str:
             if extracted:
                 logger.debug(f"提取到 {start_char}...{end_char} 结构，长度: {len(extracted)}")
                 return extracted
-    
+
     # 如果没有找到明确的 JSON 结构，返回清理后的原始内容
     logger.debug("未找到明确的 JSON 结构，返回清理后的原始内容")
     return cleaned
@@ -152,39 +152,39 @@ def _clean_llm_response(response: str) -> str:
 def _extract_balanced_json(text: str, start_idx: int, start_char: str, end_char: str) -> str | None:
     """
     从指定位置提取平衡的 JSON 结构
-    
+
     使用栈匹配算法找到对应的结束符，处理嵌套和字符串中的特殊字符
-    
+
     Args:
         text: 源文本
         start_idx: 起始字符的索引
         start_char: 起始字符（{ 或 [）
         end_char: 结束字符（} 或 ]）
-        
+
     Returns:
         提取的 JSON 字符串，失败时返回 None
     """
     depth = 0
     in_string = False
     escape_next = False
-    
+
     for i in range(start_idx, len(text)):
         char = text[i]
-        
+
         # 处理转义字符
         if escape_next:
             escape_next = False
             continue
-        
+
         if char == "\\":
             escape_next = True
             continue
-        
+
         # 处理字符串
         if char == '"':
             in_string = not in_string
             continue
-        
+
         # 只在非字符串内处理括号
         if not in_string:
             if char == start_char:
@@ -194,7 +194,7 @@ def _extract_balanced_json(text: str, start_idx: int, start_char: str, end_char:
                 if depth == 0:
                     # 找到匹配的结束符
                     return text[start_idx : i + 1].strip()
-    
+
     # 没有找到匹配的结束符
     logger.debug(f"未找到匹配的 {end_char}，深度: {depth}")
     return None
@@ -203,11 +203,11 @@ def _extract_balanced_json(text: str, start_idx: int, start_char: str, end_char:
 def safe_parse_json(json_str: str, default: Any = None) -> Any:
     """
     安全解析 JSON，失败时返回默认值
-    
+
     Args:
         json_str: JSON 字符串
         default: 解析失败时返回的默认值
-        
+
     Returns:
         解析结果或默认值
     """
@@ -222,19 +222,19 @@ def safe_parse_json(json_str: str, default: Any = None) -> Any:
 def extract_json_field(response: str, field_name: str, default: Any = None) -> Any:
     """
     从 LLM 响应中提取特定字段的值
-    
+
     Args:
         response: LLM 响应
         field_name: 字段名
         default: 字段不存在时的默认值
-        
+
     Returns:
         字段值或默认值
     """
     parsed = extract_and_parse_json(response, strict=False)
-    
+
     if isinstance(parsed, dict):
         return parsed.get(field_name, default)
-    
+
     logger.warning(f"解析结果不是字典，无法提取字段 '{field_name}'")
     return default

template/bot_config_template.toml

@@ -1,5 +1,5 @@
 [inner]
-version = "7.6.4"
+version = "7.6.5"
 
 #----以下是给开发人员阅读的，如果你只是部署了MoFox-Bot，不需要阅读----
 #如果你想要修改配置文件，请递增version的值
@@ -478,9 +478,10 @@ exa_api_keys = ["None"]# EXA API密钥列表，支持轮询机制
 metaso_api_keys = ["None"]# Metaso API密钥列表，支持轮询机制
 searxng_instances = [] # SearXNG 实例 URL 列表
 searxng_api_keys = []# SearXNG 实例 API 密钥列表
+serper_api_keys = []# serper API 密钥列表
 
 # 搜索引擎配置
-enabled_engines = ["ddg"] # 启用的搜索引擎列表，可选: "exa", "tavily", "ddg","bing", "metaso"
+enabled_engines = ["ddg"] # 启用的搜索引擎列表，可选: "exa", "tavily", "ddg","bing", "metaso","serper"
 search_strategy = "single" # 搜索策略: "single"(使用第一个可用引擎), "parallel"(并行使用所有启用的引擎), "fallback"(按顺序尝试，失败则尝试下一个)
 
 [cross_context] # 跨群聊/私聊上下文共享配置

tools/memory_visualizer/CHANGELOG.md

@@ -1,108 +0,0 @@
-# 🔄 更新日志 - 记忆图可视化工具
-
-## v1.1 - 2025-11-06
-
-### ✨ 新增功能
-
-1. **📂 文件选择器**
-   - 自动搜索所有可用的记忆图数据文件
-   - 支持在Web界面中切换不同的数据文件
-   - 显示文件大小、修改时间等信息
-   - 高亮显示当前使用的文件
-
-2. **🔍 智能文件搜索**
-   - 自动查找 `data/memory_graph/graph_store.json`
-   - 搜索所有备份文件 `graph_store_*.json`
-   - 搜索 `data/backup/` 目录下的历史数据
-   - 按修改时间排序,自动使用最新文件
-
-3. **📊 增强的文件信息显示**
-   - 在侧边栏显示当前文件信息
-   - 包含文件名、大小、修改时间
-   - 实时更新,方便追踪
-
-### 🔧 改进
-
-- 更友好的错误提示
-- 无数据文件时显示引导信息
-- 优化用户体验
-
-### 🎯 使用方法
-
-```bash
-# 启动可视化工具
-python run_visualizer_simple.py
-
-# 或直接运行
-python tools/memory_visualizer/visualizer_simple.py
-```
-
-在Web界面中:
-1. 点击侧边栏的 "选择文件" 按钮
-2. 浏览所有可用的数据文件
-3. 点击任意文件切换数据源
-4. 图形会自动重新加载
-
-### 📸 新界面预览
-
-侧边栏新增:
-```
-┌─────────────────────────┐
-│ 📂 数据文件              │
-│ ┌──────────┬──────────┐ │
-│ │ 选择文件 │ 刷新列表 │ │
-│ └──────────┴──────────┘ │
-│ ┌─────────────────────┐ │
-│ │ 📄 graph_store.json │ │
-│ │ 大小: 125 KB        │ │
-│ │ 修改: 2025-11-06    │ │
-│ └─────────────────────┘ │
-└─────────────────────────┘
-```
-
-文件选择对话框:
-```
-┌────────────────────────────────┐
-│ 📂 选择数据文件         [×]    │
-├────────────────────────────────┤
-│ ┌────────────────────────────┐ │
-│ │ 📄 graph_store.json [当前] │ │
-│ │ 125 KB | 2025-11-06 09:30  │ │
-│ └────────────────────────────┘ │
-│ ┌────────────────────────────┐ │
-│ │ 📄 graph_store_backup.json │ │
-│ │ 120 KB | 2025-11-05 18:00  │ │
-│ └────────────────────────────┘ │
-└────────────────────────────────┘
-```
-
----
-
-## v1.0 - 2025-11-06 (初始版本)
-
-### 🎉 首次发布
-
-- ✅ 基于Vis.js的交互式图形可视化
-- ✅ 节点类型颜色分类
-- ✅ 搜索和过滤功能
-- ✅ 统计信息显示
-- ✅ 节点详情查看
-- ✅ 数据导出功能
-- ✅ 独立版服务器(快速启动)
-- ✅ 完整版服务器(实时数据)
-
----
-
-## 🔮 计划中的功能 (v1.2+)
-
-- [ ] 时间轴视图 - 查看记忆随时间的变化
-- [ ] 3D可视化模式
-- [ ] 记忆重要性热力图
-- [ ] 关系强度可视化
-- [ ] 导出为图片/PDF
-- [ ] 记忆路径追踪
-- [ ] 多文件对比视图
-- [ ] 性能优化 - 支持更大规模图形
-- [ ] 移动端适配
-
-欢迎提出建议和需求! 🚀

tools/memory_visualizer/FILE_ORGANIZATION.md

@@ -1,163 +0,0 @@
-# 📁 可视化工具文件整理完成
-
-## ✅ 整理结果
-
-### 新的目录结构
-
-```
-tools/memory_visualizer/
-├── visualizer.ps1              ⭐ 统一启动脚本（主入口）
-├── visualizer_simple.py        # 独立版服务器
-├── visualizer_server.py        # 完整版服务器
-├── generate_sample_data.py     # 测试数据生成器
-├── test_visualizer.py          # 测试脚本
-├── run_visualizer.py           # Python 运行脚本（独立版）
-├── run_visualizer_simple.py    # Python 运行脚本（简化版）
-├── start_visualizer.bat        # Windows 批处理启动脚本
-├── start_visualizer.ps1        # PowerShell 启动脚本
-├── start_visualizer.sh         # Linux/Mac 启动脚本
-├── requirements.txt            # Python 依赖
-├── templates/                  # HTML 模板
-│   └── visualizer.html        # 可视化界面
-├── docs/                       # 文档目录
-│   ├── VISUALIZER_README.md
-│   ├── VISUALIZER_GUIDE.md
-│   └── VISUALIZER_INSTALL_COMPLETE.md
-├── README.md                   # 主说明文档
-├── QUICKSTART.md              # 快速开始指南
-└── CHANGELOG.md               # 更新日志
-```
-
-### 根目录保留文件
-
-```
-项目根目录/
-├── visualizer.ps1              # 快捷启动脚本（指向 tools/memory_visualizer/visualizer.ps1）
-└── tools/memory_visualizer/    # 所有可视化工具文件
-```
-
-## 🚀 使用方法
-
-### 推荐方式：使用统一启动脚本
-
-```powershell
-# 在项目根目录
-.\visualizer.ps1
-
-# 或在工具目录
-cd tools\memory_visualizer
-.\visualizer.ps1
-```
-
-### 命令行参数
-
-```powershell
-# 直接启动独立版（推荐）
-.\visualizer.ps1 -Simple
-
-# 启动完整版
-.\visualizer.ps1 -Full
-
-# 生成测试数据
-.\visualizer.ps1 -Generate
-
-# 运行测试
-.\visualizer.ps1 -Test
-```
-
-## 📋 整理内容
-
-### 已移动的文件
-
-从项目根目录移动到 `tools/memory_visualizer/`：
-
-1. **脚本文件**
-   - `generate_sample_data.py`
-   - `run_visualizer.py`
-   - `run_visualizer_simple.py`
-   - `test_visualizer.py`
-   - `start_visualizer.bat`
-   - `start_visualizer.ps1`
-   - `start_visualizer.sh`
-   - `visualizer.ps1`
-
-2. **文档文件** → `docs/` 子目录
-   - `VISUALIZER_GUIDE.md`
-   - `VISUALIZER_INSTALL_COMPLETE.md`
-   - `VISUALIZER_README.md`
-
-### 已创建的新文件
-
-1. **统一启动脚本**
-   - `tools/memory_visualizer/visualizer.ps1` - 功能齐全的统一入口
-
-2. **快捷脚本**
-   - `visualizer.ps1`（根目录）- 快捷方式，指向实际脚本
-
-3. **更新的文档**
-   - `tools/memory_visualizer/README.md` - 更新为反映新结构
-
-## 🎯 优势
-
-### 整理前的问题
-- ❌ 文件散落在根目录
-- ❌ 多个启动脚本功能重复
-- ❌ 文档分散不便管理
-- ❌ 不清楚哪个是主入口
-
-### 整理后的改进
-- ✅ 所有文件集中在 `tools/memory_visualizer/`
-- ✅ 单一统一的启动脚本 `visualizer.ps1`
-- ✅ 文档集中在 `docs/` 子目录
-- ✅ 清晰的主入口和快捷方式
-- ✅ 更好的可维护性
-
-## 📝 功能对比
-
-### 旧的方式（整理前）
-```powershell
-# 需要记住多个脚本名称
-.\start_visualizer.ps1
-.\run_visualizer.py
-.\run_visualizer_simple.py
-.\generate_sample_data.py
-```
-
-### 新的方式（整理后）
-```powershell
-# 只需要一个统一的脚本
-.\visualizer.ps1              # 交互式菜单
-.\visualizer.ps1 -Simple      # 启动独立版
-.\visualizer.ps1 -Generate    # 生成数据
-.\visualizer.ps1 -Test        # 运行测试
-```
-
-## 🔧 维护说明
-
-### 添加新功能
-1. 在 `tools/memory_visualizer/` 目录下添加新文件
-2. 如需启动选项，在 `visualizer.ps1` 中添加新参数
-3. 更新 `README.md` 文档
-
-### 更新文档
-1. 主文档：`tools/memory_visualizer/README.md`
-2. 详细文档：`tools/memory_visualizer/docs/`
-
-## ✅ 测试结果
-
-- ✅ 统一启动脚本正常工作
-- ✅ 独立版服务器成功启动（端口 5001）
-- ✅ 数据加载成功（725 节点，769 边）
-- ✅ Web 界面正常访问
-- ✅ 所有文件已整理到位
-
-## 📚 相关文档
-
-- [README](tools/memory_visualizer/README.md) - 主要说明文档
-- [QUICKSTART](tools/memory_visualizer/QUICKSTART.md) - 快速开始指南  
-- [CHANGELOG](tools/memory_visualizer/CHANGELOG.md) - 更新日志
-- [详细指南](tools/memory_visualizer/docs/VISUALIZER_GUIDE.md) - 完整使用指南
-
----
-
-整理完成时间：2025-11-06

tools/memory_visualizer/QUICKSTART.md

@@ -1,279 +0,0 @@
-# 记忆图可视化工具 - 快速入门指南
-
-## 🎯 方案选择
-
-我为你创建了**两个版本**的可视化工具:
-
-### 1️⃣ 独立版 (推荐 ⭐)
-- **文件**: `tools/memory_visualizer/visualizer_simple.py`
-- **优点**: 
-  - 直接读取存储文件,无需初始化完整系统
-  - 启动快速
-  - 占用资源少
-- **适用**: 快速查看已有记忆数据
-
-### 2️⃣ 完整版
-- **文件**: `tools/memory_visualizer/visualizer_server.py`
-- **优点**:
-  - 实时数据
-  - 支持更多功能
-- **缺点**: 
-  - 需要完整初始化记忆管理器
-  - 启动较慢
-
-## 🚀 快速开始
-
-### 步骤 1: 安装依赖
-
-**Windows (PowerShell):**
-```powershell
-# 依赖会自动检查和安装
-.\start_visualizer.ps1
-```
-
-**Windows (CMD):**
-```cmd
-start_visualizer.bat
-```
-
-**Linux/Mac:**
-```bash
-chmod +x start_visualizer.sh
-./start_visualizer.sh
-```
-
-**手动安装依赖:**
-```bash
-# 使用虚拟环境
-.\.venv\Scripts\python.exe -m pip install flask flask-cors
-
-# 或全局安装
-pip install flask flask-cors
-```
-
-### 步骤 2: 确保有数据
-
-如果还没有记忆数据,可以:
-
-**选项A**: 运行Bot生成实际数据
-```bash
-python bot.py
-# 与Bot交互一会儿,让它积累一些记忆
-```
-
-**选项B**: 生成测试数据 (如果测试脚本可用)
-```bash
-python test_visualizer.py
-# 选择选项 1: 生成测试数据
-```
-
-### 步骤 3: 启动可视化服务器
-
-**方式一: 使用启动脚本 (推荐 ⭐)**
-
-Windows PowerShell:
-```powershell
-.\start_visualizer.ps1
-```
-
-Windows CMD:
-```cmd
-start_visualizer.bat
-```
-
-Linux/Mac:
-```bash
-./start_visualizer.sh
-```
-
-**方式二: 手动启动**
-
-使用虚拟环境:
-```bash
-# Windows
-.\.venv\Scripts\python.exe tools/memory_visualizer/visualizer_simple.py
-
-# Linux/Mac
-.venv/bin/python tools/memory_visualizer/visualizer_simple.py
-```
-
-或使用系统Python:
-```bash
-python tools/memory_visualizer/visualizer_simple.py
-```
-
-服务器将在 http://127.0.0.1:5001 启动
-
-### 步骤 4: 打开浏览器
-
-访问对应的地址,开始探索记忆图! 🎉
-
-## 🎨 界面功能
-
-### 左侧栏
-
-1. **🔍 搜索框**
-   - 输入关键词搜索相关记忆
-   - 结果会在图中高亮显示
-
-2. **📊 统计信息**
-   - 节点总数
-   - 边总数
-   - 记忆总数
-   - 图密度
-
-3. **🎨 节点类型图例**
-   - 🔴 主体 (SUBJECT) - 记忆的主语
-   - 🔵 主题 (TOPIC) - 动作或状态
-   - 🟢 客体 (OBJECT) - 宾语
-   - 🟠 属性 (ATTRIBUTE) - 延伸属性
-   - 🟣 值 (VALUE) - 属性的具体值
-
-4. **🔧 过滤器**
-   - 勾选/取消勾选来显示/隐藏特定类型的节点
-   - 实时更新图形
-
-5. **ℹ️ 节点信息**
-   - 点击任意节点查看详细信息
-   - 显示节点类型、内容、创建时间等
-
-### 右侧主区域
-
-1. **控制按钮**
-   - 🔄 刷新图形: 重新加载最新数据
-   - 📐 适应窗口: 自动调整图形大小
-   - 💾 导出数据: 下载JSON格式的图数据
-
-2. **交互式图形**
-   - **拖动节点**: 点击并拖动单个节点
-   - **拖动画布**: 按住空白处拖动整个图形
-   - **缩放**: 使用鼠标滚轮放大/缩小
-   - **点击节点**: 查看详细信息
-   - **物理模拟**: 节点会自动排列,避免重叠
-
-## 🎮 操作技巧
-
-### 查看特定类型的节点
-1. 在左侧过滤器中取消勾选不需要的类型
-2. 图形会自动更新,只显示选中的类型
-
-### 查找特定记忆
-1. 在搜索框输入关键词(如: "小明", "吃饭")
-2. 点击"搜索"按钮
-3. 相关节点会被选中并自动聚焦
-
-### 整理混乱的图形
-1. 点击"适应窗口"按钮
-2. 或者刷新页面重新初始化布局
-
-### 导出数据进行分析
-1. 点击"导出数据"按钮
-2. JSON文件会自动下载
-3. 可以用于进一步的数据分析或备份
-
-## 🎯 示例场景
-
-### 场景1: 了解记忆图整体结构
-1. 启动可视化工具
-2. 观察不同颜色的节点分布
-3. 查看统计信息了解数量
-4. 使用过滤器逐个类型查看
-
-### 场景2: 追踪特定主题的记忆
-1. 在搜索框输入主题关键词(如: "学习")
-2. 点击搜索
-3. 查看高亮的相关节点
-4. 点击节点查看详情
-
-### 场景3: 调试记忆系统
-1. 创建一条新记忆
-2. 刷新可视化页面
-3. 查看新节点和边是否正确创建
-4. 验证节点类型和关系
-
-## 🐛 常见问题
-
-### Q: 页面显示空白或没有数据?
-**A**: 
-1. 检查是否有记忆数据: 查看 `data/memory_graph/` 目录
-2. 确保记忆系统已启用: 检查 `config/bot_config.toml` 中 `[memory] enable = true`
-3. 尝试生成一些测试数据
-
-### Q: 节点太多,看不清楚?
-**A**:
-1. 使用过滤器只显示某些类型
-2. 使用搜索功能定位特定节点
-3. 调整浏览器窗口大小,点击"适应窗口"
-
-### Q: 如何更新数据?
-**A**:
-- **独立版**: 点击"刷新图形"或访问 `/api/reload`
-- **完整版**: 点击"刷新图形"会自动加载最新数据
-
-### Q: 端口被占用怎么办?
-**A**: 修改启动脚本中的端口号:
-```python
-run_server(host='127.0.0.1', port=5002, debug=True)  # 改为其他端口
-```
-
-## 🎨 自定义配置
-
-### 修改节点颜色
-
-编辑 `templates/visualizer.html`,找到:
-
-```javascript
-const nodeColors = {
-    'SUBJECT': '#FF6B6B',    // 改为你喜欢的颜色
-    'TOPIC': '#4ECDC4',
-    // ...
-};
-```
-
-### 修改物理引擎参数
-
-在同一文件中找到 `physics` 配置:
-
-```javascript
-physics: {
-    barnesHut: {
-        gravitationalConstant: -8000,  // 调整引力
-        springLength: 150,             // 调整弹簧长度
-        // ...
-    }
-}
-```
-
-### 修改数据加载限制
-
-编辑对应的服务器文件,修改 `get_all_memories()` 的limit参数。
-
-## 📝 文件结构
-
-```
-tools/memory_visualizer/
-├── README.md                    # 详细文档
-├── requirements.txt             # 依赖列表
-├── visualizer_server.py         # 完整版服务器
-├── visualizer_simple.py         # 独立版服务器 ⭐
-└── templates/
-    └── visualizer.html          # Web界面模板
-
-run_visualizer.py                # 快速启动脚本
-test_visualizer.py              # 测试和演示脚本
-```
-
-## 🚀 下一步
-
-现在你可以:
-
-1. ✅ 启动可视化工具查看现有数据
-2. ✅ 与Bot交互生成更多记忆
-3. ✅ 使用可视化工具验证记忆结构
-4. ✅ 根据需要自定义样式和配置
-
-祝你使用愉快! 🎉
-
----
-
-如有问题,请查看 `tools/memory_visualizer/README.md` 获取更多帮助。

tools/memory_visualizer/README.md

@@ -1,201 +0,0 @@
-# 🦊 记忆图可视化工具
-
-一个交互式的 Web 可视化工具，用于查看和分析 MoFox Bot 的记忆图结构。
-
-## 📁 目录结构
-
-```
-tools/memory_visualizer/
-├── visualizer.ps1              # 统一启动脚本（主入口）⭐
-├── visualizer_simple.py        # 独立版服务器（推荐）
-├── visualizer_server.py        # 完整版服务器
-├── generate_sample_data.py     # 测试数据生成器
-├── test_visualizer.py          # 测试脚本
-├── requirements.txt            # Python 依赖
-├── templates/                  # HTML 模板
-│   └── visualizer.html        # 可视化界面
-├── docs/                       # 文档目录
-│   ├── VISUALIZER_README.md
-│   ├── VISUALIZER_GUIDE.md
-│   └── VISUALIZER_INSTALL_COMPLETE.md
-├── README.md                   # 本文件
-├── QUICKSTART.md              # 快速开始指南
-└── CHANGELOG.md               # 更新日志
-```
-
-## 🚀 快速开始
-
-### 方式 1：交互式菜单（推荐）
-
-```powershell
-# 在项目根目录运行
-.\visualizer.ps1
-
-# 或在工具目录运行
-cd tools\memory_visualizer
-.\visualizer.ps1
-```
-
-### 方式 2：命令行参数
-
-```powershell
-# 启动独立版（推荐，快速）
-.\visualizer.ps1 -Simple
-
-# 启动完整版（需要 MemoryManager）
-.\visualizer.ps1 -Full
-
-# 生成测试数据
-.\visualizer.ps1 -Generate
-
-# 运行测试
-.\visualizer.ps1 -Test
-
-# 查看帮助
-.\visualizer.ps1 -Help
-```
-
-## 📊 两个版本的区别
-
-### 独立版（Simple）- 推荐
-- ✅ **快速启动**：直接读取数据文件，无需初始化 MemoryManager
-- ✅ **轻量级**：只依赖 Flask 和 vis.js
-- ✅ **稳定**：不依赖主系统运行状态
-- 📌 **端口**：5001
-- 📁 **数据源**：`data/memory_graph/*.json`
-
-### 完整版（Full）
-- 🔄 **实时数据**：使用 MemoryManager 获取最新数据
-- 🔌 **集成**：与主系统深度集成
-- ⚡ **功能完整**：支持所有高级功能
-- 📌 **端口**：5000
-- 📁 **数据源**：MemoryManager
-
-## ✨ 主要功能
-
-1. **交互式图形可视化**
-   - 🎨 5 种节点类型（主体、主题、客体、属性、值）
-   - 🔗 完整路径高亮显示
-   - 🔍 点击节点查看连接关系
-   - 📐 自动布局和缩放
-
-2. **高级筛选**
-   - ☑️ 按节点类型筛选
-   - 🔎 关键词搜索
-   - 📊 统计信息实时更新
-
-3. **智能高亮**
-   - 💡 点击节点高亮所有连接路径（递归探索）
-   - 👻 无关节点变为半透明
-   - 🎯 自动聚焦到相关子图
-
-4. **物理引擎优化**
-   - 🚀 智能布局算法
-   - ⏱️ 自动停止防止持续运行
-   - 🔄 筛选后自动重新布局
-
-5. **数据管理**
-   - 📂 多文件选择器
-   - 💾 导出图形数据
-   - 🔄 实时刷新
-
-## 🔧 依赖安装
-
-脚本会自动检查并安装依赖，也可以手动安装：
-
-```powershell
-# 激活虚拟环境
-.\.venv\Scripts\Activate.ps1
-
-# 安装依赖
-pip install -r tools/memory_visualizer/requirements.txt
-```
-
-**所需依赖：**
-- Flask >= 2.3.0
-- flask-cors >= 4.0.0
-
-## 📖 使用说明
-
-### 1. 查看记忆图
-1. 启动服务器（推荐独立版）
-2. 在浏览器打开 http://127.0.0.1:5001
-3. 等待数据加载完成
-
-### 2. 探索连接关系
-1. **点击节点**：查看与该节点相关的所有连接路径
-2. **点击空白处**：恢复所有节点显示
-3. **使用筛选器**：按类型过滤节点
-
-### 3. 搜索记忆
-1. 在搜索框输入关键词
-2. 点击搜索按钮
-3. 相关节点会自动高亮
-
-### 4. 查看统计
-- 左侧面板显示实时统计信息
-- 节点数、边数、记忆数
-- 图密度等指标
-
-## 🎨 节点颜色说明
-
-- 🔴 **主体（SUBJECT）**：红色 (#FF6B6B)
-- 🔵 **主题（TOPIC）**：青色 (#4ECDC4)
-- 🟦 **客体（OBJECT）**：蓝色 (#45B7D1)
-- 🟠 **属性（ATTRIBUTE）**：橙色 (#FFA07A)
-- 🟢 **值（VALUE）**：绿色 (#98D8C8)
-
-## 🐛 常见问题
-
-### 问题 1：没有数据显示
-**解决方案：**
-1. 检查 `data/memory_graph/` 目录是否存在数据文件
-2. 运行 `.\visualizer.ps1 -Generate` 生成测试数据
-3. 确保 Bot 已经运行过并生成了记忆数据
-
-### 问题 2：物理引擎一直运行
-**解决方案：**
-- 新版本已修复此问题
-- 物理引擎会在稳定后自动停止（最多 5 秒）
-
-### 问题 3：筛选后节点排版错乱
-**解决方案：**
-- 新版本已修复此问题
-- 筛选后会自动重新布局
-
-### 问题 4：无法查看完整连接路径
-**解决方案：**
-- 新版本使用 BFS 算法递归探索所有连接
-- 点击节点即可查看完整路径
-
-## 📝 开发说明
-
-### 添加新功能
-1. 编辑 `visualizer_simple.py` 或 `visualizer_server.py`
-2. 修改 `templates/visualizer.html` 更新界面
-3. 更新 `requirements.txt` 添加新依赖
-4. 运行测试：`.\visualizer.ps1 -Test`
-
-### 调试
-```powershell
-# 启动 Flask 调试模式
-$env:FLASK_DEBUG = "1"
-python tools/memory_visualizer/visualizer_simple.py
-```
-
-## 📚 相关文档
-
-- [快速开始指南](QUICKSTART.md)
-- [更新日志](CHANGELOG.md)
-- [详细使用指南](docs/VISUALIZER_GUIDE.md)
-
-## 🆘 获取帮助
-
-遇到问题？
-1. 查看 [常见问题](#常见问题)
-2. 运行 `.\visualizer.ps1 -Help` 查看帮助
-3. 查看项目文档目录
-
-## 📄 许可证
-
-与 MoFox Bot 主项目相同

tools/memory_visualizer/README.md.bak

@@ -1,163 +0,0 @@
-# 🦊 MoFox Bot 记忆图可视化工具
-
-这是一个交互式的Web界面,用于可视化和探索MoFox Bot的记忆图结构。
-
-## ✨ 功能特性
-
-- **交互式图形可视化**: 使用Vis.js展示节点和边的关系
-- **实时数据**: 直接从记忆管理器读取最新数据
-- **节点类型分类**: 不同颜色区分不同类型的节点
-  - 🔴 主体 (SUBJECT)
-  - 🔵 主题 (TOPIC)
-  - 🟢 客体 (OBJECT)
-  - 🟠 属性 (ATTRIBUTE)
-  - 🟣 值 (VALUE)
-- **搜索功能**: 快速查找相关记忆
-- **过滤器**: 按节点类型过滤显示
-- **统计信息**: 实时显示图的统计数据
-- **节点详情**: 点击节点查看详细信息
-- **自由缩放拖动**: 支持图形的交互式操作
-- **数据导出**: 导出当前图形数据为JSON
-
-## 🚀 快速开始
-
-### 1. 安装依赖
-
-```bash
-pip install flask flask-cors
-```
-
-### 2. 启动服务器
-
-在项目根目录运行:
-
-```bash
-python tools/memory_visualizer/visualizer_server.py
-```
-
-或者使用便捷脚本:
-
-```bash
-python run_visualizer.py
-```
-
-### 3. 打开浏览器
-
-访问: http://127.0.0.1:5000
-
-## 📊 界面说明
-
-### 主界面布局
-
-```
-┌─────────────────────────────────────────────────┐
-│  侧边栏                  │  主内容区              │
-│  - 搜索框               │  - 控制按钮             │
-│  - 统计信息             │  - 图形显示             │
-│  - 节点类型图例          │                        │
-│  - 过滤器               │                        │
-│  - 节点详情             │                        │
-└─────────────────────────────────────────────────┘
-```
-
-### 操作说明
-
-- **🔍 搜索**: 在搜索框输入关键词,点击"搜索"按钮查找相关记忆
-- **🔄 刷新图形**: 重新加载最新的记忆图数据
-- **📐 适应窗口**: 自动调整图形大小以适应窗口
-- **💾 导出数据**: 将当前图形数据导出为JSON文件
-- **✅ 过滤器**: 勾选/取消勾选不同类型的节点来过滤显示
-- **👆 点击节点**: 点击任意节点查看详细信息
-- **🖱️ 拖动**: 按住鼠标拖动节点或整个图形
-- **🔍 缩放**: 使用鼠标滚轮缩放图形
-
-## 🔧 配置说明
-
-### 修改服务器配置
-
-在 `visualizer_server.py` 的最后:
-
-```python
-if __name__ == '__main__':
-    run_server(
-        host='127.0.0.1',  # 监听地址
-        port=5000,         # 端口号
-        debug=True         # 调试模式
-    )
-```
-
-### API端点
-
-- `GET /` - 主页面
-- `GET /api/graph/full` - 获取完整记忆图数据
-- `GET /api/memory/<memory_id>` - 获取特定记忆详情
-- `GET /api/search?q=<query>&limit=<n>` - 搜索记忆
-- `GET /api/stats` - 获取统计信息
-
-## 📝 技术栈
-
-- **后端**: Flask (Python Web框架)
-- **前端**: 
-  - Vis.js (图形可视化库)
-  - 原生JavaScript
-  - CSS3 (渐变、动画、响应式布局)
-- **数据**: 直接从MoFox Bot记忆管理器读取
-
-## 🐛 故障排除
-
-### 问题: 无法启动服务器
-
-**原因**: 记忆系统未启用或配置错误
-
-**解决**: 检查 `config/bot_config.toml` 确保:
-
-```toml
-[memory]
-enable = true
-data_dir = "data/memory_graph"
-```
-
-### 问题: 图形显示空白
-
-**原因**: 没有记忆数据
-
-**解决**: 
-1. 先运行Bot让其生成一些记忆
-2. 或者运行测试脚本生成测试数据
-
-### 问题: 节点太多,图形混乱
-
-**解决**: 
-1. 使用过滤器只显示某些类型的节点
-2. 使用搜索功能定位特定记忆
-3. 调整物理引擎参数(在visualizer.html中)
-
-## 🎨 自定义样式
-
-修改 `templates/visualizer.html` 中的样式定义:
-
-```javascript
-const nodeColors = {
-    'SUBJECT': '#FF6B6B',    // 主体颜色
-    'TOPIC': '#4ECDC4',      // 主题颜色
-    'OBJECT': '#45B7D1',     // 客体颜色
-    'ATTRIBUTE': '#FFA07A',  // 属性颜色
-    'VALUE': '#98D8C8'       // 值颜色
-};
-```
-
-## 📈 性能优化
-
-对于大型图形(>1000节点):
-
-1. **禁用物理引擎**: 在stabilization完成后自动禁用
-2. **限制显示节点**: 使用过滤器或搜索
-3. **分页加载**: 修改API使用分页
-
-## 🤝 贡献
-
-欢迎提交Issue和Pull Request!
-
-## 📄 许可
-
-与MoFox Bot主项目相同的许可证

tools/memory_visualizer/docs/VISUALIZER_INSTALL_COMPLETE.md

@@ -1,210 +0,0 @@
-# ✅ 记忆图可视化工具 - 安装完成
-
-## 🎉 恭喜！可视化工具已成功创建！
-
----
-
-## 📦 已创建的文件
-
-```
-Bot/
-├── visualizer.ps1 ⭐⭐⭐           # 统一启动脚本 (推荐使用)
-├── start_visualizer.ps1           # 独立版快速启动
-├── start_visualizer.bat           # CMD版启动脚本
-├── generate_sample_data.py        # 示例数据生成器
-├── VISUALIZER_README.md ⭐        # 快速参考指南
-├── VISUALIZER_GUIDE.md            # 完整使用指南
-└── tools/memory_visualizer/
-    ├── visualizer_simple.py ⭐    # 独立版服务器 (推荐)
-    ├── visualizer_server.py       # 完整版服务器
-    ├── README.md                  # 详细文档
-    ├── QUICKSTART.md              # 快速入门
-    ├── CHANGELOG.md               # 更新日志
-    └── templates/
-        └── visualizer.html ⭐     # 精美Web界面
-```
-
----
-
-## 🚀 立即开始 (3秒)
-
-### 方法 1: 使用统一启动脚本 (最简单 ⭐⭐⭐)
-
-```powershell
-.\visualizer.ps1
-```
-
-然后按提示选择:
-- **1** = 独立版 (推荐，快速)
-- **2** = 完整版 (实时数据)
-- **3** = 生成示例数据
-
-### 方法 2: 直接启动
-
-```powershell
-# 如果还没有数据，先生成
-.\.venv\Scripts\python.exe generate_sample_data.py
-
-# 启动可视化
-.\start_visualizer.ps1
-
-# 打开浏览器
-# http://127.0.0.1:5001
-```
-
----
-
-## 🎨 功能亮点
-
-### ✨ 核心功能
-- 🎯 **交互式图形**: 拖动、缩放、点击
-- 🎨 **颜色分类**: 5种节点类型自动上色
-- 🔍 **智能搜索**: 快速定位相关记忆
-- 🔧 **灵活过滤**: 按节点类型筛选
-- 📊 **实时统计**: 节点、边、记忆数量
-- 💾 **数据导出**: JSON格式导出
-
-### 📂 独立版特色 (推荐)
-- ⚡ **秒速启动**: 2秒内完成
-- 📁 **文件切换**: 浏览所有历史数据
-- 🔄 **自动搜索**: 智能查找数据文件
-- 💚 **低资源**: 占用资源极少
-
-### 🔥 完整版特色
-- 🔴 **实时数据**: 与Bot同步
-- 🔄 **自动更新**: 无需刷新
-- 🛠️ **完整功能**: 使用全部API
-
----
-
-## 📊 界面预览
-
-```
-┌─────────────────────────────────────────────────────────┐
-│  侧边栏                    │  主区域                     │
-│  ┌─────────────────────┐  │  ┌───────────────────────┐ │
-│  │ 📂 数据文件          │  │  │ 🔄 📐 💾 控制按钮    │ │
-│  │ [选择] [刷新]       │  │  └───────────────────────┘ │
-│  │ 📄 当前: xxx.json   │  │  ┌───────────────────────┐ │
-│  └─────────────────────┘  │  │                       │ │
-│                           │  │   交互式图形可视化      │ │
-│  ┌─────────────────────┐  │  │                       │ │
-│  │ 🔍 搜索记忆          │  │  │   🔴 主体  🔵 主题    │ │
-│  │ [...........] [搜索] │  │  │   🟢 客体  🟠 属性    │ │
-│  └─────────────────────┘  │  │   🟣 值               │ │
-│                           │  │                       │ │
-│  📊 统计: 12节点 15边    │  │   可拖动、缩放、点击     │ │
-│                           │  │                       │ │
-│  🎨 节点类型图例          │  └───────────────────────┘ │
-│  🔧 过滤器               │                             │
-│  ℹ️  节点信息             │                             │
-└─────────────────────────────────────────────────────────┘
-```
-
----
-
-## 🎯 快速命令
-
-```powershell
-# 统一启动 (推荐)
-.\visualizer.ps1
-
-# 生成示例数据
-.\.venv\Scripts\python.exe generate_sample_data.py
-
-# 独立版 (端口 5001)
-.\start_visualizer.ps1
-
-# 完整版 (端口 5000)
-.\.venv\Scripts\python.exe tools/memory_visualizer/visualizer_server.py
-```
-
----
-
-## 📖 文档索引
-
-### 快速参考 (必读 ⭐)
-- **VISUALIZER_README.md** - 快速参考卡片
-- **VISUALIZER_GUIDE.md** - 完整使用指南
-
-### 详细文档
-- **tools/memory_visualizer/README.md** - 技术文档
-- **tools/memory_visualizer/QUICKSTART.md** - 快速入门
-- **tools/memory_visualizer/CHANGELOG.md** - 版本历史
-
----
-
-## 💡 使用建议
-
-### 🎯 对于首次使用者
-1. 运行 `.\visualizer.ps1`
-2. 选择 `3` 生成示例数据
-3. 选择 `1` 启动独立版
-4. 打开浏览器访问 http://127.0.0.1:5001
-5. 开始探索！
-
-### 🔧 对于开发者
-1. 运行Bot积累真实数据
-2. 启动完整版可视化: `.\visualizer.ps1` → `2`
-3. 实时查看记忆图变化
-4. 调试和优化
-
-### 📊 对于数据分析
-1. 使用独立版查看历史数据
-2. 切换不同时期的数据文件
-3. 使用搜索和过滤功能
-4. 导出数据进行分析
-
----
-
-## 🐛 常见问题
-
-### Q: 未找到数据文件？
-**A**: 运行 `.\visualizer.ps1` 选择 `3` 生成示例数据
-
-### Q: 端口被占用？
-**A**: 修改对应服务器文件中的端口号，或关闭占用端口的程序
-
-### Q: 两个版本有什么区别？
-**A**: 
-- **独立版**: 快速，读文件，可切换，推荐日常使用
-- **完整版**: 实时，用内存，完整功能，推荐开发调试
-
-### Q: 图形显示混乱？
-**A**: 
-1. 使用过滤器减少节点
-2. 点击"适应窗口"
-3. 刷新页面
-
----
-
-## 🎉 开始使用
-
-### 立即启动
-```powershell
-.\visualizer.ps1
-```
-
-### 访问地址
-- 独立版: http://127.0.0.1:5001
-- 完整版: http://127.0.0.1:5000
-
----
-
-## 🤝 反馈与支持
-
-如有问题或建议，请查看:
-- 📖 `VISUALIZER_GUIDE.md` - 完整使用指南
-- 📝 `tools/memory_visualizer/README.md` - 技术文档
-
----
-
-## 🌟 特别感谢
-
-感谢你使用 MoFox Bot 记忆图可视化工具！
-
-**享受探索记忆图的乐趣！** 🚀🦊
-
----
-
-_最后更新: 2025-11-06_

tools/memory_visualizer/docs/VISUALIZER_README.md

@@ -1,159 +0,0 @@
-# 🎯 记忆图可视化工具 - 快速参考
-
-## 🚀 快速启动
-
-### 推荐方式 (交互式菜单)
-```powershell
-.\visualizer.ps1
-```
-
-然后选择:
-- **选项 1**: 独立版 (快速，推荐) ⭐
-- **选项 2**: 完整版 (实时数据)
-- **选项 3**: 生成示例数据
-
----
-
-## 📋 各版本对比
-
-| 特性 | 独立版 ⭐ | 完整版 |
-|------|---------|--------|
-| **启动速度** | 🚀 快速 (2秒) | ⏱️ 较慢 (5-10秒) |
-| **数据源** | 📂 文件 | 💾 内存 (实时) |
-| **文件切换** | ✅ 支持 | ❌ 不支持 |
-| **资源占用** | 💚 低 | 💛 中等 |
-| **端口** | 5001 | 5000 |
-| **适用场景** | 查看历史数据、调试 | 实时监控、开发 |
-
----
-
-## 🔧 手动启动命令
-
-### 独立版 (推荐)
-```powershell
-# Windows
-.\start_visualizer.ps1
-
-# 或直接运行
-.\.venv\Scripts\python.exe tools/memory_visualizer/visualizer_simple.py
-```
-访问: http://127.0.0.1:5001
-
-### 完整版
-```powershell
-.\.venv\Scripts\python.exe tools/memory_visualizer/visualizer_server.py
-```
-访问: http://127.0.0.1:5000
-
-### 生成示例数据
-```powershell
-.\.venv\Scripts\python.exe generate_sample_data.py
-```
-
----
-
-## 📊 功能一览
-
-### 🎨 可视化功能
-- ✅ 交互式图形 (拖动、缩放、点击)
-- ✅ 节点类型颜色分类
-- ✅ 实时搜索和过滤
-- ✅ 统计信息展示
-- ✅ 节点详情查看
-
-### 📂 数据管理
-- ✅ 自动搜索数据文件
-- ✅ 多文件切换 (独立版)
-- ✅ 数据导出 (JSON格式)
-- ✅ 文件信息显示
-
----
-
-## 🎯 使用场景
-
-### 1️⃣ 首次使用
-```powershell
-# 1. 生成示例数据
-.\visualizer.ps1
-# 选择: 3
-
-# 2. 启动可视化
-.\visualizer.ps1
-# 选择: 1
-
-# 3. 打开浏览器
-# 访问: http://127.0.0.1:5001
-```
-
-### 2️⃣ 查看实际数据
-```powershell
-# 先运行Bot生成记忆
-# 然后启动可视化
-.\visualizer.ps1
-# 选择: 1 (独立版) 或 2 (完整版)
-```
-
-### 3️⃣ 调试记忆系统
-```powershell
-# 使用完整版，实时查看变化
-.\visualizer.ps1
-# 选择: 2
-```
-
----
-
-## 🐛 故障排除
-
-### ❌ 问题: 未找到数据文件
-**解决**: 
-```powershell
-.\visualizer.ps1
-# 选择 3 生成示例数据
-```
-
-### ❌ 问题: 端口被占用
-**解决**: 
-- 独立版: 修改 `visualizer_simple.py` 中的 `port=5001`
-- 完整版: 修改 `visualizer_server.py` 中的 `port=5000`
-
-### ❌ 问题: 数据加载失败
-**可能原因**: 
-- 数据文件格式不正确
-- 文件损坏
-
-**解决**: 
-1. 检查 `data/memory_graph/` 目录
-2. 重新生成示例数据
-3. 查看终端错误信息
-
----
-
-## 📚 相关文档
-
-- **完整指南**: `VISUALIZER_GUIDE.md`
-- **快速入门**: `tools/memory_visualizer/QUICKSTART.md`
-- **详细文档**: `tools/memory_visualizer/README.md`
-- **更新日志**: `tools/memory_visualizer/CHANGELOG.md`
-
----
-
-## 💡 提示
-
-1. **首次使用**: 先生成示例数据 (选项 3)
-2. **查看历史**: 使用独立版，可以切换不同数据文件
-3. **实时监控**: 使用完整版，与Bot同时运行
-4. **性能优化**: 大型图使用过滤器和搜索
-5. **快捷键**: 
-   - `Ctrl + 滚轮`: 缩放
-   - 拖动空白: 移动画布
-   - 点击节点: 查看详情
-
----
-
-## 🎉 开始探索！
-
-```powershell
-.\visualizer.ps1
-```
-
-享受你的记忆图之旅！🚀🦊

tools/memory_visualizer/requirements.txt

@@ -1,9 +0,0 @@
-# 记忆图可视化工具依赖
-
-# Web框架
-flask>=2.3.0
-flask-cors>=4.0.0
-
-# 其他依赖由主项目提供
-# - src.memory_graph
-# - src.config

tools/memory_visualizer/run_visualizer.py

@@ -1,38 +0,0 @@
-#!/usr/bin/env python3
-"""
-记忆图可视化工具启动脚本
-
-快速启动记忆图可视化Web服务器
-"""
-
-import sys
-from pathlib import Path
-
-# 添加项目根目录到路径
-project_root = Path(__file__).parent
-sys.path.insert(0, str(project_root))
-
-from tools.memory_visualizer.visualizer_server import run_server
-
-if __name__ == '__main__':
-    print("=" * 60)
-    print("🦊 MoFox Bot - 记忆图可视化工具")
-    print("=" * 60)
-    print()
-    print("📊 启动可视化服务器...")
-    print("🌐 访问地址: http://127.0.0.1:5000")
-    print("⏹️  按 Ctrl+C 停止服务器")
-    print()
-    print("=" * 60)
-    
-    try:
-        run_server(
-            host='127.0.0.1',
-            port=5000,
-            debug=True
-        )
-    except KeyboardInterrupt:
-        print("\n\n👋 服务器已停止")
-    except Exception as e:
-        print(f"\n❌ 启动失败: {e}")
-        sys.exit(1)

tools/memory_visualizer/run_visualizer_simple.py

@@ -1,39 +0,0 @@
-"""
-快速启动脚本 - 记忆图可视化工具 (独立版)
-
-使用说明:
-1. 直接运行此脚本启动可视化服务器
-2. 工具会自动搜索可用的数据文件
-3. 如果找到多个文件,会使用最新的文件
-4. 你也可以在Web界面中选择其他文件
-"""
-
-import sys
-from pathlib import Path
-
-# 添加项目根目录
-project_root = Path(__file__).parent
-sys.path.insert(0, str(project_root))
-
-if __name__ == '__main__':
-    print("=" * 70)
-    print("🦊 MoFox Bot - 记忆图可视化工具 (独立版)")
-    print("=" * 70)
-    print()
-    print("✨ 特性:")
-    print("  • 自动搜索可用的数据文件")
-    print("  • 支持在Web界面中切换文件")
-    print("  • 快速启动,无需完整初始化")
-    print()
-    print("=" * 70)
-    
-    try:
-        from tools.memory_visualizer.visualizer_simple import run_server
-        run_server(host='127.0.0.1', port=5001, debug=True)
-    except KeyboardInterrupt:
-        print("\n\n👋 服务器已停止")
-    except Exception as e:
-        print(f"\n❌ 启动失败: {e}")
-        import traceback
-        traceback.print_exc()
-        sys.exit(1)

tools/memory_visualizer/start_visualizer.bat

@@ -1,53 +0,0 @@
-@echo off
-REM 记忆图可视化工具启动脚本 - CMD版本
-
-echo ======================================================================
-echo 🦊 MoFox Bot - 记忆图可视化工具
-echo ======================================================================
-echo.
-
-REM 检查虚拟环境
-set VENV_PYTHON=.venv\Scripts\python.exe
-if not exist "%VENV_PYTHON%" (
-    echo ❌ 未找到虚拟环境: %VENV_PYTHON%
-    echo.
-    echo 请先创建虚拟环境:
-    echo   python -m venv .venv
-    echo   .venv\Scripts\activate.bat
-    echo   pip install -r requirements.txt
-    echo.
-    exit /b 1
-)
-
-echo ✅ 使用虚拟环境: %VENV_PYTHON%
-echo.
-
-REM 检查依赖
-echo 🔍 检查依赖...
-"%VENV_PYTHON%" -c "import flask; import flask_cors" 2>nul
-if errorlevel 1 (
-    echo ⚠️  缺少依赖，正在安装...
-    "%VENV_PYTHON%" -m pip install flask flask-cors --quiet
-    if errorlevel 1 (
-        echo ❌ 安装依赖失败
-        exit /b 1
-    )
-    echo ✅ 依赖安装完成
-)
-
-echo ✅ 依赖检查完成
-echo.
-
-REM 显示信息
-echo 📊 启动可视化服务器...
-echo 🌐 访问地址: http://127.0.0.1:5001
-echo ⏹️  按 Ctrl+C 停止服务器
-echo.
-echo ======================================================================
-echo.
-
-REM 启动服务器
-"%VENV_PYTHON%" "tools\memory_visualizer\visualizer_simple.py"
-
-echo.
-echo 👋 服务器已停止

tools/memory_visualizer/start_visualizer.ps1

@@ -1,65 +0,0 @@
-#!/usr/bin/env pwsh
-# 记忆图可视化工具启动脚本 - PowerShell版本
-
-Write-Host "=" -NoNewline -ForegroundColor Cyan
-Write-Host ("=" * 69) -ForegroundColor Cyan
-Write-Host "🦊 MoFox Bot - 记忆图可视化工具" -ForegroundColor Yellow
-Write-Host "=" -NoNewline -ForegroundColor Cyan
-Write-Host ("=" * 69) -ForegroundColor Cyan
-Write-Host ""
-
-# 检查虚拟环境
-$venvPath = ".venv\Scripts\python.exe"
-if (-not (Test-Path $venvPath)) {
-    Write-Host "❌ 未找到虚拟环境: $venvPath" -ForegroundColor Red
-    Write-Host ""
-    Write-Host "请先创建虚拟环境:" -ForegroundColor Yellow
-    Write-Host "  python -m venv .venv" -ForegroundColor Cyan
-    Write-Host "  .\.venv\Scripts\Activate.ps1" -ForegroundColor Cyan
-    Write-Host "  pip install -r requirements.txt" -ForegroundColor Cyan
-    Write-Host ""
-    exit 1
-}
-
-Write-Host "✅ 使用虚拟环境: $venvPath" -ForegroundColor Green
-Write-Host ""
-
-# 检查依赖
-Write-Host "🔍 检查依赖..." -ForegroundColor Cyan
-& $venvPath -c "import flask; import flask_cors" 2>$null
-if ($LASTEXITCODE -ne 0) {
-    Write-Host "⚠️  缺少依赖，正在安装..." -ForegroundColor Yellow
-    & $venvPath -m pip install flask flask-cors --quiet
-    if ($LASTEXITCODE -ne 0) {
-        Write-Host "❌ 安装依赖失败" -ForegroundColor Red
-        exit 1
-    }
-    Write-Host "✅ 依赖安装完成" -ForegroundColor Green
-}
-
-Write-Host "✅ 依赖检查完成" -ForegroundColor Green
-Write-Host ""
-
-# 显示信息
-Write-Host "📊 启动可视化服务器..." -ForegroundColor Cyan
-Write-Host "🌐 访问地址: " -NoNewline -ForegroundColor White
-Write-Host "http://127.0.0.1:5001" -ForegroundColor Blue
-Write-Host "⏹️  按 Ctrl+C 停止服务器" -ForegroundColor Yellow
-Write-Host ""
-Write-Host "=" -NoNewline -ForegroundColor Cyan
-Write-Host ("=" * 69) -ForegroundColor Cyan
-Write-Host ""
-
-# 启动服务器
-try {
-    & $venvPath "tools\memory_visualizer\visualizer_simple.py"
-}
-catch {
-    Write-Host ""
-    Write-Host "❌ 启动失败: $_" -ForegroundColor Red
-    exit 1
-}
-finally {
-    Write-Host ""
-    Write-Host "👋 服务器已停止" -ForegroundColor Yellow
-}

tools/memory_visualizer/start_visualizer.sh

@@ -1,53 +0,0 @@
-#!/bin/bash
-# 记忆图可视化工具启动脚本 - Bash版本 (Linux/Mac)
-
-echo "======================================================================"
-echo "🦊 MoFox Bot - 记忆图可视化工具"
-echo "======================================================================"
-echo ""
-
-# 检查虚拟环境
-VENV_PYTHON=".venv/bin/python"
-if [ ! -f "$VENV_PYTHON" ]; then
-    echo "❌ 未找到虚拟环境: $VENV_PYTHON"
-    echo ""
-    echo "请先创建虚拟环境:"
-    echo "  python -m venv .venv"
-    echo "  source .venv/bin/activate"
-    echo "  pip install -r requirements.txt"
-    echo ""
-    exit 1
-fi
-
-echo "✅ 使用虚拟环境: $VENV_PYTHON"
-echo ""
-
-# 检查依赖
-echo "🔍 检查依赖..."
-$VENV_PYTHON -c "import flask; import flask_cors" 2>/dev/null
-if [ $? -ne 0 ]; then
-    echo "⚠️  缺少依赖，正在安装..."
-    $VENV_PYTHON -m pip install flask flask-cors --quiet
-    if [ $? -ne 0 ]; then
-        echo "❌ 安装依赖失败"
-        exit 1
-    fi
-    echo "✅ 依赖安装完成"
-fi
-
-echo "✅ 依赖检查完成"
-echo ""
-
-# 显示信息
-echo "📊 启动可视化服务器..."
-echo "🌐 访问地址: http://127.0.0.1:5001"
-echo "⏹️  按 Ctrl+C 停止服务器"
-echo ""
-echo "======================================================================"
-echo ""
-
-# 启动服务器
-$VENV_PYTHON "tools/memory_visualizer/visualizer_simple.py"
-
-echo ""
-echo "👋 服务器已停止"

tools/memory_visualizer/visualizer.ps1

@@ -1,59 +0,0 @@
-# 记忆图可视化工具统一启动脚本
-param(
-    [switch]$Simple,
-    [switch]$Full,
-    [switch]$Generate,
-    [switch]$Test
-)
-
-$ScriptDir = Split-Path -Parent $MyInvocation.MyCommand.Path
-$ProjectRoot = Split-Path -Parent (Split-Path -Parent $ScriptDir)
-Set-Location $ProjectRoot
-
-function Get-Python {
-    $paths = @(".venv\Scripts\python.exe", "venv\Scripts\python.exe")
-    foreach ($p in $paths) {
-        if (Test-Path $p) { return $p }
-    }
-    return $null
-}
-
-$python = Get-Python
-if (-not $python) {
-    Write-Host "ERROR: Virtual environment not found" -ForegroundColor Red
-    exit 1
-}
-
-if ($Simple) {
-    Write-Host "Starting Simple Server on http://127.0.0.1:5001" -ForegroundColor Green
-    & $python "$ScriptDir\visualizer_simple.py"
-}
-elseif ($Full) {
-    Write-Host "Starting Full Server on http://127.0.0.1:5000" -ForegroundColor Green
-    & $python "$ScriptDir\visualizer_server.py"
-}
-elseif ($Generate) {
-    & $python "$ScriptDir\generate_sample_data.py"
-}
-elseif ($Test) {
-    & $python "$ScriptDir\test_visualizer.py"
-}
-else {
-    Write-Host "MoFox Bot - Memory Graph Visualizer" -ForegroundColor Cyan
-    Write-Host ""
-    Write-Host "[1] Start Simple Server (Recommended)"
-    Write-Host "[2] Start Full Server"
-    Write-Host "[3] Generate Test Data"
-    Write-Host "[4] Run Tests"
-    Write-Host "[Q] Quit"
-    Write-Host ""
-    $choice = Read-Host "Select"
-    
-    switch ($choice) {
-        "1" { & $python "$ScriptDir\visualizer_simple.py" }
-        "2" { & $python "$ScriptDir\visualizer_server.py" }
-        "3" { & $python "$ScriptDir\generate_sample_data.py" }
-        "4" { & $python "$ScriptDir\test_visualizer.py" }
-        default { exit 0 }
-    }
-}

tools/memory_visualizer/visualizer_server.py

@@ -1,356 +0,0 @@
-"""
-记忆图可视化服务器
-
-提供 Web API 用于可视化记忆图数据
-"""
-
-import asyncio
-import orjson
-import logging
-from datetime import datetime
-from pathlib import Path
-from typing import Any, Dict, List, Optional
-
-from flask import Flask, jsonify, render_template, request
-from flask_cors import CORS
-
-# 添加项目根目录到 Python 路径
-import sys
-project_root = Path(__file__).parent.parent.parent
-sys.path.insert(0, str(project_root))
-
-from src.memory_graph.manager import MemoryManager
-from src.memory_graph.models import EdgeType, MemoryType, NodeType
-
-logging.basicConfig(level=logging.INFO)
-logger = logging.getLogger(__name__)
-
-app = Flask(__name__)
-CORS(app)  # 允许跨域请求
-
-# 全局记忆管理器
-memory_manager: Optional[MemoryManager] = None
-
-
-def init_memory_manager():
-    """初始化记忆管理器"""
-    global memory_manager
-    if memory_manager is None:
-        try:
-            memory_manager = MemoryManager()
-            # 在新的事件循环中初始化
-            loop = asyncio.new_event_loop()
-            asyncio.set_event_loop(loop)
-            loop.run_until_complete(memory_manager.initialize())
-            logger.info("记忆管理器初始化成功")
-        except Exception as e:
-            logger.error(f"初始化记忆管理器失败: {e}")
-            raise
-
-
-@app.route('/')
-def index():
-    """主页面"""
-    return render_template('visualizer.html')
-
-
-@app.route('/api/graph/full')
-def get_full_graph():
-    """
-    获取完整记忆图数据
-    
-    返回所有节点和边，格式化为前端可用的结构
-    """
-    try:
-        if memory_manager is None:
-            init_memory_manager()
-        
-        # 获取所有记忆
-        loop = asyncio.new_event_loop()
-        asyncio.set_event_loop(loop)
-        
-        # 获取所有记忆
-        all_memories = memory_manager.graph_store.get_all_memories()
-        
-        # 构建节点和边数据
-        nodes_dict = {}  # {node_id: node_data}
-        edges_dict = {}  # {edge_id: edge_data} - 使用字典去重
-        memory_info = []
-        
-        for memory in all_memories:
-            # 添加记忆信息
-            memory_info.append({
-                'id': memory.id,
-                'type': memory.memory_type.value,
-                'importance': memory.importance,
-                'activation': memory.activation,
-                'status': memory.status.value,
-                'created_at': memory.created_at.isoformat(),
-                'text': memory.to_text(),
-                'access_count': memory.access_count,
-            })
-            
-            # 处理节点
-            for node in memory.nodes:
-                if node.id not in nodes_dict:
-                    nodes_dict[node.id] = {
-                        'id': node.id,
-                        'label': node.content,
-                        'type': node.node_type.value,
-                        'group': node.node_type.name,  # 用于颜色分组
-                        'title': f"{node.node_type.value}: {node.content}",
-                        'metadata': node.metadata,
-                        'created_at': node.created_at.isoformat(),
-                    }
-            
-            # 处理边 - 使用字典自动去重
-            for edge in memory.edges:
-                edge_id = edge.id
-                # 如果ID已存在，生成唯一ID
-                counter = 1
-                original_edge_id = edge_id
-                while edge_id in edges_dict:
-                    edge_id = f"{original_edge_id}_{counter}"
-                    counter += 1
-                
-                edges_dict[edge_id] = {
-                    'id': edge_id,
-                    'from': edge.source_id,
-                    'to': edge.target_id,
-                    'label': edge.relation,
-                    'type': edge.edge_type.value,
-                    'importance': edge.importance,
-                    'title': f"{edge.edge_type.value}: {edge.relation}",
-                    'arrows': 'to',
-                    'memory_id': memory.id,
-                }
-        
-        nodes_list = list(nodes_dict.values())
-        edges_list = list(edges_dict.values())
-        
-        return jsonify({
-            'success': True,
-            'data': {
-                'nodes': nodes_list,
-                'edges': edges_list,
-                'memories': memory_info,
-                'stats': {
-                    'total_nodes': len(nodes_list),
-                    'total_edges': len(edges_list),
-                    'total_memories': len(all_memories),
-                }
-            }
-        })
-    
-    except Exception as e:
-        logger.error(f"获取图数据失败: {e}", exc_info=True)
-        return jsonify({
-            'success': False,
-            'error': str(e)
-        }), 500
-
-
-@app.route('/api/memory/<memory_id>')
-def get_memory_detail(memory_id: str):
-    """
-    获取特定记忆的详细信息
-    
-    Args:
-        memory_id: 记忆ID
-    """
-    try:
-        if memory_manager is None:
-            init_memory_manager()
-        
-        memory = memory_manager.graph_store.get_memory_by_id(memory_id)
-        
-        if memory is None:
-            return jsonify({
-                'success': False,
-                'error': '记忆不存在'
-            }), 404
-        
-        return jsonify({
-            'success': True,
-            'data': memory.to_dict()
-        })
-    
-    except Exception as e:
-        logger.error(f"获取记忆详情失败: {e}", exc_info=True)
-        return jsonify({
-            'success': False,
-            'error': str(e)
-        }), 500
-
-
-@app.route('/api/search')
-def search_memories():
-    """
-    搜索记忆
-    
-    Query参数:
-        - q: 搜索关键词
-        - type: 记忆类型过滤
-        - limit: 返回数量限制
-    """
-    try:
-        if memory_manager is None:
-            init_memory_manager()
-        
-        query = request.args.get('q', '')
-        memory_type = request.args.get('type', None)
-        limit = int(request.args.get('limit', 50))
-        
-        loop = asyncio.new_event_loop()
-        asyncio.set_event_loop(loop)
-        
-        # 执行搜索
-        results = loop.run_until_complete(
-            memory_manager.search_memories(
-                query=query,
-                top_k=limit
-            )
-        )
-        
-        # 构建返回数据
-        memories = []
-        for memory in results:
-            memories.append({
-                'id': memory.id,
-                'text': memory.to_text(),
-                'type': memory.memory_type.value,
-                'importance': memory.importance,
-                'created_at': memory.created_at.isoformat(),
-            })
-        
-        return jsonify({
-            'success': True,
-            'data': {
-                'results': memories,
-                'count': len(memories),
-            }
-        })
-    
-    except Exception as e:
-        logger.error(f"搜索失败: {e}", exc_info=True)
-        return jsonify({
-            'success': False,
-            'error': str(e)
-        }), 500
-
-
-@app.route('/api/stats')
-def get_statistics():
-    """
-    获取记忆图统计信息
-    """
-    try:
-        if memory_manager is None:
-            init_memory_manager()
-        
-        # 获取统计信息
-        all_memories = memory_manager.graph_store.get_all_memories()
-        all_nodes = set()
-        all_edges = 0
-        
-        for memory in all_memories:
-            for node in memory.nodes:
-                all_nodes.add(node.id)
-            all_edges += len(memory.edges)
-        
-        stats = {
-            'total_memories': len(all_memories),
-            'total_nodes': len(all_nodes),
-            'total_edges': all_edges,
-            'node_types': {},
-            'memory_types': {},
-        }
-        
-        # 统计节点类型分布
-        for memory in all_memories:
-            mem_type = memory.memory_type.value
-            stats['memory_types'][mem_type] = stats['memory_types'].get(mem_type, 0) + 1
-            
-            for node in memory.nodes:
-                node_type = node.node_type.value
-                stats['node_types'][node_type] = stats['node_types'].get(node_type, 0) + 1
-        
-        return jsonify({
-            'success': True,
-            'data': stats
-        })
-    
-    except Exception as e:
-        logger.error(f"获取统计信息失败: {e}", exc_info=True)
-        return jsonify({
-            'success': False,
-            'error': str(e)
-        }), 500
-
-
-@app.route('/api/files')
-def list_files():
-    """
-    列出所有可用的数据文件
-    注意: 完整版服务器直接使用内存中的数据，不支持文件切换
-    """
-    try:
-        from pathlib import Path
-        data_dir = Path("data/memory_graph")
-        
-        files = []
-        if data_dir.exists():
-            for f in data_dir.glob("*.json"):
-                stat = f.stat()
-                files.append({
-                    'path': str(f),
-                    'name': f.name,
-                    'size': stat.st_size,
-                    'size_kb': round(stat.st_size / 1024, 2),
-                    'modified': datetime.fromtimestamp(stat.st_mtime).isoformat(),
-                    'modified_readable': datetime.fromtimestamp(stat.st_mtime).strftime('%Y-%m-%d %H:%M:%S'),
-                    'is_current': True  # 完整版始终使用内存数据
-                })
-        
-        return jsonify({
-            'success': True,
-            'files': files,
-            'count': len(files),
-            'current_file': 'memory_manager (实时数据)',
-            'note': '完整版服务器使用实时内存数据，如需切换文件请使用独立版服务器'
-        })
-    except Exception as e:
-        logger.error(f"获取文件列表失败: {e}", exc_info=True)
-        return jsonify({
-            'success': False,
-            'error': str(e)
-        }), 500
-
-
-@app.route('/api/reload')
-def reload_data():
-    """
-    重新加载数据
-    """
-    return jsonify({
-        'success': True,
-        'message': '完整版服务器使用实时数据，无需重新加载',
-        'note': '数据始终是最新的'
-    })
-
-
-def run_server(host: str = '127.0.0.1', port: int = 5000, debug: bool = False):
-    """
-    启动可视化服务器
-    
-    Args:
-        host: 服务器地址
-        port: 端口号
-        debug: 是否开启调试模式
-    """
-    logger.info(f"启动记忆图可视化服务器: http://{host}:{port}")
-    app.run(host=host, port=port, debug=debug)
-
-
-if __name__ == '__main__':
-    run_server(debug=True)

tools/memory_visualizer/visualizer_simple.py

@@ -1,480 +0,0 @@
-"""
-记忆图可视化 - 独立版本
-
-直接从存储的数据文件生成可视化,无需启动完整的记忆管理器
-"""
-
-import orjson
-import sys
-from pathlib import Path
-from datetime import datetime
-from typing import Any, Dict, List, Set
-
-from pathlib import Path
-from typing import Any, Dict, List, Optional, Set
-
-# 添加项目根目录
-project_root = Path(__file__).parent.parent.parent
-sys.path.insert(0, str(project_root))
-
-from flask import Flask, jsonify, render_template_string, request, send_from_directory
-from flask_cors import CORS
-
-app = Flask(__name__)
-CORS(app)
-
-# 数据缓存
-graph_data_cache = None
-data_dir = project_root / "data" / "memory_graph"
-current_data_file = None  # 当前选择的数据文件
-
-
-def find_available_data_files() -> List[Path]:
-    """查找所有可用的记忆图数据文件"""
-    files = []
-    
-    if not data_dir.exists():
-        return files
-    
-    # 查找多种可能的文件名
-    possible_files = [
-        "graph_store.json",
-        "memory_graph.json",
-        "graph_data.json",
-    ]
-    
-    for filename in possible_files:
-        file_path = data_dir / filename
-        if file_path.exists():
-            files.append(file_path)
-    
-    # 查找所有备份文件
-    for pattern in ["graph_store_*.json", "memory_graph_*.json", "graph_data_*.json"]:
-        for backup_file in data_dir.glob(pattern):
-            if backup_file not in files:
-                files.append(backup_file)
-    
-    # 查找backups子目录
-    backups_dir = data_dir / "backups"
-    if backups_dir.exists():
-        for backup_file in backups_dir.glob("**/*.json"):
-            if backup_file not in files:
-                files.append(backup_file)
-    
-    # 查找data/backup目录
-    backup_dir = data_dir.parent / "backup"
-    if backup_dir.exists():
-        for backup_file in backup_dir.glob("**/graph_*.json"):
-            if backup_file not in files:
-                files.append(backup_file)
-        for backup_file in backup_dir.glob("**/memory_*.json"):
-            if backup_file not in files:
-                files.append(backup_file)
-    
-    return sorted(files, key=lambda f: f.stat().st_mtime, reverse=True)
-
-
-def load_graph_data(file_path: Optional[Path] = None) -> Dict[str, Any]:
-    """从磁盘加载图数据"""
-    global graph_data_cache, current_data_file
-    
-    # 如果指定了新文件，清除缓存
-    if file_path is not None and file_path != current_data_file:
-        graph_data_cache = None
-        current_data_file = file_path
-    
-    if graph_data_cache is not None:
-        return graph_data_cache
-    
-    try:
-        # 确定要加载的文件
-        if current_data_file is not None:
-            graph_file = current_data_file
-        else:
-            # 尝试查找可用的数据文件
-            available_files = find_available_data_files()
-            if not available_files:
-                print(f"⚠️  未找到任何图数据文件")
-                print(f"📂 搜索目录: {data_dir}")
-                return {
-                    "nodes": [], 
-                    "edges": [], 
-                    "memories": [],
-                    "stats": {"total_nodes": 0, "total_edges": 0, "total_memories": 0},
-                    "error": "未找到数据文件",
-                    "available_files": []
-                }
-            
-            # 使用最新的文件
-            graph_file = available_files[0]
-            current_data_file = graph_file
-            print(f"📂 自动选择最新文件: {graph_file}")
-        
-        if not graph_file.exists():
-            print(f"⚠️  图数据文件不存在: {graph_file}")
-            return {
-                "nodes": [], 
-                "edges": [], 
-                "memories": [],
-                "stats": {"total_nodes": 0, "total_edges": 0, "total_memories": 0},
-                "error": f"文件不存在: {graph_file}"
-            }
-        
-        print(f"📂 加载图数据: {graph_file}")
-        with open(graph_file, 'r', encoding='utf-8') as f:
-            data = orjson.loads(f.read())
-        
-        # 解析数据
-        nodes_dict = {}
-        edges_list = []
-        memory_info = []
-        
-        # 实际文件格式是 {nodes: [], edges: [], metadata: {}}
-        # 不是 {memories: [{nodes: [], edges: []}]}
-        nodes = data.get("nodes", [])
-        edges = data.get("edges", [])
-        metadata = data.get("metadata", {})
-        
-        print(f"✅ 找到 {len(nodes)} 个节点, {len(edges)} 条边")
-        
-        # 处理节点
-        for node in nodes:
-            node_id = node.get('id', '')
-            if node_id and node_id not in nodes_dict:
-                memory_ids = node.get('metadata', {}).get('memory_ids', [])
-                nodes_dict[node_id] = {
-                    'id': node_id,
-                    'label': node.get('content', ''),
-                    'type': node.get('node_type', ''),
-                    'group': extract_group_from_type(node.get('node_type', '')),
-                    'title': f"{node.get('node_type', '')}: {node.get('content', '')}",
-                    'metadata': node.get('metadata', {}),
-                    'created_at': node.get('created_at', ''),
-                    'memory_ids': memory_ids,
-                }
-        
-        # 处理边 - 使用集合去重，避免重复的边ID
-        existing_edge_ids = set()
-        for edge in edges:
-            # 边的ID字段可能是 'id' 或 'edge_id'
-            edge_id = edge.get('edge_id') or edge.get('id', '')
-            # 如果ID为空或已存在，跳过这条边
-            if not edge_id or edge_id in existing_edge_ids:
-                continue
-            
-            existing_edge_ids.add(edge_id)
-            memory_id = edge.get('metadata', {}).get('memory_id', '')
-            
-            # 注意: GraphStore 保存的格式使用 'source'/'target', 不是 'source_id'/'target_id'
-            edges_list.append({
-                'id': edge_id,
-                'from': edge.get('source', edge.get('source_id', '')),
-                'to': edge.get('target', edge.get('target_id', '')),
-                'label': edge.get('relation', ''),
-                'type': edge.get('edge_type', ''),
-                'importance': edge.get('importance', 0.5),
-                'title': f"{edge.get('edge_type', '')}: {edge.get('relation', '')}",
-                'arrows': 'to',
-                'memory_id': memory_id,
-            })
-        
-        # 从元数据中获取统计信息
-        stats = metadata.get('statistics', {})
-        total_memories = stats.get('total_memories', 0)
-        
-        # TODO: 如果需要记忆详细信息,需要从其他地方加载
-        # 目前只有节点和边的数据
-        
-        graph_data_cache = {
-            'nodes': list(nodes_dict.values()),
-            'edges': edges_list,
-            'memories': memory_info,  # 空列表,因为文件中没有记忆详情
-            'stats': {
-                'total_nodes': len(nodes_dict),
-                'total_edges': len(edges_list),
-                'total_memories': total_memories,
-            },
-            'current_file': str(graph_file),
-            'file_size': graph_file.stat().st_size,
-            'file_modified': datetime.fromtimestamp(graph_file.stat().st_mtime).isoformat(),
-        }
-        
-        print(f"📊 统计: {len(nodes_dict)} 个节点, {len(edges_list)} 条边, {total_memories} 条记忆")
-        print(f"📄 数据文件: {graph_file} ({graph_file.stat().st_size / 1024:.2f} KB)")
-        return graph_data_cache
-        
-    except Exception as e:
-        print(f"❌ 加载失败: {e}")
-        import traceback
-        traceback.print_exc()
-        return {"nodes": [], "edges": [], "memories": [], "stats": {}}
-
-
-def extract_group_from_type(node_type: str) -> str:
-    """从节点类型提取分组名"""
-    # 假设类型格式为 "主体" 或 "SUBJECT"
-    type_mapping = {
-        '主体': 'SUBJECT',
-        '主题': 'TOPIC',
-        '客体': 'OBJECT',
-        '属性': 'ATTRIBUTE',
-        '值': 'VALUE',
-    }
-    return type_mapping.get(node_type, node_type)
-
-
-def generate_memory_text(memory: Dict[str, Any]) -> str:
-    """生成记忆的文本描述"""
-    try:
-        nodes = {n['id']: n for n in memory.get('nodes', [])}
-        edges = memory.get('edges', [])
-        
-        subject_id = memory.get('subject_id', '')
-        if not subject_id or subject_id not in nodes:
-            return f"[记忆 {memory.get('id', '')[:8]}]"
-        
-        parts = [nodes[subject_id]['content']]
-        
-        # 找主题节点
-        for edge in edges:
-            if edge.get('edge_type') == '记忆类型' and edge.get('source_id') == subject_id:
-                topic_id = edge.get('target_id', '')
-                if topic_id in nodes:
-                    parts.append(nodes[topic_id]['content'])
-                    
-                    # 找客体
-                    for e2 in edges:
-                        if e2.get('edge_type') == '核心关系' and e2.get('source_id') == topic_id:
-                            obj_id = e2.get('target_id', '')
-                            if obj_id in nodes:
-                                parts.append(f"{e2.get('relation', '')} {nodes[obj_id]['content']}")
-                                break
-                    break
-        
-        return " ".join(parts)
-    except Exception:
-        return f"[记忆 {memory.get('id', '')[:8]}]"
-
-
-# 使用内嵌的HTML模板(与之前相同)
-HTML_TEMPLATE = open(project_root / "tools" / "memory_visualizer" / "templates" / "visualizer.html", 'r', encoding='utf-8').read()
-
-
-@app.route('/')
-def index():
-    """主页面"""
-    return render_template_string(HTML_TEMPLATE)
-
-
-@app.route('/api/graph/full')
-def get_full_graph():
-    """获取完整记忆图数据"""
-    try:
-        data = load_graph_data()
-        return jsonify({
-            'success': True,
-            'data': data
-        })
-    except Exception as e:
-        return jsonify({
-            'success': False,
-            'error': str(e)
-        }), 500
-
-
-@app.route('/api/memory/<memory_id>')
-def get_memory_detail(memory_id: str):
-    """获取记忆详情"""
-    try:
-        data = load_graph_data()
-        memory = next((m for m in data['memories'] if m['id'] == memory_id), None)
-        
-        if memory is None:
-            return jsonify({
-                'success': False,
-                'error': '记忆不存在'
-            }), 404
-        
-        return jsonify({
-            'success': True,
-            'data': memory
-        })
-    except Exception as e:
-        return jsonify({
-            'success': False,
-            'error': str(e)
-        }), 500
-
-
-@app.route('/api/search')
-def search_memories():
-    """搜索记忆"""
-    try:
-        query = request.args.get('q', '').lower()
-        limit = int(request.args.get('limit', 50))
-        
-        data = load_graph_data()
-        
-        # 简单的文本匹配搜索
-        results = []
-        for memory in data['memories']:
-            text = memory.get('text', '').lower()
-            if query in text:
-                results.append(memory)
-        
-        return jsonify({
-            'success': True,
-            'data': {
-                'results': results[:limit],
-                'count': len(results),
-            }
-        })
-    except Exception as e:
-        return jsonify({
-            'success': False,
-            'error': str(e)
-        }), 500
-
-
-@app.route('/api/stats')
-def get_statistics():
-    """获取统计信息"""
-    try:
-        data = load_graph_data()
-        
-        # 扩展统计信息
-        node_types = {}
-        memory_types = {}
-        
-        for node in data['nodes']:
-            node_type = node.get('type', 'Unknown')
-            node_types[node_type] = node_types.get(node_type, 0) + 1
-        
-        for memory in data['memories']:
-            mem_type = memory.get('type', 'Unknown')
-            memory_types[mem_type] = memory_types.get(mem_type, 0) + 1
-        
-        stats = data.get('stats', {})
-        stats['node_types'] = node_types
-        stats['memory_types'] = memory_types
-        
-        return jsonify({
-            'success': True,
-            'data': stats
-        })
-    except Exception as e:
-        return jsonify({
-            'success': False,
-            'error': str(e)
-        }), 500
-
-
-@app.route('/api/reload')
-def reload_data():
-    """重新加载数据"""
-    global graph_data_cache
-    graph_data_cache = None
-    data = load_graph_data()
-    return jsonify({
-        'success': True,
-        'message': '数据已重新加载',
-        'stats': data.get('stats', {})
-    })
-
-
-@app.route('/api/files')
-def list_files():
-    """列出所有可用的数据文件"""
-    try:
-        files = find_available_data_files()
-        file_list = []
-        
-        for f in files:
-            stat = f.stat()
-            file_list.append({
-                'path': str(f),
-                'name': f.name,
-                'size': stat.st_size,
-                'size_kb': round(stat.st_size / 1024, 2),
-                'modified': datetime.fromtimestamp(stat.st_mtime).isoformat(),
-                'modified_readable': datetime.fromtimestamp(stat.st_mtime).strftime('%Y-%m-%d %H:%M:%S'),
-                'is_current': str(f) == str(current_data_file) if current_data_file else False
-            })
-        
-        return jsonify({
-            'success': True,
-            'files': file_list,
-            'count': len(file_list),
-            'current_file': str(current_data_file) if current_data_file else None
-        })
-    except Exception as e:
-        return jsonify({
-            'success': False,
-            'error': str(e)
-        }), 500
-
-
-@app.route('/api/select_file', methods=['POST'])
-def select_file():
-    """选择要加载的数据文件"""
-    global graph_data_cache, current_data_file
-    
-    try:
-        data = request.get_json()
-        file_path = data.get('file_path')
-        
-        if not file_path:
-            return jsonify({
-                'success': False,
-                'error': '未提供文件路径'
-            }), 400
-        
-        file_path = Path(file_path)
-        if not file_path.exists():
-            return jsonify({
-                'success': False,
-                'error': f'文件不存在: {file_path}'
-            }), 404
-        
-        # 清除缓存并加载新文件
-        graph_data_cache = None
-        current_data_file = file_path
-        graph_data = load_graph_data(file_path)
-        
-        return jsonify({
-            'success': True,
-            'message': f'已切换到文件: {file_path.name}',
-            'stats': graph_data.get('stats', {})
-        })
-    except Exception as e:
-        return jsonify({
-            'success': False,
-            'error': str(e)
-        }), 500
-
-
-def run_server(host: str = '127.0.0.1', port: int = 5001, debug: bool = False):
-    """启动服务器"""
-    print("=" * 60)
-    print("🦊 MoFox Bot - 记忆图可视化工具 (独立版)")
-    print("=" * 60)
-    print(f"📂 数据目录: {data_dir}")
-    print(f"🌐 访问地址: http://{host}:{port}")
-    print("⏹️  按 Ctrl+C 停止服务器")
-    print("=" * 60)
-    print()
-    
-    # 预加载数据
-    load_graph_data()
-    
-    app.run(host=host, port=port, debug=debug)
-
-
-if __name__ == '__main__':
-    try:
-        run_server(debug=True)
-    except KeyboardInterrupt:
-        print("\n\n👋 服务器已停止")
-    except Exception as e:
-        print(f"\n❌ 启动失败: {e}")
-        sys.exit(1)

visualizer.ps1

@@ -1,16 +0,0 @@
-#!/usr/bin/env pwsh
-# ======================================================================
-# 记忆图可视化工具 - 快捷启动脚本
-# ======================================================================
-# 此脚本是快捷方式，实际脚本位于 tools/memory_visualizer/ 目录
-# ======================================================================
-
-$visualizerScript = Join-Path $PSScriptRoot "tools\memory_visualizer\visualizer.ps1"
-
-if (Test-Path $visualizerScript) {
-    & $visualizerScript @args
-} else {
-    Write-Host "❌ 错误：找不到可视化工具脚本" -ForegroundColor Red
-    Write-Host "   预期位置: $visualizerScript" -ForegroundColor Yellow
-    exit 1
-}