Merge pull request #158 from BBleae/debug

实现 MongoDB URI 方式连接，改进文档，修复硬编码路径
2025-03-11 14:59:02 +09:00
parent 5e069f74e2 3765c79e3a
commit c48a84b59f
18 changed files with 272 additions and 196 deletions
--- a/CLAUDE.md
+++ b/CLAUDE.md
@@ -0,0 +1,48 @@
+# MaiMBot 开发指南
+
+## 🛠️ 常用命令
+
+- **运行机器人**: `python run.py` 或 `python bot.py`
+- **安装依赖**: `pip install --upgrade -r requirements.txt`
+- **Docker 部署**: `docker-compose up`
+- **代码检查**: `ruff check .`
+- **代码格式化**: `ruff format .`
+- **内存可视化**: `run_memory_vis.bat` 或 `python -m src.plugins.memory_system.draw_memory`
+- **推理过程可视化**: `script/run_thingking.bat`
+
+## 🔧 脚本工具
+
+- **运行MongoDB**: `script/run_db.bat` - 在端口27017启动MongoDB
+- **Windows完整启动**: `script/run_windows.bat` - 检查Python版本、设置虚拟环境、安装依赖并运行机器人
+- **快速启动**: `script/run_maimai.bat` - 设置UTF-8编码并执行"nb run"命令
+
+## 📝 代码风格
+
+- **Python版本**: 3.9+
+- **行长度限制**: 88字符
+- **命名规范**:
+  - `snake_case` 用于函数和变量
+  - `PascalCase` 用于类
+  - `_prefix` 用于私有成员
+- **导入顺序**: 标准库 → 第三方库 → 本地模块
+- **异步编程**: 对I/O操作使用async/await
+- **日志记录**: 使用loguru进行一致的日志记录
+- **错误处理**: 使用带有具体异常的try/except
+- **文档**: 为类和公共函数编写docstrings
+
+## 🧩 系统架构
+
+- **框架**: NoneBot2框架与插件架构
+- **数据库**: MongoDB持久化存储
+- **设计模式**: 工厂模式和单例管理器
+- **配置管理**: 使用环境变量和TOML文件
+- **内存系统**: 基于图的记忆结构，支持记忆构建、压缩、检索和遗忘
+- **情绪系统**: 情绪模拟与概率权重
+- **LLM集成**: 支持多个LLM服务提供商(ChatAnywhere, SiliconFlow, DeepSeek)
+
+## ⚙️ 环境配置
+
+- 使用`template.env`作为环境变量模板
+- 使用`template/bot_config_template.toml`作为机器人配置模板
+- MongoDB配置: 主机、端口、数据库名
+- API密钥配置: 各LLM提供商的API密钥
--- a/README.md
+++ b/README.md
@@ -1,5 +1,4 @@
-# 麦麦！MaiMBot (编辑中) 
-
+# 麦麦！MaiMBot (编辑中)

 <div align="center">

@@ -45,7 +44,6 @@

 - (由 [CabLate](https://github.com/cablate) 贡献) [Telegram 与其他平台(未来可能会有)的版本](https://github.com/cablate/MaiMBot/tree/telegram) - [集中讨论串](https://github.com/SengokuCola/MaiMBot/discussions/149)

-## 
 <div align="left">
 <h2>📚 文档        ⬇️ 快速开始使用麦麦 ⬇️</h2>
 </div>
@@ -54,6 +52,7 @@

 -  📦 **Windows 一键傻瓜式部署**：请运行项目根目录中的 `run.bat`，部署完成后请参照后续配置指南进行配置

+
 - [📦 Windows 手动部署指南 ](docs/manual_deploy_windows.md)

 - [📦 Linux 手动部署指南 ](docs/manual_deploy_linux.md)
@@ -63,7 +62,9 @@
 - [🐳 Docker部署指南](docs/docker_deploy.md)


+
 ### 配置说明
+
 - [🎀 新手配置指南](docs/installation_cute.md) - 通俗易懂的配置教程，适合初次使用的猫娘
 - [⚙️ 标准配置指南](docs/installation_standard.md) - 简明专业的配置说明，适合有经验的用户

@@ -76,6 +77,7 @@
 ## 🎯 功能介绍

 ### 💬 聊天功能
+
 - 支持关键词检索主动发言：对消息的话题topic进行识别，如果检测到麦麦存储过的话题就会主动进行发言
 - 支持bot名字呼唤发言：检测到"麦麦"会主动发言，可配置
 - 支持多模型，多厂商自定义配置
@@ -84,31 +86,33 @@
 - 错别字和多条回复功能：麦麦可以随机生成错别字，会多条发送回复以及对消息进行reply

 ### 😊 表情包功能
+
 - 支持根据发言内容发送对应情绪的表情包
 - 会自动偷群友的表情包

 ### 📅 日程功能
+
 - 麦麦会自动生成一天的日程，实现更拟人的回复

 ### 🧠 记忆功能
+
 - 对聊天记录进行概括存储，在需要时调用，待完善

 ### 📚 知识库功能
+
 - 基于embedding模型的知识库，手动放入txt会自动识别，写完了，暂时禁用

 ### 👥 关系功能
+
 - 针对每个用户创建"关系"，可以对不同用户进行个性化回复，目前只有极其简单的好感度（WIP）
 - 针对每个群创建"群印象"，可以对不同群进行个性化回复（WIP）

-
-
 ## 开发计划TODO：LIST

 规划主线
 0.6.0：记忆系统更新
 0.7.0: 麦麦RunTime

-
 - 人格功能：WIP
 - 群氛围功能：WIP
 - 图片发送，转发功能：WIP
@@ -128,7 +132,6 @@
 - 采用截断生成加快麦麦的反应速度
 - 改进发送消息的触发

-
 ## 设计理念

 - **千石可乐说：**
@@ -138,7 +141,6 @@
 - 如果人类真的需要一个AI来陪伴自己，并不是所有人都需要一个完美的，能解决所有问题的helpful assistant，而是一个会犯错的，拥有自己感知和想法的"生命形式"。
 - 代码会保持开源和开放，但个人希望MaiMbot的运行时数据保持封闭，尽量避免以显式命令来对其进行控制和调试.我认为一个你无法完全掌控的个体才更能让你感觉到它的自主性，而视其成为一个对话机器.

-
 ## 📌 注意事项

 SengokuCola~~纯编程外行，面向cursor编程，很多代码写得不好多多包涵~~已得到大脑升级
@@ -146,6 +148,7 @@ SengokuCola~~纯编程外行，面向cursor编程，很多代码写得不好多
 > 本应用生成内容来自人工智能模型，由 AI 生成，请仔细甄别，请勿用于违反法律的用途，AI生成内容不代表本人观点和立场。

 ## 致谢
+
 [nonebot2](https://github.com/nonebot/nonebot2): 跨平台 Python 异步聊天机器人框架  
 [NapCat](https://github.com/NapNeko/NapCatQQ): 现代化的基于 NTQQ 的 Bot 协议端实现  

@@ -157,6 +160,6 @@ SengokuCola~~纯编程外行，面向cursor编程，很多代码写得不好多
  <img src="https://contrib.rocks/image?repo=SengokuCola/MaiMBot" />
 </a>

-
 ## Stargazers over time
+
 [![Stargazers over time](https://starchart.cc/SengokuCola/MaiMBot.svg?variant=adaptive)](https://starchart.cc/SengokuCola/MaiMBot)
--- a/docs/doc1.md
+++ b/docs/doc1.md
@@ -1,6 +1,7 @@
 # 📂 文件及功能介绍 (2025年更新)

 ## 根目录
+
 - **README.md**: 项目的概述和使用说明。
 - **requirements.txt**: 项目所需的Python依赖包列表。
 - **bot.py**: 主启动文件，负责环境配置加载和NoneBot初始化。
@@ -10,6 +11,7 @@
 - **run_*.bat**: 各种启动脚本，包括数据库、maimai和thinking功能。

 ## `src/` 目录结构
+
 - **`plugins/` 目录**: 存放不同功能模块的插件。
  - **chat/**: 处理聊天相关的功能，如消息发送和接收。
  - **memory_system/**: 处理机器人的记忆功能。
@@ -22,94 +24,96 @@

 - **`common/` 目录**: 存放通用的工具和库。
  - **database.py**: 处理与数据库的交互，负责数据的存储和检索。
-  - **__init__.py**: 初始化模块。
+  - ****init**.py**: 初始化模块。

 ## `config/` 目录
+
 - **bot_config_template.toml**: 机器人配置模板。
 - **auto_format.py**: 自动格式化工具。

 ### `src/plugins/chat/` 目录文件详细介绍

-1. **`__init__.py`**: 
+1. **`__init__.py`**:
   - 初始化 `chat` 模块，使其可以作为一个包被导入。

-2. **`bot.py`**: 
+2. **`bot.py`**:
   - 主要的聊天机器人逻辑实现，处理消息的接收、思考和回复。
   - 包含 `ChatBot` 类，负责消息处理流程控制。
   - 集成记忆系统和意愿管理。

-3. **`config.py`**: 
+3. **`config.py`**:
   - 配置文件，定义了聊天机器人的各种参数和设置。
   - 包含 `BotConfig` 和全局配置对象 `global_config`。

-4. **`cq_code.py`**: 
+4. **`cq_code.py`**:
   - 处理 CQ 码（CoolQ 码），用于发送和接收特定格式的消息。

-5. **`emoji_manager.py`**: 
+5. **`emoji_manager.py`**:
   - 管理表情包的发送和接收，根据情感选择合适的表情。
   - 提供根据情绪获取表情的方法。

-6. **`llm_generator.py`**: 
+6. **`llm_generator.py`**:
   - 生成基于大语言模型的回复，处理用户输入并生成相应的文本。
   - 通过 `ResponseGenerator` 类实现回复生成。

-7. **`message.py`**: 
+7. **`message.py`**:
   - 定义消息的结构和处理逻辑，包含多种消息类型：
     - `Message`: 基础消息类
     - `MessageSet`: 消息集合
     - `Message_Sending`: 发送中的消息
     - `Message_Thinking`: 思考状态的消息

-8. **`message_sender.py`**: 
+8. **`message_sender.py`**:
   - 控制消息的发送逻辑，确保消息按照特定规则发送。
   - 包含 `message_manager` 对象，用于管理消息队列。

-9. **`prompt_builder.py`**: 
+9. **`prompt_builder.py`**:
   - 构建用于生成回复的提示，优化机器人的响应质量。

-10. **`relationship_manager.py`**: 
+10. **`relationship_manager.py`**:
    - 管理用户之间的关系，记录用户的互动和偏好。
    - 提供更新关系和关系值的方法。

-11. **`Segment_builder.py`**: 
+11. **`Segment_builder.py`**:
    - 构建消息片段的工具。

-12. **`storage.py`**: 
+12. **`storage.py`**:
    - 处理数据存储，负责将聊天记录和用户信息保存到数据库。
    - 实现 `MessageStorage` 类管理消息存储。

-13. **`thinking_idea.py`**: 
+13. **`thinking_idea.py`**:
    - 实现机器人的思考机制。

-14. **`topic_identifier.py`**: 
+14. **`topic_identifier.py`**:
    - 识别消息中的主题，帮助机器人理解用户的意图。

-15. **`utils.py`** 和 **`utils_*.py`** 系列文件: 
+15. **`utils.py`** 和 **`utils_*.py`** 系列文件:
    - 存放各种工具函数，提供辅助功能以支持其他模块。
    - 包括 `utils_cq.py`、`utils_image.py`、`utils_user.py` 等专门工具。

-16. **`willing_manager.py`**: 
+16. **`willing_manager.py`**:
    - 管理机器人的回复意愿，动态调整回复概率。
    - 通过多种因素（如被提及、话题兴趣度）影响回复决策。

 ### `src/plugins/memory_system/` 目录文件介绍

-1. **`memory.py`**: 
+1. **`memory.py`**:
   - 实现记忆管理核心功能，包含 `memory_graph` 对象。
   - 提供相关项目检索，支持多层次记忆关联。

-2. **`draw_memory.py`**: 
+2. **`draw_memory.py`**:
   - 记忆可视化工具。

-3. **`memory_manual_build.py`**: 
+3. **`memory_manual_build.py`**:
   - 手动构建记忆的工具。

-4. **`offline_llm.py`**: 
+4. **`offline_llm.py`**:
   - 离线大语言模型处理功能。

 ## 消息处理流程

 ### 1. 消息接收与预处理
+
 - 通过 `ChatBot.handle_message()` 接收群消息。
 - 进行用户和群组的权限检查。
 - 更新用户关系信息。
@@ -117,12 +121,14 @@
 - 对消息进行过滤和敏感词检测。

 ### 2. 主题识别与决策
+
 - 使用 `topic_identifier` 识别消息主题。
 - 通过记忆系统检查对主题的兴趣度。
 - `willing_manager` 动态计算回复概率。
 - 根据概率决定是否回复消息。

 ### 3. 回复生成与发送
+
 - 如需回复，首先创建 `Message_Thinking` 对象表示思考状态。
 - 调用 `ResponseGenerator.generate_response()` 生成回复内容和情感状态。
 - 删除思考消息，创建 `MessageSet` 准备发送回复。
--- a/docs/docker_deploy.md
+++ b/docs/docker_deploy.md
@@ -20,7 +20,6 @@ wget https://raw.githubusercontent.com/SengokuCola/MaiMBot/main/docker-compose.y
 - 若需要启用MongoDB数据库的用户名和密码，可进入docker-compose.yml，取消MongoDB处的注释并修改变量旁 `=` 后方的值为你的用户名和密码\
 修改后请注意在之后配置 `.env.prod` 文件时指定MongoDB数据库的用户名密码

-
 ### 2. 启动服务

 - **!!! 请在第一次启动前确保当前工作目录下 `.env.prod` 与 `bot_config.toml` 文件存在 !!!**\
@@ -42,8 +41,8 @@ NAPCAT_UID=$(id -u) NAPCAT_GID=$(id -g) docker-compose up -d

 ### 3. 修改配置并重启Docker

- 请前往 [🎀新手配置指南](./installation_cute.md) 或 [⚙️标准配置指南](./installation_standard.md) 完成 `.env.prod` 与 `bot_config.toml` 配置文件的编写\
-**需要注意 `.env.prod` 中HOST处IP的填写，Docker中部署和系统中直接安装的配置会有所不同**
+- 请前往 [🎀 新手配置指南](docs/installation_cute.md) 或 [⚙️ 标准配置指南](docs/installation_standard.md) 完成`.env.prod`与`bot_config.toml`配置文件的编写\
+**需要注意`.env.prod`中HOST处IP的填写，Docker中部署和系统中直接安装的配置会有所不同**

 - 重启Docker容器:

@@ -59,7 +58,6 @@ NAPCAT_UID=$(id -u) NAPCAT_GID=$(id -g) docker compose restart
 NAPCAT_UID=$(id -u) NAPCAT_GID=$(id -g) docker-compose restart
 ```

-
 ### 4. 登入NapCat管理页添加反向WebSocket

 - 在浏览器地址栏输入 `http://<宿主机IP>:6099/` 进入NapCat的管理Web页，添加一个Websocket客户端
@@ -69,7 +67,6 @@ NAPCAT_UID=$(id -u) NAPCAT_GID=$(id -g) docker-compose restart
 - Websocket客户端的名称自定，URL栏填入 `ws://maimbot:8080/onebot/v11/ws`，启用并保存即可\
 (若修改过容器名称则替换maimbot为你自定的名称)

-
 ### 5. 部署完成，愉快地和麦麦对话吧!


@@ -89,9 +86,8 @@ NAPCAT_UID=$(id -u) NAPCAT_GID=$(id -g) docker compose up -d
 NAPCAT_UID=$(id -u) NAPCAT_GID=$(id -g) docker-compose up -d
 ```

-
 ## ⚠️ 注意事项

 - 目前部署方案仍在测试中，可能存在未知问题
 - 配置文件中的API密钥请妥善保管，不要泄露
- 建议先在测试环境中运行，确认无误后再部署到生产环境
+- 建议先在测试环境中运行，确认无误后再部署到生产环境
--- a/docs/installation_cute.md
+++ b/docs/installation_cute.md
@@ -1,8 +1,9 @@
 # 🔧 配置指南 喵~

-## 👋 你好呀！
+## 👋 你好呀

 让咱来告诉你我们要做什么喵：
+
 1. 我们要一起设置一个可爱的AI机器人
 2. 这个机器人可以在QQ上陪你聊天玩耍哦
 3. 需要设置两个文件才能让机器人工作呢
@@ -10,16 +11,19 @@
 ## 📝 需要设置的文件喵

 要设置这两个文件才能让机器人跑起来哦：
+
 1. `.env.prod` - 这个文件告诉机器人要用哪些AI服务呢
 2. `bot_config.toml` - 这个文件教机器人怎么和你聊天喵

 ## 🔑 密钥和域名的对应关系

 想象一下，你要进入一个游乐园，需要：
+
 1. 知道游乐园的地址（这就是域名 base_url）
 2. 有入场的门票（这就是密钥 key）

 在 `.env.prod` 文件里，我们定义了三个游乐园的地址和门票喵：
+
 ```ini
 # 硅基流动游乐园
 SILICONFLOW_KEY=your_key        # 硅基流动的门票
@@ -35,6 +39,7 @@ CHAT_ANY_WHERE_BASE_URL=https://api.chatanywhere.tech/v1  # ChatAnyWhere的地
 ```

 然后在 `bot_config.toml` 里，机器人会用这些门票和地址去游乐园玩耍：
+
 ```toml
 [model.llm_reasoning]
 name = "Pro/deepseek-ai/DeepSeek-R1"
@@ -47,9 +52,10 @@ base_url = "SILICONFLOW_BASE_URL"  # 还是去硅基流动游乐园
 key = "SILICONFLOW_KEY"            # 用同一张门票就可以啦
 ```

-### 🎪 举个例子喵：
+### 🎪 举个例子喵

 如果你想用DeepSeek官方的服务，就要这样改：
+
 ```toml
 [model.llm_reasoning]
 name = "deepseek-reasoner"       # 改成对应的模型名称，这里为DeepseekR1
@@ -62,7 +68,8 @@ base_url = "DEEP_SEEK_BASE_URL"  # 也去DeepSeek游乐园
 key = "DEEP_SEEK_KEY"            # 用同一张DeepSeek门票
 ```

-### 🎯 简单来说：
+### 🎯 简单来说
+
 - `.env.prod` 文件就像是你的票夹，存放着各个游乐园的门票和地址
 - `bot_config.toml` 就是告诉机器人：用哪张票去哪个游乐园玩
 - 所有模型都可以用同一个游乐园的票，也可以去不同的游乐园玩耍
@@ -88,19 +95,25 @@ CHAT_ANY_WHERE_KEY=your_key
 CHAT_ANY_WHERE_BASE_URL=https://api.chatanywhere.tech/v1

 # 如果你不知道这是什么，那么下面这些不用改，保持原样就好啦
-HOST=127.0.0.1  # 如果使用Docker部署，需要改成0.0.0.0喵，不然听不见群友讲话了喵
+# 如果使用Docker部署，需要改成0.0.0.0喵，不然听不见群友讲话了喵
+HOST=127.0.0.1
 PORT=8080

 # 这些是数据库设置，一般也不用改呢
-MONGODB_HOST=127.0.0.1  # 如果使用Docker部署，需要改成数据库容器的名字喵，默认是mongodb喵
+# 如果使用Docker部署，需要把MONGODB_HOST改成数据库容器的名字喵，默认是mongodb喵
+MONGODB_HOST=127.0.0.1
 MONGODB_PORT=27017
 DATABASE_NAME=MegBot
-MONGODB_USERNAME = ""  # 如果数据库需要用户名，就在这里填写喵
-MONGODB_PASSWORD = ""  # 如果数据库需要密码，就在这里填写呢
-MONGODB_AUTH_SOURCE = ""  # 数据库认证源，一般不用改哦
+# 数据库认证信息，如果需要认证就取消注释并填写下面三行喵
+# MONGODB_USERNAME = ""
+# MONGODB_PASSWORD = ""
+# MONGODB_AUTH_SOURCE = ""

-# 插件设置喵
-PLUGINS=["src2.plugins.chat"]  # 这里是机器人的插件列表呢
+# 也可以使用URI连接数据库，取消注释填写在下面这行喵（URI的优先级比上面的高）
+# MONGODB_URI=mongodb://127.0.0.1:27017/MegBot
+
+# 这里是机器人的插件列表呢
+PLUGINS=["src2.plugins.chat"]
 ```

 ### 第二个文件：机器人配置 (bot_config.toml)
@@ -199,10 +212,12 @@ key = "SILICONFLOW_KEY"
   - `topic`: 负责理解对话主题的能力呢

 ## 🌟 小提示
+
 - 如果你刚开始使用，建议保持默认配置呢
 - 不同的模型有不同的特长，可以根据需要调整它们的使用比例哦

 ## 🌟 小贴士喵
+
 - 记得要好好保管密钥（key）哦，不要告诉别人呢
 - 配置文件要小心修改，改错了机器人可能就不能和你玩了喵
 - 如果想让机器人更聪明，可以调整 personality 里的设置呢
@@ -210,7 +225,8 @@ key = "SILICONFLOW_KEY"
 - QQ群号和QQ号都要用数字填写，不要加引号哦（除了机器人自己的QQ号）

 ## ⚠️ 注意事项
+
 - 这个机器人还在测试中呢，可能会有一些小问题喵
 - 如果不知道怎么改某个设置，就保持原样不要动它哦~
 - 记得要先有AI服务的密钥，不然机器人就不能和你说话了呢
- 修改完配置后要重启机器人才能生效喵~
+- 修改完配置后要重启机器人才能生效喵~
--- a/docs/installation_standard.md
+++ b/docs/installation_standard.md
@@ -3,6 +3,7 @@
 ## 简介

 本项目需要配置两个主要文件：
+
 1. `.env.prod` - 配置API服务和系统环境
 2. `bot_config.toml` - 配置机器人行为和模型

@@ -10,7 +11,8 @@

 `.env.prod` 和 `bot_config.toml` 中的API配置关系如下：

-### 在.env.prod中定义API凭证：
+### 在.env.prod中定义API凭证
+
 ```ini
 # API凭证配置
 SILICONFLOW_KEY=your_key        # 硅基流动API密钥
@@ -23,7 +25,8 @@ CHAT_ANY_WHERE_KEY=your_key     # ChatAnyWhere API密钥
 CHAT_ANY_WHERE_BASE_URL=https://api.chatanywhere.tech/v1  # ChatAnyWhere API地址
 ```

-### 在bot_config.toml中引用API凭证：
+### 在bot_config.toml中引用API凭证
+
 ```toml
 [model.llm_reasoning]
 name = "Pro/deepseek-ai/DeepSeek-R1"
@@ -32,6 +35,7 @@ key = "SILICONFLOW_KEY"            # 引用.env.prod中定义的密钥
 ```

 如需切换到其他API服务，只需修改引用：
+
 ```toml
 [model.llm_reasoning]
 name = "deepseek-reasoner"       # 改成对应的模型名称，这里为DeepseekR1
@@ -42,6 +46,7 @@ key = "DEEP_SEEK_KEY"            # 使用DeepSeek密钥
 ## 配置文件详解

 ### 环境配置文件 (.env.prod)
+
 ```ini
 # API配置
 SILICONFLOW_KEY=your_key
@@ -52,22 +57,29 @@ CHAT_ANY_WHERE_KEY=your_key
 CHAT_ANY_WHERE_BASE_URL=https://api.chatanywhere.tech/v1

 # 服务配置
+
 HOST=127.0.0.1  # 如果使用Docker部署，需要改成0.0.0.0，否则QQ消息无法传入
 PORT=8080       # 与反向端口相同

 # 数据库配置
 MONGODB_HOST=127.0.0.1  # 如果使用Docker部署，需要改成数据库容器的名字，默认是mongodb
 MONGODB_PORT=27017      # MongoDB端口
+
 DATABASE_NAME=MegBot
-MONGODB_USERNAME = ""  # 数据库用户名
-MONGODB_PASSWORD = ""  # 数据库密码
-MONGODB_AUTH_SOURCE = ""  # 认证数据库
+# 数据库认证信息，如果需要认证就取消注释并填写下面三行
+# MONGODB_USERNAME = ""
+# MONGODB_PASSWORD = ""
+# MONGODB_AUTH_SOURCE = ""
+
+# 也可以使用URI连接数据库，取消注释填写在下面这行（URI的优先级比上面的高）
+# MONGODB_URI=mongodb://127.0.0.1:27017/MegBot

 # 插件配置
 PLUGINS=["src2.plugins.chat"]
 ```

 ### 机器人配置文件 (bot_config.toml)
+
 ```toml
 [bot]
 qq = "机器人QQ号"  # 必填
@@ -154,4 +166,4 @@ key = "SILICONFLOW_KEY"

 3. 其他说明：
   - 项目处于测试阶段，可能存在未知问题
-   - 建议初次使用保持默认配置 
+   - 建议初次使用保持默认配置
--- a/docs/manual_deploy_linux.md
+++ b/docs/manual_deploy_linux.md
@@ -1,6 +1,7 @@
 # 📦 Linux系统如何手动部署MaiMbot麦麦？

 ## 准备工作
+
 - 一台联网的Linux设备（本教程以Ubuntu/Debian系为例）
 - QQ小号（QQ框架的使用可能导致qq被风控，严重（小概率）可能会导致账号封禁，强烈不推荐使用大号）
 - 可用的大模型API
@@ -20,6 +21,7 @@
 - 数据库是什么？如何安装并启动MongoDB

 - 如何运行一个QQ机器人，以及NapCat框架是什么
+
 ---

 ## 环境配置
@@ -33,7 +35,9 @@ python --version
 # 或
 python3 --version
 ```
+
 如果版本低于3.9，请更新Python版本。
+
 ```bash
 # Ubuntu/Debian
 sudo apt update
@@ -45,6 +49,7 @@ sudo update-alternatives --config python3
 ```

 ### 2️⃣ **创建虚拟环境**
+
 ```bash
 # 方法1：使用venv(推荐)
 python3 -m venv maimbot
@@ -65,13 +70,16 @@ pip install -r requirements.txt
 ---

 ## 数据库配置
-### 3️⃣ **安装并启动MongoDB**
- 安装与启动: Debian参考[官方文档](https://docs.mongodb.com/manual/tutorial/install-mongodb-on-debian/)，Ubuntu参考[官方文档](https://docs.mongodb.com/manual/tutorial/install-mongodb-on-ubuntu/)

+### 3️⃣ **安装并启动MongoDB**
+
+- 安装与启动：Debian参考[官方文档](https://docs.mongodb.com/manual/tutorial/install-mongodb-on-debian/)，Ubuntu参考[官方文档](https://docs.mongodb.com/manual/tutorial/install-mongodb-on-ubuntu/)
 - 默认连接本地27017端口
+
 ---

 ## NapCat配置
+
 ### 4️⃣ **安装NapCat框架**

 - 参考[NapCat官方文档](https://www.napcat.wiki/guide/boot/Shell#napcat-installer-linux%E4%B8%80%E9%94%AE%E4%BD%BF%E7%94%A8%E8%84%9A%E6%9C%AC-%E6%94%AF%E6%8C%81ubuntu-20-debian-10-centos9)安装
@@ -81,15 +89,18 @@ pip install -r requirements.txt
 ---

 ## 配置文件设置
-### 5️⃣ **配置文件设置，让麦麦Bot正常工作**
- 修改环境配置文件: `.env.prod`
- 修改机器人配置文件: `bot_config.toml`

+### 5️⃣ **配置文件设置，让麦麦Bot正常工作**
+
+- 修改环境配置文件：`.env.prod`
+- 修改机器人配置文件：`bot_config.toml`

 ---

 ## 启动机器人
+
 ### 6️⃣ **启动麦麦机器人**
+
 ```bash
 # 在项目目录下操作
 nb run
@@ -100,16 +111,18 @@ python3 bot.py
 ---

 ## **其他组件(可选)**
- 直接运行 knowledge.py生成知识库

+- 直接运行 knowledge.py生成知识库

 ---

 ## 常见问题
-🔧 权限问题: 在命令前加 `sudo`  
-🔌 端口占用: 使用 `sudo lsof -i :8080` 查看端口占用  
-🛡️ 防火墙: 确保8080/27017端口开放  
+
+🔧 权限问题：在命令前加`sudo`  
+🔌 端口占用：使用`sudo lsof -i :8080`查看端口占用  
+🛡️ 防火墙：确保8080/27017端口开放  
+
 ```bash
 sudo ufw allow 8080/tcp
 sudo ufw allow 27017/tcp
-```
+```
--- a/docs/manual_deploy_windows.md
+++ b/docs/manual_deploy_windows.md
@@ -30,12 +30,13 @@

 在创建虚拟环境之前，请确保你的电脑上安装了Python 3.9及以上版本。如果没有，可以按以下步骤安装：

-1. 访问Python官网下载页面: https://www.python.org/downloads/release/python-3913/
+1. 访问Python官网下载页面：<https://www.python.org/downloads/release/python-3913/>
 2. 下载Windows安装程序 (64-bit): `python-3.9.13-amd64.exe`
 3. 运行安装程序，并确保勾选"Add Python 3.9 to PATH"选项
 4. 点击"Install Now"开始安装

 或者使用PowerShell自动下载安装（需要管理员权限）：
+
 ```powershell
 # 下载并安装Python 3.9.13
 $pythonUrl = "https://www.python.org/ftp/python/3.9.13/python-3.9.13-amd64.exe"
@@ -46,7 +47,7 @@ Start-Process -Wait -FilePath $pythonInstaller -ArgumentList "/quiet", "InstallA

 ### 2️⃣ **创建Python虚拟环境来运行程序**

-    你可以选择使用以下两种方法之一来创建Python环境：
+> 你可以选择使用以下两种方法之一来创建Python环境：

 ```bash
 # ---方法1：使用venv（Python自带）
@@ -60,6 +61,7 @@ maimbot\\Scripts\\activate
 # 安装依赖
 pip install -r requirements.txt
 ```
+
 ```bash
 # ---方法2：使用conda
 # 创建一个新的conda环境（环境名为maimbot）
@@ -74,27 +76,35 @@ pip install -r requirements.txt
 ```

 ### 2️⃣ **然后你需要启动MongoDB数据库，来存储信息**
+
 - 安装并启动MongoDB服务
 - 默认连接本地27017端口

 ### 3️⃣ **配置NapCat，让麦麦bot与qq取得联系**
+
 - 安装并登录NapCat（用你的qq小号）
 - 添加反向WS: `ws://127.0.0.1:8080/onebot/v11/ws`

 ### 4️⃣ **配置文件设置，让麦麦Bot正常工作**
- 修改环境配置文件: `.env.prod`
- 修改机器人配置文件: `bot_config.toml`
+
+- 修改环境配置文件：`.env.prod`
+- 修改机器人配置文件：`bot_config.toml`

 ### 5️⃣ **启动麦麦机器人**
+
 - 打开命令行，cd到对应路径
+
 ```bash
 nb run
 ```
+
 - 或者cd到对应路径后
+
 ```bash
 python bot.py
 ```

 ### 6️⃣ **其他组件(可选)**
+
 - `run_thingking.bat`: 启动可视化推理界面（未完善）
 - 直接运行 knowledge.py生成知识库
--- a/src/common/database.py
+++ b/src/common/database.py
@@ -6,20 +6,44 @@ from pymongo import MongoClient
 class Database:
    _instance: Optional["Database"] = None
    
-    def __init__(self, host: str, port: int, db_name: str, username: Optional[str] = None, password: Optional[str] = None, auth_source: Optional[str] = None):
-        if username and password:
+    def __init__(
+        self,
+        host: str,
+        port: int,
+        db_name: str,
+        username: Optional[str] = None,
+        password: Optional[str] = None,
+        auth_source: Optional[str] = None,
+        uri: Optional[str] = None,
+    ):
+        if uri and uri.startswith("mongodb://"):
+            # 优先使用URI连接
+            self.client = MongoClient(uri)
+        elif username and password:
            # 如果有用户名和密码，使用认证连接
-            # TODO: 复杂情况直接支持URI吧
-            self.client = MongoClient(host, port, username=username, password=password, authSource=auth_source)
+            self.client = MongoClient(
+                host, port, username=username, password=password, authSource=auth_source
+            )
        else:
            # 否则使用无认证连接
            self.client = MongoClient(host, port)
        self.db = self.client[db_name]
        
    @classmethod
-    def initialize(cls, host: str, port: int, db_name: str, username: Optional[str] = None, password: Optional[str] = None, auth_source: Optional[str] = None) -> "Database":
+    def initialize(
+        cls,
+        host: str,
+        port: int,
+        db_name: str,
+        username: Optional[str] = None,
+        password: Optional[str] = None,
+        auth_source: Optional[str] = None,
+        uri: Optional[str] = None,
+    ) -> "Database":
        if cls._instance is None:
-            cls._instance = cls(host, port, db_name, username, password, auth_source)
+            cls._instance = cls(
+                host, port, db_name, username, password, auth_source, uri
+            )
        return cls._instance
        
    @classmethod
--- a/src/gui/reasoning_gui.py
+++ b/src/gui/reasoning_gui.py
@@ -7,7 +7,7 @@ from datetime import datetime
 from typing import Dict, List
 from loguru import logger
 from typing import Optional
-from pymongo import MongoClient
+from ..common.database import Database

 import customtkinter as ctk
 from dotenv import load_dotenv
@@ -28,38 +28,6 @@ else:
    logger.error("未找到环境配置文件")
    sys.exit(1)

-
-class Database:
-    _instance: Optional["Database"] = None
-
-    def __init__(self, host: str, port: int, db_name: str, username: str = None, password: str = None,
-                 auth_source: str = None):
-        if username and password:
-            self.client = MongoClient(
-                host=host,
-                port=port,
-                username=username,
-                password=password,
-                authSource=auth_source or 'admin'
-            )
-        else:
-            self.client = MongoClient(host, port)
-        self.db = self.client[db_name]
-
-    @classmethod
-    def initialize(cls, host: str, port: int, db_name: str, username: str = None, password: str = None,
-                   auth_source: str = None) -> "Database":
-        if cls._instance is None:
-            cls._instance = cls(host, port, db_name, username, password, auth_source)
-        return cls._instance
-
-    @classmethod
-    def get_instance(cls) -> "Database":
-        if cls._instance is None:
-            raise RuntimeError("Database not initialized")
-        return cls._instance
-
-
 class ReasoningGUI:
    def __init__(self):
        # 记录启动时间戳，转换为Unix时间戳
@@ -83,7 +51,15 @@ class ReasoningGUI:
        except RuntimeError:
            logger.warning("数据库未初始化，正在尝试初始化...")
            try:
-                Database.initialize("127.0.0.1", 27017, "maimai_bot")
+                Database.initialize(
+                    uri=os.getenv("MONGODB_URI"),
+                    host=os.getenv("MONGODB_HOST", "127.0.0.1"),
+                    port=int(os.getenv("MONGODB_PORT", "27017")),
+                    db_name=os.getenv("DATABASE_NAME", "MegBot"),
+                    username=os.getenv("MONGODB_USERNAME"),
+                    password=os.getenv("MONGODB_PASSWORD"),
+                    auth_source=os.getenv("MONGODB_AUTH_SOURCE"),
+                )
                self.db = Database.get_instance().db
                logger.success("数据库初始化成功")
            except Exception:
@@ -359,12 +335,13 @@ class ReasoningGUI:
 def main():
    """主函数"""
    Database.initialize(
-        host=os.getenv("MONGODB_HOST"),
-        port=int(os.getenv("MONGODB_PORT")),
-        db_name=os.getenv("DATABASE_NAME"),
+        uri=os.getenv("MONGODB_URI"),
+        host=os.getenv("MONGODB_HOST", "127.0.0.1"),
+        port=int(os.getenv("MONGODB_PORT", "27017")),
+        db_name=os.getenv("DATABASE_NAME", "MegBot"),
        username=os.getenv("MONGODB_USERNAME"),
        password=os.getenv("MONGODB_PASSWORD"),
-        auth_source=os.getenv("MONGODB_AUTH_SOURCE")
+        auth_source=os.getenv("MONGODB_AUTH_SOURCE"),
    )

    app = ReasoningGUI()
--- a/src/plugins/chat/init.py
+++ b/src/plugins/chat/init.py
@@ -31,6 +31,7 @@ driver = get_driver()
 config = driver.config

 Database.initialize(
+    uri=config.MONGODB_URI,
    host=config.MONGODB_HOST,
    port=int(config.MONGODB_PORT),
    db_name=config.DATABASE_NAME,
--- a/src/plugins/chat/utils_image.py
+++ b/src/plugins/chat/utils_image.py
@@ -37,14 +37,7 @@ def storage_compress_image(base64_data: str, max_size: int = 200) -> str:
        os.makedirs(images_dir, exist_ok=True)
        
        # 连接数据库
-        db = Database(
-            host=config.mongodb_host,
-            port=int(config.mongodb_port),
-            db_name=config.database_name,
-            username=config.mongodb_username,
-            password=config.mongodb_password,
-            auth_source=config.mongodb_auth_source
-        )
+        db = Database.get_instance()
        
        # 检查是否已存在相同哈希值的图片
        collection = db.db['images']
--- a/src/plugins/knowledege/knowledge_library.py
+++ b/src/plugins/knowledege/knowledge_library.py
@@ -19,12 +19,13 @@ from src.common.database import Database

 # 从环境变量获取配置
 Database.initialize(
+    uri=os.getenv("MONGODB_URI"),
    host=os.getenv("MONGODB_HOST", "127.0.0.1"),
    port=int(os.getenv("MONGODB_PORT", "27017")),
-    db_name=os.getenv("DATABASE_NAME", "maimai"),
+    db_name=os.getenv("DATABASE_NAME", "MegBot"),
    username=os.getenv("MONGODB_USERNAME"),
    password=os.getenv("MONGODB_PASSWORD"),
-    auth_source=os.getenv("MONGODB_AUTH_SOURCE", "admin")
+    auth_source=os.getenv("MONGODB_AUTH_SOURCE"),
 )

 class KnowledgeLibrary:
--- a/src/plugins/memory_system/draw_memory.py
+++ b/src/plugins/memory_system/draw_memory.py
@@ -9,7 +9,10 @@ import networkx as nx
 from dotenv import load_dotenv
 from loguru import logger

-sys.path.append("C:/GitHub/MaiMBot")  # 添加项目根目录到 Python 路径
+# 添加项目根目录到 Python 路径
+root_path = os.path.abspath(os.path.join(os.path.dirname(__file__), "../../.."))
+sys.path.append(root_path)
+
 from src.common.database import Database  # 使用正确的导入语法

 # 加载.env.dev文件
@@ -162,12 +165,13 @@ class Memory_graph:
 def main():
    # 初始化数据库
    Database.initialize(
+        uri=os.getenv("MONGODB_URI"),
        host=os.getenv("MONGODB_HOST", "127.0.0.1"),
        port=int(os.getenv("MONGODB_PORT", "27017")),
        db_name=os.getenv("DATABASE_NAME", "MegBot"),
-        username=os.getenv("MONGODB_USERNAME", ""),
-        password=os.getenv("MONGODB_PASSWORD", ""),
-        auth_source=os.getenv("MONGODB_AUTH_SOURCE", "")
+        username=os.getenv("MONGODB_USERNAME"),
+        password=os.getenv("MONGODB_PASSWORD"),
+        auth_source=os.getenv("MONGODB_AUTH_SOURCE"),
    )

    memory_graph = Memory_graph()
--- a/src/plugins/memory_system/memory.py
+++ b/src/plugins/memory_system/memory.py
@@ -8,6 +8,7 @@ import jieba
 import networkx as nx

 from loguru import logger
+from nonebot import get_driver
 from ...common.database import Database  # 使用正确的导入语法
 from ..chat.config import global_config
 from ..chat.utils import (
@@ -18,7 +19,6 @@ from ..chat.utils import (
 )
 from ..models.utils_model import LLM_request

-
 class Memory_graph:
    def __init__(self):
        self.G = nx.Graph()  # 使用 networkx 的图结构
@@ -150,7 +150,7 @@ class Memory_graph:
        return None


-# 海马体 
+# 海马体
 class Hippocampus:
    def __init__(self, memory_graph: Memory_graph):
        self.memory_graph = memory_graph
@@ -881,15 +881,13 @@ def segment_text(text):
    seg_text = list(jieba.cut(text))
    return seg_text

-
-from nonebot import get_driver
-
 driver = get_driver()
 config = driver.config

 start_time = time.time()

 Database.initialize(
+    uri=config.MONGODB_URI,
    host=config.MONGODB_HOST,
    port=config.MONGODB_PORT,
    db_name=config.DATABASE_NAME,
--- a/src/plugins/memory_system/memory_manual_build.py
+++ b/src/plugins/memory_system/memory_manual_build.py
@@ -16,7 +16,10 @@ from loguru import logger
 import jieba

 # from chat.config import global_config
-sys.path.append("C:/GitHub/MaiMBot")  # 添加项目根目录到 Python 路径
+# 添加项目根目录到 Python 路径
+root_path = os.path.abspath(os.path.join(os.path.dirname(__file__), "../../.."))
+sys.path.append(root_path)
+
 from src.common.database import Database
 from src.plugins.memory_system.offline_llm import LLMModel

@@ -35,45 +38,6 @@ else:
    logger.warning(f"未找到环境变量文件: {env_path}")
    logger.info("将使用默认配置")

-class Database:
-    _instance = None
-    db = None
-    
-    @classmethod
-    def get_instance(cls):
-        if cls._instance is None:
-            cls._instance = cls()
-        return cls._instance
-    
-    def __init__(self):
-        if not Database.db:
-            Database.initialize(
-                host=os.getenv("MONGODB_HOST"),
-                port=int(os.getenv("MONGODB_PORT")),
-                db_name=os.getenv("DATABASE_NAME"),
-                username=os.getenv("MONGODB_USERNAME"),
-                password=os.getenv("MONGODB_PASSWORD"),
-                auth_source=os.getenv("MONGODB_AUTH_SOURCE")
-            )
-            
-    @classmethod
-    def initialize(cls, host, port, db_name, username=None, password=None, auth_source="admin"):
-        try:
-            if username and password:
-                uri = f"mongodb://{username}:{password}@{host}:{port}/{db_name}?authSource={auth_source}"
-            else:
-                uri = f"mongodb://{host}:{port}"
-                
-            client = pymongo.MongoClient(uri)
-            cls.db = client[db_name]
-            # 测试连接
-            client.server_info()
-            logger.success("MongoDB连接成功!")
-            
-        except Exception as e:
-            logger.error(f"初始化MongoDB失败: {str(e)}")
-            raise
-
 def calculate_information_content(text):
    """计算文本的信息量（熵）"""
    char_count = Counter(text)
@@ -202,7 +166,7 @@ class Memory_graph:
        # 返回所有节点对应的 Memory_dot 对象
        return [self.get_dot(node) for node in self.G.nodes()]

-# 海马体 
+# 海马体
 class Hippocampus:
    def __init__(self, memory_graph: Memory_graph):
        self.memory_graph = memory_graph
@@ -941,59 +905,67 @@ def visualize_graph_lite(memory_graph: Memory_graph, color_by_memory: bool = Fal
 async def main():
    # 初始化数据库
    logger.info("正在初始化数据库连接...")
-    db = Database.get_instance()
+    Database.initialize(
+        uri=os.getenv("MONGODB_URI"),
+        host=os.getenv("MONGODB_HOST", "127.0.0.1"),
+        port=int(os.getenv("MONGODB_PORT", "27017")),
+        db_name=os.getenv("DATABASE_NAME", "MegBot"),
+        username=os.getenv("MONGODB_USERNAME"),
+        password=os.getenv("MONGODB_PASSWORD"),
+        auth_source=os.getenv("MONGODB_AUTH_SOURCE"),
+    )
    start_time = time.time()
-    
+
    test_pare = {'do_build_memory':False,'do_forget_topic':False,'do_visualize_graph':True,'do_query':False,'do_merge_memory':False}
-    
+
    # 创建记忆图
    memory_graph = Memory_graph()
-    
+
    # 创建海马体
    hippocampus = Hippocampus(memory_graph)
-    
+
    # 从数据库同步数据
    hippocampus.sync_memory_from_db()
-    
+
    end_time = time.time()
    logger.info(f"\033[32m[加载海马体耗时: {end_time - start_time:.2f} 秒]\033[0m")
-    
+
    # 构建记忆
    if test_pare['do_build_memory']:
        logger.info("开始构建记忆...")
        chat_size = 20
        await hippocampus.operation_build_memory(chat_size=chat_size)
-        
+
        end_time = time.time()
        logger.info(f"\033[32m[构建记忆耗时: {end_time - start_time:.2f} 秒,chat_size={chat_size},chat_count = 16]\033[0m")
-        
+
    if test_pare['do_forget_topic']:
        logger.info("开始遗忘记忆...")
        await hippocampus.operation_forget_topic(percentage=0.1)
-        
+
        end_time = time.time()
        logger.info(f"\033[32m[遗忘记忆耗时: {end_time - start_time:.2f} 秒]\033[0m")
-        
+
    if test_pare['do_merge_memory']:
        logger.info("开始合并记忆...")
        await hippocampus.operation_merge_memory(percentage=0.1)
-        
+
        end_time = time.time()
        logger.info(f"\033[32m[合并记忆耗时: {end_time - start_time:.2f} 秒]\033[0m")
-    
+
    if test_pare['do_visualize_graph']:
        # 展示优化后的图形
        logger.info("生成记忆图谱可视化...")
        print("\n生成优化后的记忆图谱：")
        visualize_graph_lite(memory_graph)
-    
+
    if test_pare['do_query']:
        # 交互式查询
        while True:
            query = input("\n请输入新的查询概念（输入'退出'以结束）：")
            if query.lower() == '退出':
                break
-            
+
            items_list = memory_graph.get_related_item(query)
            if items_list:
                first_layer, second_layer = items_list
@@ -1008,9 +980,6 @@ async def main():
            else:
                print("未找到相关记忆。")

-
 if __name__ == "__main__":
    import asyncio
    asyncio.run(main())
-
-    
--- a/src/plugins/schedule/schedule_generator.py
+++ b/src/plugins/schedule/schedule_generator.py
@@ -14,6 +14,7 @@ driver = get_driver()
 config = driver.config

 Database.initialize(
+    uri=config.MONGODB_URI,
    host=config.MONGODB_HOST,
    port=int(config.MONGODB_PORT),
    db_name=config.DATABASE_NAME,
@@ -22,7 +23,6 @@ Database.initialize(
    auth_source=config.MONGODB_AUTH_SOURCE
 )

-
 class ScheduleGenerator:
    def __init__(self):
        # 根据global_config.llm_normal这一字典配置指定模型
--- a/template.env
+++ b/template.env
@@ -5,13 +5,18 @@ PORT=8080
 PLUGINS=["src2.plugins.chat"]

 # 默认配置
-MONGODB_HOST=127.0.0.1 # 如果工作在Docker下，请改成 MONGODB_HOST=mongodb
+# 如果工作在Docker下，请改成 MONGODB_HOST=mongodb
+MONGODB_HOST=127.0.0.1
 MONGODB_PORT=27017
 DATABASE_NAME=MegBot

-MONGODB_USERNAME = ""  # 默认空值
-MONGODB_PASSWORD = ""  # 默认空值
-MONGODB_AUTH_SOURCE = ""  # 默认空值
+# 也可以使用 URI 连接数据库（优先级比上面的高）
+# MONGODB_URI=mongodb://127.0.0.1:27017/MegBot
+
+# MongoDB 认证信息，若需要认证，请取消注释以下三行并填写正确的信息
+# MONGODB_USERNAME=user
+# MONGODB_PASSWORD=password
+# MONGODB_AUTH_SOURCE=admin

 #key and url
 CHAT_ANY_WHERE_BASE_URL=https://api.chatanywhere.tech/v1
@@ -21,4 +26,4 @@ DEEP_SEEK_BASE_URL=https://api.deepseek.com/v1
 #定义你要用的api的base_url
 DEEP_SEEK_KEY=
 CHAT_ANY_WHERE_KEY=
-SILICONFLOW_KEY=
+SILICONFLOW_KEY=