Merge branch 'master' of https://github.com/MaiBot-Plus/MaiMbot-Pro-Max

docs/memory_system_design_v2.md

@@ -0,0 +1,66 @@
+# 全新三层记忆系统架构 (V2.0) 设计文档
+
+## 1. 核心思想
+
+本架构旨在建立一个清晰、有序的信息处理流水线，模拟人类记忆从瞬时感知到长期知识沉淀的过程。信息将经历**短期记忆 (STM)**、**中期记忆 (MTM)** 和 **长期记忆 (LTM)** 三个阶段，实现从海量、零散到结构化、深刻的转化。
+
+## 2. 架构分层详解
+
+### 2.1. 短期记忆 (STM - Short-Term Memory) - “消息缓冲区”
+
+*   **职责**: 捕获并暂存所有进入核心的最新消息，为即时对话提供上下文，实现快速响应。
+*   **实现方式**:
+    *   **内存队列**: 采用定长的内存队列（如 `collections.deque`），存储最近的 N 条原始消息（建议初始值为 200）。
+    *   **实时向量化**: 消息入队时，异步进行文本内容的语义向量化，生成“意义指纹”。
+    *   **快速检索**: 利用高效的向量相似度计算库（如 FAISS, Annoy），在新消息到来时，快速从队列中检索最相关的历史消息，构建即时上下文。
+*   **触发机制**: 当队列达到容量上限时，将最老的一批消息（例如前 50 条）打包，移交给中期记忆模块处理。
+
+### 2.2. 中期记忆 (MTM - Mid-Term Memory) - “记忆压缩器”
+
+*   **职责**: 对来自短期记忆的大量零散信息进行压缩、总结，形成结构化的“记忆片段”。
+*   **实现方式**:
+    *   **LLM 总结**: 调用大语言模型（LLM）对 STM 移交的消息包进行深度分析和总结，提炼成一段精简的“记忆陈述”（Memory Statement）。
+    *   **信息结构化**: 每个记忆片段都将包含以下元数据：
+        *   `memory_text`: 记忆陈述本身。
+        *   `keywords`: 关联的关键词列表。
+        *   `time_range`: 记忆所涉及的时间范围。
+        *   `importance_score`: LLM 评估的重要性评分。
+        *   `access_count`: 访问计数器，初始为 0。
+    *   **持久化存储**: 将结构化的记忆片段存储在数据库中，可复用或改造现有 `Memory` 表。
+*   **触发机制**: 由 STM 的队列溢出事件触发。
+
+### 2.3. 长期记忆 (LTM - Long-Term Memory) - “知识图谱”
+
+*   **职责**: 将经过验证的、具有高价值的中期记忆，内化为系统核心知识的一部分，构建深层联系。
+*   **实现方式**:
+    *   **晋升机制**: 通过一个定期的“记忆整理”任务，扫描中期记忆数据库。当某个记忆片段的 `access_count` 达到预设阈值（例如 10 次），则触发晋升。
+    *   **融入图谱**: 晋升的记忆片段将被送往 `Hippocampus` 模块。`Hippocampus` 将不再直接处理原始聊天记录，而是处理这些高质量、经过预处理的记忆片段。它会从中提取核心概念（节点）和它们之间的关系（边），然后将这些信息融入并更新现有的知识图谱。
+*   **触发机制**: 由定时任务（例如每天执行一次）触发。
+
+## 3. 信息处理流程
+
+```mermaid
+graph TD
+    A[输入: 新消息] --> B{短期记忆 STM};
+    B --> |实时向量检索| C[输出: 对话上下文];
+    B --> |队列满| D{中期记忆 MTM};
+    D --> |LLM 总结| E[存入数据库: 记忆片段];
+    E --> |关键词/时间检索| C;
+    E --> |访问次数高| F{长期记忆 LTM};
+    F --> |LLM 提取概念/关系| G[更新: 知识图谱];
+    G --> |图谱扩散激活检索| C;
+
+    subgraph "内存中 (高速)"
+        B
+    end
+
+    subgraph "数据库中 (持久化)"
+        E
+        G
+    end
+```
+
+## 4. 现有模块改造计划
+
+*   **`InstantMemory`**: 将被新的 **STM** 和 **MTM** 模块取代。其原有的“判断是否需要记忆”和“总结”的功能，将融入到 MTM 的处理流程中。
+*   **`Hippocampus`**: 将保留其作为 **LTM** 的核心地位，但其输入源将从“随机抽样的历史聊天记录”变更为“从 MTM 晋升的高价值记忆片段”。这将极大提升其构建知识图谱的效率和质量。

docs/plugins/dependency-management.md

@@ -165,10 +165,38 @@ configure_dependency_settings(auto_install_timeout=600)
 ## 工作流程
 
 1. **插件初始化**: 当插件类被实例化时，系统自动检查依赖
-2. **依赖标准化**: 将字符串格式的依赖转换为PythonDependency对象
+2. **依赖标准化**: 将字符串格式的依赖转换为`PythonDependency`对象
 3. **检查已安装**: 尝试导入每个依赖包并检查版本
-4. **自动安装**: 如果启用，自动安装缺失的依赖
+4. **智能别名解析 (新增)**: 如果直接导入失败 (例如 `import beautifulsoup4` 失败)，系统会查询内置的别名映射表 (例如 `beautifulsoup4` -> `bs4`)，并尝试使用别名再次导入。
-5. **错误处理**: 记录详细的错误信息和安装日志
+5. **自动安装**: 如果启用，自动安装缺失的依赖
+6. **错误处理**: 记录详细的错误信息和安装日志
+
+## 智能别名解析 (Smart Alias Resolution)
+
+为了提升开发体验，依赖管理系统内置了一套智能别名解析机制。
+
+### 解决的问题
+
+Python生态中存在一些特殊的包，它们的**安装名** (在 `pip install` 中使用) 与**导入名** (在 `import` 语句中使用) 不一致。最典型的例子就是：
+- 安装名: `beautifulsoup4`, 导入名: `bs4`
+- 安装名: `Pillow`, 导入名: `PIL`
+- 安装名: `scikit-learn`, 导入名: `sklearn`
+
+如果开发者在 `python_dependencies` 列表中使用简单的字符串格式 `"beautifulsoup4"`，标准的依赖检查会因为无法 `import beautifulsoup4` 而失败。
+
+### 工作原理
+
+当依赖管理器通过包名直接导入失败时，它会：
+1. 查询一个内置的、包含上百个常见包的别名映射表。
+2. 如果在表中找到对应的导入名，则使用该别名再次尝试导入。
+3. 如果使用别名导入成功，则依赖检查通过，并继续进行版本验证。
+
+这个过程是自动的，旨在处理绝大多数常见情况，减少开发者手动配置的麻烦。
+
+### 注意事项
+
+- **最佳实践**: 尽管有智能别名解析，我们仍然**强烈推荐**使用 `PythonDependency` 对象来明确指定 `package_name` (导入名) 和 `install_name` (安装名)，这能确保最高的准确性和可读性。
+- **覆盖范围**: 内置的别名映射表涵盖了大量常用库，但无法保证100%覆盖所有情况。如果遇到别名库未收录的包，请使用 `PythonDependency` 对象进行精确定义。
 
 ## 日志输出示例
 
@@ -192,12 +220,13 @@ configure_dependency_settings(auto_install_timeout=600)
 
 ## 最佳实践
 
-1. **使用详细的PythonDependency对象** 以获得更好的控制和文档
+1. **优先使用`PythonDependency`对象**: 这是最可靠、最明确的方式，尤其是在安装名和导入名不同时。
-2. **配置PyPI镜像源** 特别是在中国大陆地区，可显著提升下载速度
+2. **利用智能别名解析**: 对于常见的、安装名与导入名不一致的包 (如 `beautifulsoup4`, `Pillow` 等)，可以直接在字符串列表里使用安装名，系统会自动解析。
-3. **合理设置可选依赖** 避免非核心功能阻止插件加载
+3. **配置PyPI镜像源**: 特别是在中国大陆地区，可显著提升下载速度。
-4. **指定版本要求** 确保兼容性
+4. **合理设置可选依赖**: 避免非核心功能阻止插件加载。
-5. **添加描述信息** 帮助用户理解依赖的用途
+5. **指定版本要求**: 确保兼容性。
-6. **测试依赖配置** 在不同环境中验证依赖是否正确
+6. **添加描述信息**: 帮助用户理解依赖的用途。
+7. **测试依赖配置**: 在不同环境中验证依赖是否正确。
 
 ## 安全考虑
 
@@ -225,7 +254,8 @@ configure_dependency_settings(auto_install_timeout=600)
 
 ### 导入错误
 
-1. 确认包名与导入名一致
+1. **确认包名与导入名**: 检查安装名和导入名是否一致。如果不一致，推荐使用 `PythonDependency` 对象明确指定 `package_name` 和 `install_name`。
-2. 检查可选依赖配置
+2. **利用自动别名解析**: 对于常见库，系统会自动尝试解析别名。如果你的库比较冷门且名称不一致，请使用 `PythonDependency` 对象。
-3. 验证安装是否成功
+3. **检查可选依赖配置**: 确认 `optional=True` 是否被正确设置。
+4. **验证安装是否成功**: 查看日志，确认 `pip install` 过程没有报错。
 

requirements.txt

@@ -60,5 +60,7 @@ exa_py
 asyncddgs
 opencv-python
 Pillow
+chromadb
 asyncio
-tavily-python
+tavily-python
+google-generativeai = 0.8.5

src/common/cache_manager.py

@@ -1,344 +1,224 @@
+import time
 import json
+import sqlite3
+import chromadb
 import hashlib
-import re
+import inspect
+import numpy as np
+import faiss
 from typing import Any, Dict, Optional
-from datetime import datetime, timedelta
-from pathlib import Path
-from difflib import SequenceMatcher
-
 from src.common.logger import get_logger
+from src.llm_models.utils_model import LLMRequest
+from src.config.config import global_config, model_config
 
 logger = get_logger("cache_manager")
 
+class CacheManager:
+    """
+    一个支持分层和语义缓存的通用工具缓存管理器。
+    采用单例模式，确保在整个应用中只有一个缓存实例。
+    L1缓存: 内存字典 (KV) + FAISS (Vector)。
+    L2缓存: SQLite (KV) + ChromaDB (Vector)。
+    """
+    _instance = None
 
-class ToolCache:
+    def __new__(cls, *args, **kwargs):
-    """工具缓存管理器，用于缓存工具调用结果，支持近似匹配"""
+        if not cls._instance:
+            cls._instance = super(CacheManager, cls).__new__(cls)
+        return cls._instance
 
-    def __init__(
+    def __init__(self, default_ttl: int = 3600, db_path: str = "data/cache.db", chroma_path: str = "data/chroma_db"):
-        self,
-        cache_dir: str = "data/tool_cache",
-        max_age_hours: int = 24,
-        similarity_threshold: float = 0.65,
-    ):
         """
-        初始化缓存管理器
+        初始化缓存管理器。
-
-        Args:
-            cache_dir: 缓存目录路径
-            max_age_hours: 缓存最大存活时间（小时）
-            similarity_threshold: 近似匹配的相似度阈值 (0-1)
         """
-        self.cache_dir = Path(cache_dir)
+        if not hasattr(self, '_initialized'):
-        self.max_age = timedelta(hours=max_age_hours)
+            self.default_ttl = default_ttl
-        self.max_age_seconds = max_age_hours * 3600
+            
-        self.similarity_threshold = similarity_threshold
+            # L1 缓存 (内存)
-        self.cache_dir.mkdir(parents=True, exist_ok=True)
+            self.l1_kv_cache: Dict[str, Dict[str, Any]] = {}
+            embedding_dim = global_config.lpmm_knowledge.embedding_dimension
+            self.l1_vector_index = faiss.IndexFlatIP(embedding_dim)
+            self.l1_vector_id_to_key: Dict[int, str] = {}
+            
+            # L2 缓存 (持久化)
+            self.db_path = db_path
+            self._init_sqlite()
+            self.chroma_client = chromadb.PersistentClient(path=chroma_path)
+            self.chroma_collection = self.chroma_client.get_or_create_collection(name="semantic_cache")
+            
+            # 嵌入模型
+            self.embedding_model = LLMRequest(model_config.model_task_config.embedding)
 
-    @staticmethod
+            self._initialized = True
-    def _normalize_query(query: str) -> str:
+            logger.info("缓存管理器已初始化: L1 (内存+FAISS), L2 (SQLite+ChromaDB)")
+
+    def _init_sqlite(self):
+        """初始化SQLite数据库和表结构。"""
+        with sqlite3.connect(self.db_path) as conn:
+            cursor = conn.cursor()
+            cursor.execute("""
+                CREATE TABLE IF NOT EXISTS cache (
+                    key TEXT PRIMARY KEY,
+                    value TEXT,
+                    expires_at REAL
+                )
+            """)
+            conn.commit()
+
+    def _generate_key(self, tool_name: str, function_args: Dict[str, Any], tool_class: Any) -> str:
+        """生成确定性的缓存键，包含代码哈希以实现自动失效。"""
+        try:
+            source_code = inspect.getsource(tool_class)
+            code_hash = hashlib.md5(source_code.encode()).hexdigest()
+        except (TypeError, OSError) as e:
+            code_hash = "unknown"
+            logger.warning(f"无法获取 {tool_class.__name__} 的源代码，代码哈希将为 'unknown'。错误: {e}")
+        try:
+            sorted_args = json.dumps(function_args, sort_keys=True)
+        except TypeError:
+            sorted_args = repr(sorted(function_args.items()))
+        return f"{tool_name}::{sorted_args}::{code_hash}"
+
+    async def get(self, tool_name: str, function_args: Dict[str, Any], tool_class: Any, semantic_query: Optional[str] = None) -> Optional[Any]:
         """
-        标准化查询文本，用于相似度比较
+        从缓存获取结果，查询顺序: L1-KV -> L1-Vector -> L2-KV -> L2-Vector。
-
-        Args:
-            query: 原始查询文本
-
-        Returns:
-            标准化后的查询文本
         """
-        if not query:
+        # 步骤 1: L1 精确缓存查询
-            return ""
+        key = self._generate_key(tool_name, function_args, tool_class)
+        logger.debug(f"生成的缓存键: {key}")
+        if semantic_query:
+            logger.debug(f"使用的语义查询: '{semantic_query}'")
 
-        # 纯 Python 实现
+        if key in self.l1_kv_cache:
-        normalized = query.lower()
+            entry = self.l1_kv_cache[key]
-        normalized = re.sub(r"[^\w\s]", " ", normalized)
+            if time.time() < entry["expires_at"]:
-        normalized = " ".join(normalized.split())
+                logger.info(f"命中L1键值缓存: {key}")
-        return normalized
+                return entry["data"]
+            else:
+                del self.l1_kv_cache[key]
 
-    def _calculate_similarity(self, text1: str, text2: str) -> float:
+        # 步骤 2: L1/L2 语义和L2精确缓存查询
-        """
+        query_embedding = None
-        计算两个文本的相似度
+        if semantic_query and self.embedding_model:
+            embedding_result = await self.embedding_model.get_embedding(semantic_query)
+            if embedding_result:
+                query_embedding = np.array([embedding_result], dtype='float32')
 
-        Args:
+        # 步骤 2a: L1 语义缓存 (FAISS)
-            text1: 文本1
+        if query_embedding is not None and self.l1_vector_index.ntotal > 0:
-            text2: 文本2
+            faiss.normalize_L2(query_embedding)
+            distances, indices = self.l1_vector_index.search(query_embedding, 1)
+            if indices.size > 0 and distances[0][0] > 0.75: # IP 越大越相似
+                hit_index = indices[0][0]
+                l1_hit_key = self.l1_vector_id_to_key.get(hit_index)
+                if l1_hit_key and l1_hit_key in self.l1_kv_cache:
+                    logger.info(f"命中L1语义缓存: {l1_hit_key}")
+                    return self.l1_kv_cache[l1_hit_key]["data"]
 
-        Returns:
+        # 步骤 2b: L2 精确缓存 (SQLite)
-            相似度分数 (0-1)
+        with sqlite3.connect(self.db_path) as conn:
-        """
+            cursor = conn.cursor()
-        if not text1 or not text2:
+            cursor.execute("SELECT value, expires_at FROM cache WHERE key = ?", (key,))
-            return 0.0
+            row = cursor.fetchone()
+            if row:
+                value, expires_at = row
+                if time.time() < expires_at:
+                    logger.info(f"命中L2键值缓存: {key}")
+                    data = json.loads(value)
+                    # 回填 L1
+                    self.l1_kv_cache[key] = {"data": data, "expires_at": expires_at}
+                    return data
+                else:
+                    cursor.execute("DELETE FROM cache WHERE key = ?", (key,))
+                    conn.commit()
 
-        # 纯 Python 实现
+        # 步骤 2c: L2 语义缓存 (ChromaDB)
-        norm_text1 = self._normalize_query(text1)
+        if query_embedding is not None:
-        norm_text2 = self._normalize_query(text2)
+            results = self.chroma_collection.query(query_embeddings=query_embedding.tolist(), n_results=1)
+            if results and results['ids'] and results['ids'][0]:
+                distance = results['distances'][0][0] if results['distances'] and results['distances'][0] else 'N/A'
+                logger.debug(f"L2语义搜索找到最相似的结果: id={results['ids'][0]}, 距离={distance}")
+                if distance != 'N/A' and distance < 0.75:
+                    l2_hit_key = results['ids'][0]
+                    logger.info(f"命中L2语义缓存: key='{l2_hit_key}', 距离={distance:.4f}")
+                    with sqlite3.connect(self.db_path) as conn:
+                        cursor = conn.cursor()
+                    cursor.execute("SELECT value, expires_at FROM cache WHERE key = ?", (l2_hit_key if isinstance(l2_hit_key, str) else l2_hit_key[0],))
+                    row = cursor.fetchone()
+                    if row:
+                        value, expires_at = row
+                        if time.time() < expires_at:
+                            data = json.loads(value)
+                            logger.debug(f"L2语义缓存返回的数据: {data}")
+                            # 回填 L1
+                            self.l1_kv_cache[key] = {"data": data, "expires_at": expires_at}
+                            if query_embedding is not None:
+                                new_id = self.l1_vector_index.ntotal
+                                faiss.normalize_L2(query_embedding)
+                                self.l1_vector_index.add(x=query_embedding)
+                                self.l1_vector_id_to_key[new_id] = key
+                            return data
 
-        if norm_text1 == norm_text2:
+        logger.debug(f"缓存未命中: {key}")
-            return 1.0
-
-        return SequenceMatcher(None, norm_text1, norm_text2).ratio()
-
-    @staticmethod
-    def _generate_cache_key(tool_name: str, function_args: Dict[str, Any]) -> str:
-        """
-        生成缓存键
-
-        Args:
-            tool_name: 工具名称
-            function_args: 函数参数
-
-        Returns:
-            缓存键字符串
-        """
-        # 将参数排序后序列化，确保相同参数产生相同的键
-        sorted_args = json.dumps(function_args, sort_keys=True, ensure_ascii=False)
-
-        # 纯 Python 实现
-        cache_string = f"{tool_name}:{sorted_args}"
-        return hashlib.md5(cache_string.encode("utf-8")).hexdigest()
-
-    def _get_cache_file_path(self, cache_key: str) -> Path:
-        """获取缓存文件路径"""
-        return self.cache_dir / f"{cache_key}.json"
-
-    def _is_cache_expired(self, cached_time: datetime) -> bool:
-        """检查缓存是否过期"""
-        return datetime.now() - cached_time > self.max_age
-
-    def _find_similar_cache(
-        self, tool_name: str, function_args: Dict[str, Any]
-    ) -> Optional[Dict[str, Any]]:
-        """
-        查找相似的缓存条目
-
-        Args:
-            tool_name: 工具名称
-            function_args: 函数参数
-
-        Returns:
-            相似的缓存结果，如果不存在则返回None
-        """
-        query = function_args.get("query", "")
-        if not query:
-            return None
-
-        candidates = []
-        cache_data_list = []
-
-        # 遍历所有缓存文件，收集候选项
-        for cache_file in self.cache_dir.glob("*.json"):
-            try:
-                with open(cache_file, "r", encoding="utf-8") as f:
-                    cache_data = json.load(f)
-
-                # 检查是否是同一个工具
-                if cache_data.get("tool_name") != tool_name:
-                    continue
-
-                # 检查缓存是否过期
-                cached_time = datetime.fromisoformat(cache_data["timestamp"])
-                if self._is_cache_expired(cached_time):
-                    continue
-
-                # 检查其他参数是否匹配（除了query）
-                cached_args = cache_data.get("function_args", {})
-                args_match = True
-                for key, value in function_args.items():
-                    if key != "query" and cached_args.get(key) != value:
-                        args_match = False
-                        break
-
-                if not args_match:
-                    continue
-
-                # 收集候选项
-                cached_query = cached_args.get("query", "")
-                candidates.append((cached_query, len(cache_data_list)))
-                cache_data_list.append(cache_data)
-
-            except Exception as e:
-                logger.warning(f"检查缓存文件时出错: {cache_file}, 错误: {e}")
-                continue
-
-        if not candidates:
-            logger.debug(
-                f"未找到相似缓存: {tool_name}, 查询: '{query}'，相似度阈值: {self.similarity_threshold}"
-            )
-            return None
-
-        # 纯 Python 实现
-        best_match = None
-        best_similarity = 0.0
-
-        for cached_query, index in candidates:
-            similarity = self._calculate_similarity(query, cached_query)
-            if similarity > best_similarity and similarity >= self.similarity_threshold:
-                best_similarity = similarity
-                best_match = cache_data_list[index]
-
-        if best_match is not None:
-            cached_query = best_match["function_args"].get("query", "")
-            logger.info(
-                f"相似缓存命中，相似度: {best_similarity:.2f}, 原查询: '{cached_query}', 当前查询: '{query}'"
-            )
-            return best_match["result"]
-
-        logger.debug(
-            f"未找到相似缓存: {tool_name}, 查询: '{query}'，相似度阈值: {self.similarity_threshold}"
-        )
         return None
 
-    def get(
+    async def set(self, tool_name: str, function_args: Dict[str, Any], tool_class: Any, data: Any, ttl: Optional[int] = None, semantic_query: Optional[str] = None):
-        self, tool_name: str, function_args: Dict[str, Any]
+        """将结果存入所有缓存层。"""
-    ) -> Optional[Dict[str, Any]]:
+        if ttl is None:
-        """
+            ttl = self.default_ttl
-        从缓存获取结果，支持精确匹配和近似匹配
+        if ttl <= 0:
+            return
 
-        Args:
+        key = self._generate_key(tool_name, function_args, tool_class)
-            tool_name: 工具名称
+        expires_at = time.time() + ttl
-            function_args: 函数参数
+        
+        # 写入 L1
+        self.l1_kv_cache[key] = {"data": data, "expires_at": expires_at}
 
-        Returns:
+        # 写入 L2
-            缓存的结果，如果不存在或已过期则返回None
+        value = json.dumps(data)
-        """
+        with sqlite3.connect(self.db_path) as conn:
-        # 首先尝试精确匹配
+            cursor = conn.cursor()
-        cache_key = self._generate_cache_key(tool_name, function_args)
+            cursor.execute("REPLACE INTO cache (key, value, expires_at) VALUES (?, ?, ?)", (key, value, expires_at))
-        cache_file = self._get_cache_file_path(cache_key)
+            conn.commit()
 
-        if cache_file.exists():
+        # 写入语义缓存
-            try:
+        if semantic_query and self.embedding_model:
-                with open(cache_file, "r", encoding="utf-8") as f:
+            embedding_result = await self.embedding_model.get_embedding(semantic_query)
-                    cache_data = json.load(f)
+            if embedding_result:
+                embedding = np.array([embedding_result], dtype='float32')
+                # 写入 L1 Vector
+                new_id = self.l1_vector_index.ntotal
+                faiss.normalize_L2(embedding)
+                self.l1_vector_index.add(x=embedding)
+                self.l1_vector_id_to_key[new_id] = key
+                # 写入 L2 Vector
+                self.chroma_collection.add(embeddings=embedding.tolist(), ids=[key])
 
-                # 检查缓存是否过期
+        logger.info(f"已缓存条目: {key}, TTL: {ttl}s")
-                cached_time = datetime.fromisoformat(cache_data["timestamp"])
-                if self._is_cache_expired(cached_time):
-                    logger.debug(f"缓存已过期: {cache_key}")
-                    cache_file.unlink()  # 删除过期缓存
-                else:
-                    logger.debug(f"精确匹配缓存: {tool_name}")
-                    return cache_data["result"]
 
-            except (json.JSONDecodeError, KeyError, ValueError) as e:
+    def clear_l1(self):
-                logger.warning(f"读取缓存文件失败: {cache_file}, 错误: {e}")
+        """清空L1缓存。"""
-                # 删除损坏的缓存文件
+        self.l1_kv_cache.clear()
-                if cache_file.exists():
+        self.l1_vector_index.reset()
-                    cache_file.unlink()
+        self.l1_vector_id_to_key.clear()
+        logger.info("L1 (内存+FAISS) 缓存已清空。")
 
-        # 如果精确匹配失败，尝试近似匹配
+    def clear_l2(self):
-        return self._find_similar_cache(tool_name, function_args)
+        """清空L2缓存。"""
+        with sqlite3.connect(self.db_path) as conn:
+            cursor = conn.cursor()
+            cursor.execute("DELETE FROM cache")
+            conn.commit()
+        self.chroma_client.delete_collection(name="semantic_cache")
+        self.chroma_collection = self.chroma_client.get_or_create_collection(name="semantic_cache")
+        logger.info("L2 (SQLite & ChromaDB) 缓存已清空。")
 
-    def set(
+    def clear_all(self):
-        self, tool_name: str, function_args: Dict[str, Any], result: Dict[str, Any]
+        """清空所有缓存。"""
-    ) -> None:
+        self.clear_l1()
-        """
+        self.clear_l2()
-        将结果保存到缓存
+        logger.info("所有缓存层级已清空。")
 
-        Args:
+# 全局实例
-            tool_name: 工具名称
+tool_cache = CacheManager()
-            function_args: 函数参数
-            result: 缓存结果
-        """
-        cache_key = self._generate_cache_key(tool_name, function_args)
-        cache_file = self._get_cache_file_path(cache_key)
-
-        cache_data = {
-            "tool_name": tool_name,
-            "function_args": function_args,
-            "result": result,
-            "timestamp": datetime.now().isoformat(),
-        }
-
-        try:
-            with open(cache_file, "w", encoding="utf-8") as f:
-                json.dump(cache_data, f, ensure_ascii=False, indent=2)
-            logger.debug(f"缓存已保存: {tool_name} -> {cache_key}")
-        except Exception as e:
-            logger.error(f"保存缓存失败: {cache_file}, 错误: {e}")
-
-    def clear_expired(self) -> int:
-        """
-        清理过期缓存
-
-        Returns:
-            删除的文件数量
-        """
-        removed_count = 0
-
-        for cache_file in self.cache_dir.glob("*.json"):
-            try:
-                with open(cache_file, "r", encoding="utf-8") as f:
-                    cache_data = json.load(f)
-
-                cached_time = datetime.fromisoformat(cache_data["timestamp"])
-                if self._is_cache_expired(cached_time):
-                    cache_file.unlink()
-                    removed_count += 1
-                    logger.debug(f"删除过期缓存: {cache_file}")
-
-            except Exception as e:
-                logger.warning(f"清理缓存文件时出错: {cache_file}, 错误: {e}")
-                # 删除损坏的文件
-                try:
-                    cache_file.unlink()
-                    removed_count += 1
-                except (OSError, json.JSONDecodeError, KeyError, ValueError):
-                    logger.warning(f"删除损坏的缓存文件失败: {cache_file}, 错误: {e}")
-
-        logger.info(f"清理完成，删除了 {removed_count} 个过期缓存文件")
-        return removed_count
-
-    def clear_all(self) -> int:
-        """
-        清空所有缓存
-
-        Returns:
-            删除的文件数量
-        """
-        removed_count = 0
-
-        for cache_file in self.cache_dir.glob("*.json"):
-            try:
-                cache_file.unlink()
-                removed_count += 1
-            except Exception as e:
-                logger.warning(f"删除缓存文件失败: {cache_file}, 错误: {e}")
-
-        logger.info(f"清空缓存完成，删除了 {removed_count} 个文件")
-        return removed_count
-
-    def get_stats(self) -> Dict[str, Any]:
-        """
-        获取缓存统计信息
-
-        Returns:
-            缓存统计信息字典
-        """
-        total_files = 0
-        expired_files = 0
-        total_size = 0
-
-        for cache_file in self.cache_dir.glob("*.json"):
-            try:
-                total_files += 1
-                total_size += cache_file.stat().st_size
-
-                with open(cache_file, "r", encoding="utf-8") as f:
-                    cache_data = json.load(f)
-
-                cached_time = datetime.fromisoformat(cache_data["timestamp"])
-                if self._is_cache_expired(cached_time):
-                    expired_files += 1
-
-            except (OSError, json.JSONDecodeError, KeyError, ValueError):
-                expired_files += 1  # 损坏的文件也算作过期
-
-        return {
-            "total_files": total_files,
-            "expired_files": expired_files,
-            "total_size_bytes": total_size,
-            "cache_dir": str(self.cache_dir),
-            "max_age_hours": self.max_age.total_seconds() / 3600,
-            "similarity_threshold": self.similarity_threshold,
-        }
-
-tool_cache = ToolCache()

src/common/cache_manager_backup.py

@@ -0,0 +1,344 @@
+import json
+import hashlib
+import re
+from typing import Any, Dict, Optional
+from datetime import datetime, timedelta
+from pathlib import Path
+from difflib import SequenceMatcher
+
+from src.common.logger import get_logger
+
+logger = get_logger("cache_manager")
+
+
+class ToolCache:
+    """工具缓存管理器，用于缓存工具调用结果，支持近似匹配"""
+
+    def __init__(
+        self,
+        cache_dir: str = "data/tool_cache",
+        max_age_hours: int = 24,
+        similarity_threshold: float = 0.65,
+    ):
+        """
+        初始化缓存管理器
+
+        Args:
+            cache_dir: 缓存目录路径
+            max_age_hours: 缓存最大存活时间（小时）
+            similarity_threshold: 近似匹配的相似度阈值 (0-1)
+        """
+        self.cache_dir = Path(cache_dir)
+        self.max_age = timedelta(hours=max_age_hours)
+        self.max_age_seconds = max_age_hours * 3600
+        self.similarity_threshold = similarity_threshold
+        self.cache_dir.mkdir(parents=True, exist_ok=True)
+
+    @staticmethod
+    def _normalize_query(query: str) -> str:
+        """
+        标准化查询文本，用于相似度比较
+
+        Args:
+            query: 原始查询文本
+
+        Returns:
+            标准化后的查询文本
+        """
+        if not query:
+            return ""
+
+        # 纯 Python 实现
+        normalized = query.lower()
+        normalized = re.sub(r"[^\w\s]", " ", normalized)
+        normalized = " ".join(normalized.split())
+        return normalized
+
+    def _calculate_similarity(self, text1: str, text2: str) -> float:
+        """
+        计算两个文本的相似度
+
+        Args:
+            text1: 文本1
+            text2: 文本2
+
+        Returns:
+            相似度分数 (0-1)
+        """
+        if not text1 or not text2:
+            return 0.0
+
+        # 纯 Python 实现
+        norm_text1 = self._normalize_query(text1)
+        norm_text2 = self._normalize_query(text2)
+
+        if norm_text1 == norm_text2:
+            return 1.0
+
+        return SequenceMatcher(None, norm_text1, norm_text2).ratio()
+
+    @staticmethod
+    def _generate_cache_key(tool_name: str, function_args: Dict[str, Any]) -> str:
+        """
+        生成缓存键
+
+        Args:
+            tool_name: 工具名称
+            function_args: 函数参数
+
+        Returns:
+            缓存键字符串
+        """
+        # 将参数排序后序列化，确保相同参数产生相同的键
+        sorted_args = json.dumps(function_args, sort_keys=True, ensure_ascii=False)
+
+        # 纯 Python 实现
+        cache_string = f"{tool_name}:{sorted_args}"
+        return hashlib.md5(cache_string.encode("utf-8")).hexdigest()
+
+    def _get_cache_file_path(self, cache_key: str) -> Path:
+        """获取缓存文件路径"""
+        return self.cache_dir / f"{cache_key}.json"
+
+    def _is_cache_expired(self, cached_time: datetime) -> bool:
+        """检查缓存是否过期"""
+        return datetime.now() - cached_time > self.max_age
+
+    def _find_similar_cache(
+        self, tool_name: str, function_args: Dict[str, Any]
+    ) -> Optional[Dict[str, Any]]:
+        """
+        查找相似的缓存条目
+
+        Args:
+            tool_name: 工具名称
+            function_args: 函数参数
+
+        Returns:
+            相似的缓存结果，如果不存在则返回None
+        """
+        query = function_args.get("query", "")
+        if not query:
+            return None
+
+        candidates = []
+        cache_data_list = []
+
+        # 遍历所有缓存文件，收集候选项
+        for cache_file in self.cache_dir.glob("*.json"):
+            try:
+                with open(cache_file, "r", encoding="utf-8") as f:
+                    cache_data = json.load(f)
+
+                # 检查是否是同一个工具
+                if cache_data.get("tool_name") != tool_name:
+                    continue
+
+                # 检查缓存是否过期
+                cached_time = datetime.fromisoformat(cache_data["timestamp"])
+                if self._is_cache_expired(cached_time):
+                    continue
+
+                # 检查其他参数是否匹配（除了query）
+                cached_args = cache_data.get("function_args", {})
+                args_match = True
+                for key, value in function_args.items():
+                    if key != "query" and cached_args.get(key) != value:
+                        args_match = False
+                        break
+
+                if not args_match:
+                    continue
+
+                # 收集候选项
+                cached_query = cached_args.get("query", "")
+                candidates.append((cached_query, len(cache_data_list)))
+                cache_data_list.append(cache_data)
+
+            except Exception as e:
+                logger.warning(f"检查缓存文件时出错: {cache_file}, 错误: {e}")
+                continue
+
+        if not candidates:
+            logger.debug(
+                f"未找到相似缓存: {tool_name}, 查询: '{query}'，相似度阈值: {self.similarity_threshold}"
+            )
+            return None
+
+        # 纯 Python 实现
+        best_match = None
+        best_similarity = 0.0
+
+        for cached_query, index in candidates:
+            similarity = self._calculate_similarity(query, cached_query)
+            if similarity > best_similarity and similarity >= self.similarity_threshold:
+                best_similarity = similarity
+                best_match = cache_data_list[index]
+
+        if best_match is not None:
+            cached_query = best_match["function_args"].get("query", "")
+            logger.info(
+                f"相似缓存命中，相似度: {best_similarity:.2f}, 原查询: '{cached_query}', 当前查询: '{query}'"
+            )
+            return best_match["result"]
+
+        logger.debug(
+            f"未找到相似缓存: {tool_name}, 查询: '{query}'，相似度阈值: {self.similarity_threshold}"
+        )
+        return None
+
+    def get(
+        self, tool_name: str, function_args: Dict[str, Any]
+    ) -> Optional[Dict[str, Any]]:
+        """
+        从缓存获取结果，支持精确匹配和近似匹配
+
+        Args:
+            tool_name: 工具名称
+            function_args: 函数参数
+
+        Returns:
+            缓存的结果，如果不存在或已过期则返回None
+        """
+        # 首先尝试精确匹配
+        cache_key = self._generate_cache_key(tool_name, function_args)
+        cache_file = self._get_cache_file_path(cache_key)
+
+        if cache_file.exists():
+            try:
+                with open(cache_file, "r", encoding="utf-8") as f:
+                    cache_data = json.load(f)
+
+                # 检查缓存是否过期
+                cached_time = datetime.fromisoformat(cache_data["timestamp"])
+                if self._is_cache_expired(cached_time):
+                    logger.debug(f"缓存已过期: {cache_key}")
+                    cache_file.unlink()  # 删除过期缓存
+                else:
+                    logger.debug(f"精确匹配缓存: {tool_name}")
+                    return cache_data["result"]
+
+            except (json.JSONDecodeError, KeyError, ValueError) as e:
+                logger.warning(f"读取缓存文件失败: {cache_file}, 错误: {e}")
+                # 删除损坏的缓存文件
+                if cache_file.exists():
+                    cache_file.unlink()
+
+        # 如果精确匹配失败，尝试近似匹配
+        return self._find_similar_cache(tool_name, function_args)
+
+    def set(
+        self, tool_name: str, function_args: Dict[str, Any], result: Dict[str, Any]
+    ) -> None:
+        """
+        将结果保存到缓存
+
+        Args:
+            tool_name: 工具名称
+            function_args: 函数参数
+            result: 缓存结果
+        """
+        cache_key = self._generate_cache_key(tool_name, function_args)
+        cache_file = self._get_cache_file_path(cache_key)
+
+        cache_data = {
+            "tool_name": tool_name,
+            "function_args": function_args,
+            "result": result,
+            "timestamp": datetime.now().isoformat(),
+        }
+
+        try:
+            with open(cache_file, "w", encoding="utf-8") as f:
+                json.dump(cache_data, f, ensure_ascii=False, indent=2)
+            logger.debug(f"缓存已保存: {tool_name} -> {cache_key}")
+        except Exception as e:
+            logger.error(f"保存缓存失败: {cache_file}, 错误: {e}")
+
+    def clear_expired(self) -> int:
+        """
+        清理过期缓存
+
+        Returns:
+            删除的文件数量
+        """
+        removed_count = 0
+
+        for cache_file in self.cache_dir.glob("*.json"):
+            try:
+                with open(cache_file, "r", encoding="utf-8") as f:
+                    cache_data = json.load(f)
+
+                cached_time = datetime.fromisoformat(cache_data["timestamp"])
+                if self._is_cache_expired(cached_time):
+                    cache_file.unlink()
+                    removed_count += 1
+                    logger.debug(f"删除过期缓存: {cache_file}")
+
+            except Exception as e:
+                logger.warning(f"清理缓存文件时出错: {cache_file}, 错误: {e}")
+                # 删除损坏的文件
+                try:
+                    cache_file.unlink()
+                    removed_count += 1
+                except (OSError, json.JSONDecodeError, KeyError, ValueError):
+                    logger.warning(f"删除损坏的缓存文件失败: {cache_file}, 错误: {e}")
+
+        logger.info(f"清理完成，删除了 {removed_count} 个过期缓存文件")
+        return removed_count
+
+    def clear_all(self) -> int:
+        """
+        清空所有缓存
+
+        Returns:
+            删除的文件数量
+        """
+        removed_count = 0
+
+        for cache_file in self.cache_dir.glob("*.json"):
+            try:
+                cache_file.unlink()
+                removed_count += 1
+            except Exception as e:
+                logger.warning(f"删除缓存文件失败: {cache_file}, 错误: {e}")
+
+        logger.info(f"清空缓存完成，删除了 {removed_count} 个文件")
+        return removed_count
+
+    def get_stats(self) -> Dict[str, Any]:
+        """
+        获取缓存统计信息
+
+        Returns:
+            缓存统计信息字典
+        """
+        total_files = 0
+        expired_files = 0
+        total_size = 0
+
+        for cache_file in self.cache_dir.glob("*.json"):
+            try:
+                total_files += 1
+                total_size += cache_file.stat().st_size
+
+                with open(cache_file, "r", encoding="utf-8") as f:
+                    cache_data = json.load(f)
+
+                cached_time = datetime.fromisoformat(cache_data["timestamp"])
+                if self._is_cache_expired(cached_time):
+                    expired_files += 1
+
+            except (OSError, json.JSONDecodeError, KeyError, ValueError):
+                expired_files += 1  # 损坏的文件也算作过期
+
+        return {
+            "total_files": total_files,
+            "expired_files": expired_files,
+            "total_size_bytes": total_size,
+            "cache_dir": str(self.cache_dir),
+            "max_age_hours": self.max_age.total_seconds() / 3600,
+            "similarity_threshold": self.similarity_threshold,
+        }
+
+tool_cache = ToolCache()

src/config/config.py

@@ -42,7 +42,8 @@ from src.config.official_configs import (
     ExaConfig,
     WebSearchConfig,
     TavilyConfig,
-    AntiPromptInjectionConfig
+    AntiPromptInjectionConfig,
+    PluginsConfig
 )
 
 from .api_ada_configs import (
@@ -365,6 +366,7 @@ class Config(ConfigBase):
     exa: ExaConfig = field(default_factory=lambda: ExaConfig())
     web_search: WebSearchConfig = field(default_factory=lambda: WebSearchConfig())
     tavily: TavilyConfig = field(default_factory=lambda: TavilyConfig())
+    plugins: PluginsConfig = field(default_factory=lambda: PluginsConfig())
 
 
 @dataclass

src/config/official_configs.py

@@ -1,7 +1,7 @@
 import re
 
 from dataclasses import dataclass, field
-from typing import Literal, Optional, Dict
+from typing import Literal, Optional
 
 from src.config.config_base import ConfigBase
 
@@ -864,43 +864,6 @@ class ScheduleConfig(ConfigBase):
     guidelines: Optional[str] = field(default=None)
     """日程生成指导原则，如果为None则使用默认指导原则"""
 
-
-@dataclass
-class VideoAnalysisConfig(ConfigBase):
-    """视频分析配置类"""
-    
-    enable: bool = True
-    """是否启用视频分析功能"""
-    
-    analysis_mode: Literal["frame_by_frame", "batch_frames", "auto"] = "auto"
-    """分析模式：逐帧分析(慢但详细)、批量分析(快但可能略简单)或自动选择"""
-    
-    max_frames: int = 8
-    """最大分析帧数"""
-    
-    frame_quality: int = 85
-    """帧图像JPEG质量 (1-100)"""
-    
-    max_image_size: int = 800
-    """单帧最大图像尺寸(像素)"""
-    
-    batch_analysis_prompt: str = field(default="""请分析这个视频的内容。这些图片是从视频中按时间顺序提取的关键帧。
-
-请提供详细的分析，包括：
-1. 视频的整体内容和主题
-2. 主要人物、对象和场景描述
-3. 动作、情节和时间线发展
-4. 视觉风格和艺术特点
-5. 整体氛围和情感表达
-6. 任何特殊的视觉效果或文字内容
-
-请用中文回答，分析要详细准确。""")
-    """批量分析时使用的提示词"""
-    
-    enable_frame_timing: bool = True
-    """是否在分析中包含帧的时间信息"""
-
-
 @dataclass
 class DependencyManagementConfig(ConfigBase):
     """插件Python依赖管理配置类"""
@@ -988,10 +951,10 @@ class VideoAnalysisConfig(ConfigBase):
     """批量分析时使用的提示词"""
 
 
-@dataclass 
+@dataclass
 class WebSearchConfig(ConfigBase):
     """联网搜索组件配置类"""
-    
+
     enable_web_search_tool: bool = True
     """是否启用联网搜索工具"""
 
@@ -1064,4 +1027,13 @@ class AntiPromptInjectionConfig(ConfigBase):
     """加盾消息前缀"""
     
     shield_suffix: str = " 🛡️"
-    """加盾消息后缀"""
+    """加盾消息后缀"""
+
+
+@dataclass
+class PluginsConfig(ConfigBase):
+    """插件配置"""
+
+    centralized_config: bool = field(
+        default=True, metadata={"description": "是否启用插件配置集中化管理"}
+    )

src/llm_models/model_client/gemini_client.py

@@ -1,32 +1,54 @@
 import asyncio
 import io
 import base64
-from typing import Callable, AsyncIterator, Optional, Coroutine, Any, List
+from typing import Callable, AsyncIterator, Optional, Coroutine, Any, List, Dict, Union
 
-from google import genai
+import google.generativeai as genai
-from google.genai.types import (
+from google.generativeai.types import (
-    Content,
-    Part,
-    FunctionDeclaration,
     GenerateContentResponse,
-    ContentListUnion,
-    ContentUnion,
-    ThinkingConfig,
-    Tool,
-    GenerateContentConfig,
-    EmbedContentResponse,
-    EmbedContentConfig,
-    SafetySetting,
     HarmCategory,
     HarmBlockThreshold,
 )
-from google.genai.errors import (
+
-    ClientError,
+try:
-    ServerError,
+    # 尝试从较新的API导入
-    UnknownFunctionCallArgumentError,
+    from google.generativeai import configure
-    UnsupportedFunctionError,
+    from google.generativeai.types import SafetySetting, GenerationConfig
-    FunctionInvocationError,
+except ImportError:
-)
+    # 回退到基本类型
+    SafetySetting = Dict
+    GenerationConfig = Dict
+
+# 定义兼容性类型
+ContentDict = Dict
+PartDict = Dict
+ToolDict = Dict
+FunctionDeclaration = Dict
+Tool = Dict
+ContentListUnion = List[Dict]
+ContentUnion = Dict
+Content = Dict
+Part = Dict
+ThinkingConfig = Dict
+GenerateContentConfig = Dict
+EmbedContentConfig = Dict
+EmbedContentResponse = Dict
+
+# 定义异常类型
+class ClientError(Exception):
+    pass
+
+class ServerError(Exception):
+    pass
+
+class UnknownFunctionCallArgumentError(Exception):
+    pass
+
+class UnsupportedFunctionError(Exception):
+    pass
+
+class FunctionInvocationError(Exception):
+    pass
 
 from src.config.api_ada_configs import ModelInfo, APIProvider
 from src.common.logger import get_logger
@@ -44,18 +66,17 @@ from ..payload_content.tool_option import ToolOption, ToolParam, ToolCall
 
 logger = get_logger("Gemini客户端")
 
-gemini_safe_settings = [
+SAFETY_SETTINGS = [
-    SafetySetting(category=HarmCategory.HARM_CATEGORY_HATE_SPEECH, threshold=HarmBlockThreshold.BLOCK_NONE),
+    {"category": HarmCategory.HARM_CATEGORY_HATE_SPEECH, "threshold": HarmBlockThreshold.BLOCK_NONE},
-    SafetySetting(category=HarmCategory.HARM_CATEGORY_DANGEROUS_CONTENT, threshold=HarmBlockThreshold.BLOCK_NONE),
+    {"category": HarmCategory.HARM_CATEGORY_DANGEROUS_CONTENT, "threshold": HarmBlockThreshold.BLOCK_NONE},
-    SafetySetting(category=HarmCategory.HARM_CATEGORY_HARASSMENT, threshold=HarmBlockThreshold.BLOCK_NONE),
+    {"category": HarmCategory.HARM_CATEGORY_HARASSMENT, "threshold": HarmBlockThreshold.BLOCK_NONE},
-    SafetySetting(category=HarmCategory.HARM_CATEGORY_SEXUALLY_EXPLICIT, threshold=HarmBlockThreshold.BLOCK_NONE),
+    {"category": HarmCategory.HARM_CATEGORY_SEXUALLY_EXPLICIT, "threshold": HarmBlockThreshold.BLOCK_NONE},
-    SafetySetting(category=HarmCategory.HARM_CATEGORY_CIVIC_INTEGRITY, threshold=HarmBlockThreshold.BLOCK_NONE),
 ]
 
 
 def _convert_messages(
     messages: list[Message],
-) -> tuple[ContentListUnion, list[str] | None]:
+) -> tuple[List[Dict], list[str] | None]:
     """
     转换消息格式 - 将消息转换为Gemini API所需的格式
     :param messages: 消息列表
@@ -81,7 +102,7 @@ def _convert_messages(
         normalized_format = format_mapping.get(image_format.lower(), image_format.lower())
         return f"image/{normalized_format}"
 
-    def _convert_message_item(message: Message) -> Content:
+    def _convert_message_item(message: Message) -> Dict:
         """
         转换单个消息格式，除了system和tool类型的消息
         :param message: 消息对象
@@ -96,22 +117,25 @@ def _convert_messages(
 
         # 添加Content
         if isinstance(message.content, str):
-            content = [Part.from_text(text=message.content)]
+            content = [{"text": message.content}]
         elif isinstance(message.content, list):
-            content: List[Part] = []
+            content = []
             for item in message.content:
                 if isinstance(item, tuple):
-                    content.append(
+                    content.append({
-                        Part.from_bytes(data=base64.b64decode(item[1]), mime_type=_get_correct_mime_type(item[0]))
+                        "inline_data": {
-                    )
+                            "mime_type": _get_correct_mime_type(item[0]),
+                            "data": item[1]
+                        }
+                    })
                 elif isinstance(item, str):
-                    content.append(Part.from_text(text=item))
+                    content.append({"text": item})
         else:
             raise RuntimeError("无法触及的代码：请使用MessageBuilder类构建消息对象")
 
-        return Content(role=role, parts=content)
+        return {"role": role, "parts": content}
 
-    temp_list: list[ContentUnion] = []
+    temp_list: List[Dict] = []
     system_instructions: list[str] = []
     for message in messages:
         if message.role == RoleType.System:
@@ -338,13 +362,10 @@ def _default_normal_response_parser(
 
 @client_registry.register_client_class("gemini")
 class GeminiClient(BaseClient):
-    client: genai.Client
-
     def __init__(self, api_provider: APIProvider):
         super().__init__(api_provider)
-        self.client = genai.Client(
+        # 配置 Google Generative AI
-            api_key=api_provider.api_key,
+        genai.configure(api_key=api_provider.api_key)
-        )  # 这里和openai不一样，gemini会自己决定自己是否需要retry
 
     async def get_response(
         self,
@@ -396,18 +417,18 @@ class GeminiClient(BaseClient):
             "max_output_tokens": max_tokens,
             "temperature": temperature,
             "response_modalities": ["TEXT"],
-            "thinking_config": ThinkingConfig(
+            "thinking_config": {
-                include_thoughts=True,
+                "include_thoughts": True,
-                thinking_budget=(
+                "thinking_budget": (
                     extra_params["thinking_budget"]
                     if extra_params and "thinking_budget" in extra_params
                     else int(max_tokens / 2)  # 默认思考预算为最大token数的一半，防止空回复
                 ),
-            ),
+            },
-            "safety_settings": gemini_safe_settings,  # 防止空回复问题
+            "safety_settings": SAFETY_SETTINGS,  # 防止空回复问题
         }
         if tools:
-            generation_config_dict["tools"] = Tool(function_declarations=tools)
+            generation_config_dict["tools"] = {"function_declarations": tools}
         if messages[1]:
             # 如果有system消息，则将其添加到配置中
             generation_config_dict["system_instructions"] = messages[1]
@@ -417,15 +438,18 @@ class GeminiClient(BaseClient):
             generation_config_dict["response_mime_type"] = "application/json"
             generation_config_dict["response_schema"] = response_format.to_dict()
 
-        generation_config = GenerateContentConfig(**generation_config_dict)
+        generation_config = generation_config_dict
 
         try:
+            # 创建模型实例
+            model = genai.GenerativeModel(model_info.model_identifier)
+            
             if model_info.force_stream_mode:
                 req_task = asyncio.create_task(
-                    self.client.aio.models.generate_content_stream(
+                    model.generate_content_async(
-                        model=model_info.model_identifier,
                         contents=messages[0],
-                        config=generation_config,
+                        generation_config=generation_config,
+                        stream=True
                     )
                 )
                 while not req_task.done():
@@ -437,10 +461,9 @@ class GeminiClient(BaseClient):
                 resp, usage_record = await stream_response_handler(req_task.result(), interrupt_flag)
             else:
                 req_task = asyncio.create_task(
-                    self.client.aio.models.generate_content(
+                    model.generate_content_async(
-                        model=model_info.model_identifier,
                         contents=messages[0],
-                        config=generation_config,
+                        generation_config=generation_config
                     )
                 )
                 while not req_task.done():
@@ -451,17 +474,18 @@ class GeminiClient(BaseClient):
                     await asyncio.sleep(0.5)  # 等待0.5秒后再次检查任务&中断信号量状态
 
                 resp, usage_record = async_response_parser(req_task.result())
-        except (ClientError, ServerError) as e:
-            # 重封装ClientError和ServerError为RespNotOkException
-            raise RespNotOkException(e.code, e.message) from None
-        except (
-            UnknownFunctionCallArgumentError,
-            UnsupportedFunctionError,
-            FunctionInvocationError,
-        ) as e:
-            raise ValueError(f"工具类型错误：请检查工具选项和参数：{str(e)}") from None
         except Exception as e:
-            raise NetworkConnectionError() from e
+            # 处理Google Generative AI异常
+            if "rate limit" in str(e).lower():
+                raise RespNotOkException(429, "请求频率过高，请稍后再试") from None
+            elif "quota" in str(e).lower():
+                raise RespNotOkException(429, "配额已用完") from None
+            elif "invalid" in str(e).lower() or "bad request" in str(e).lower():
+                raise RespNotOkException(400, f"请求无效：{str(e)}") from None
+            elif "permission" in str(e).lower() or "forbidden" in str(e).lower():
+                raise RespNotOkException(403, "权限不足") from None
+            else:
+                raise NetworkConnectionError() from e
 
         if usage_record:
             resp.usage = UsageRecord(
@@ -535,7 +559,7 @@ class GeminiClient(BaseClient):
                     extra_params["thinking_budget"] if extra_params and "thinking_budget" in extra_params else 1024
                 ),
             ),
-            "safety_settings": gemini_safe_settings,
+            "safety_settings": SAFETY_SETTINGS,
         }
         generate_content_config = GenerateContentConfig(**generation_config_dict)
         prompt = "Generate a transcript of the speech. The language of the transcript should **match the language of the speech**."

src/main.py

@@ -17,6 +17,7 @@ from src.common.server import get_global_server, Server
 from src.mood.mood_manager import mood_manager
 from rich.traceback import install
 from src.manager.schedule_manager import schedule_manager
+from src.common.cache_manager import tool_cache
 # from src.api.main import start_api_server
 
 # 导入新的插件管理器和热重载管理器

src/multimodal/video_analyzer.py

@@ -207,6 +207,9 @@ class VideoAnalyzer:
         """批量分析所有帧"""
         self.logger.info(f"开始批量分析{len(frames)}帧")
         
+        if not frames:
+            return "❌ 没有可分析的帧"
+        
         # 构建提示词
         prompt = self.batch_analysis_prompt
         
@@ -214,28 +217,77 @@ class VideoAnalyzer:
             prompt += f"\n\n用户问题: {user_question}"
         
         # 添加帧信息到提示词
+        frame_info = []
         for i, (frame_base64, timestamp) in enumerate(frames):
             if self.enable_frame_timing:
-                prompt += f"\n\n第{i+1}帧 (时间: {timestamp:.2f}s):"
+                frame_info.append(f"第{i+1}帧 (时间: {timestamp:.2f}s)")
+            else:
+                frame_info.append(f"第{i+1}帧")
+        
+        prompt += f"\n\n视频包含{len(frames)}帧图像：{', '.join(frame_info)}"
+        prompt += "\n\n请基于所有提供的帧图像进行综合分析，描述视频的完整内容和故事发展。"
         
         try:
-            # 使用第一帧进行分析（批量模式暂时使用单帧，后续可以优化为真正的多图片分析）
+            # 尝试使用多图片分析
-            if frames:
+            response = await self._analyze_multiple_frames(frames, prompt)
-                frame_base64, _ = frames[0]
+            self.logger.info("✅ 批量多图片分析完成")
-                prompt += f"\n\n注意：当前显示的是第1帧，请基于这一帧和提示词进行分析。视频共有{len(frames)}帧。"
+            return response
+            
+        except Exception as e:
+            self.logger.error(f"❌ 多图片分析失败: {e}")
+            # 降级到单帧分析
+            self.logger.warning("降级到单帧分析模式")
+            try:
+                frame_base64, timestamp = frames[0]
+                fallback_prompt = prompt + f"\n\n注意：由于技术限制，当前仅显示第1帧 (时间: {timestamp:.2f}s)，视频共有{len(frames)}帧。请基于这一帧进行分析。"
                 
                 response, _ = await self.video_llm.generate_response_for_image(
-                    prompt=prompt,
+                    prompt=fallback_prompt,
                     image_base64=frame_base64,
                     image_format="jpeg"
                 )
-                self.logger.info("✅ 批量分析完成")
+                self.logger.info("✅ 降级的单帧分析完成")
                 return response
-            else:
+            except Exception as fallback_e:
-                return "❌ 没有可分析的帧"
+                self.logger.error(f"❌ 降级分析也失败: {fallback_e}")
-        except Exception as e:
+                raise
-            self.logger.error(f"❌ 批量分析失败: {e}")
+
-            raise
+    async def _analyze_multiple_frames(self, frames: List[Tuple[str, float]], prompt: str) -> str:
+        """使用多图片分析方法"""
+        self.logger.info(f"开始构建包含{len(frames)}帧的多图片分析请求")
+        
+        # 导入MessageBuilder用于构建多图片消息
+        from src.llm_models.payload_content.message import MessageBuilder, RoleType
+        from src.llm_models.utils_model import RequestType
+        
+        # 构建包含多张图片的消息
+        message_builder = MessageBuilder().set_role(RoleType.User).add_text_content(prompt)
+        
+        # 添加所有帧图像
+        for i, (frame_base64, timestamp) in enumerate(frames):
+            message_builder.add_image_content("jpeg", frame_base64)
+            # self.logger.info(f"已添加第{i+1}帧到分析请求 (时间: {timestamp:.2f}s, 图片大小: {len(frame_base64)} chars)")
+        
+        message = message_builder.build()
+        self.logger.info(f"✅ 多图片消息构建完成，包含{len(frames)}张图片")
+        
+        # 获取模型信息和客户端
+        model_info, api_provider, client = await self.video_llm._get_best_model_and_client()
+        self.logger.info(f"使用模型: {model_info.name} 进行多图片分析")
+        
+        # 直接执行多图片请求
+        api_response = await self.video_llm._execute_request(
+            api_provider=api_provider,
+            client=client,
+            request_type=RequestType.RESPONSE,
+            model_info=model_info,
+            message_list=[message],
+            temperature=None,
+            max_tokens=None
+        )
+        
+        self.logger.info(f"视频识别完成，响应长度: {len(api_response.content or '')} ")
+        return api_response.content or "❌ 未获得响应内容"
 
     async def analyze_frames_sequential(self, frames: List[Tuple[str, float]], user_question: str = None) -> str:
         """逐帧分析并汇总"""
@@ -355,7 +407,7 @@ class VideoAnalyzer:
             
             # 计算视频hash值
             video_hash = self._calculate_video_hash(video_bytes)
-            logger.info(f"视频hash: {video_hash[:16]}...")
+            # logger.info(f"视频hash: {video_hash[:16]}...")
             
             # 检查数据库中是否已存在该视频的分析结果
             existing_video = self._check_video_exists(video_hash)

src/plugin_system/base/plugin_base.py

@@ -1,13 +1,13 @@
 from abc import ABC, abstractmethod
 from typing import Dict, List, Any, Union
 import os
-import inspect
 import toml
 import json
 import shutil
 import datetime
 
 from src.common.logger import get_logger
+from src.config.config import CONFIG_DIR
 from src.plugin_system.base.component_types import (
     PluginInfo,
     PythonDependency,
@@ -71,6 +71,7 @@ class PluginBase(ABC):
         self.config: Dict[str, Any] = {}  # 插件配置
         self.plugin_dir = plugin_dir  # 插件目录路径
         self.log_prefix = f"[Plugin:{self.plugin_name}]"
+        self._is_enabled = self.enable_plugin  # 从插件定义中获取默认启用状态
 
         # 加载manifest文件
         self._load_manifest()
@@ -100,7 +101,7 @@ class PluginBase(ABC):
             description=self.plugin_description,
             version=self.plugin_version,
             author=self.plugin_author,
-            enabled=self.enable_plugin,
+            enabled=self._is_enabled,
             is_built_in=False,
             config_file=self.config_file_name or "",
             dependencies=self.dependencies.copy(),
@@ -453,86 +454,91 @@ class PluginBase(ABC):
             logger.error(f"{self.log_prefix} 保存配置文件失败: {e}", exc_info=True)
 
     def _load_plugin_config(self):  # sourcery skip: extract-method
-        """加载插件配置文件，支持版本检查和自动迁移"""
+        """
+        加载插件配置文件，实现集中化管理和自动迁移。
+
+        处理逻辑:
+        1. 确定插件模板配置文件路径（位于插件目录内）。
+        2. 如果模板不存在，则在插件目录内生成一份默认配置。
+        3. 确定用户配置文件路径（位于 `config/plugins/` 目录下）。
+        4. 如果用户配置文件不存在，则从插件目录复制模板文件过去。
+        5. 加载用户配置文件，并进行版本检查和自动迁移（如果需要）。
+        6. 最终加载的配置是用户配置文件。
+        """
         if not self.config_file_name:
             logger.debug(f"{self.log_prefix} 未指定配置文件，跳过加载")
             return
 
-        # 优先使用传入的插件目录路径
+        # 1. 确定插件模板配置文件路径
-        if self.plugin_dir:
+        template_config_path = os.path.join(self.plugin_dir, self.config_file_name)
-            plugin_dir = self.plugin_dir
+
-        else:
+        # 2. 如果模板不存在，则在插件目录内生成
-            # fallback：尝试从类的模块信息获取路径
+        if not os.path.exists(template_config_path):
+            logger.info(f"{self.log_prefix} 插件目录缺少配置文件 {template_config_path}，将生成默认配置。")
+            self._generate_and_save_default_config(template_config_path)
+
+        # 3. 确定用户配置文件路径
+        plugin_config_dir = os.path.join(CONFIG_DIR, "plugins", self.plugin_name)
+        user_config_path = os.path.join(plugin_config_dir, self.config_file_name)
+
+        # 确保用户插件配置目录存在
+        os.makedirs(plugin_config_dir, exist_ok=True)
+
+        # 4. 如果用户配置文件不存在，从模板复制
+        if not os.path.exists(user_config_path):
             try:
-                plugin_module_path = inspect.getfile(self.__class__)
+                shutil.copy2(template_config_path, user_config_path)
-                plugin_dir = os.path.dirname(plugin_module_path)
+                logger.info(f"{self.log_prefix} 已从模板创建用户配置文件: {user_config_path}")
-            except (TypeError, OSError):
+            except IOError as e:
-                # 最后的fallback：从模块的__file__属性获取
+                logger.error(f"{self.log_prefix} 复制配置文件失败: {e}", exc_info=True)
-                module = inspect.getmodule(self.__class__)
+                # 如果复制失败，后续将无法加载，直接返回
-                if module and hasattr(module, "__file__") and module.__file__:
+                return
-                    plugin_dir = os.path.dirname(module.__file__)
-                else:
-                    logger.warning(f"{self.log_prefix} 无法获取插件目录路径，跳过配置加载")
-                    return
 
-        config_file_path = os.path.join(plugin_dir, self.config_file_name)
+        # 检查最终的用户配置文件是否存在
-
+        if not os.path.exists(user_config_path):
-        # 如果配置文件不存在，生成默认配置
+            logger.warning(f"{self.log_prefix} 用户配置文件 {user_config_path} 不存在且无法创建。")
-        if not os.path.exists(config_file_path):
-            logger.info(f"{self.log_prefix} 配置文件 {config_file_path} 不存在，将生成默认配置。")
-            self._generate_and_save_default_config(config_file_path)
-
-        if not os.path.exists(config_file_path):
-            logger.warning(f"{self.log_prefix} 配置文件 {config_file_path} 不存在且无法生成。")
             return
 
-        file_ext = os.path.splitext(self.config_file_name)[1].lower()
+        # 5. 加载、检查和迁移用户配置文件
-
+        _, file_ext = os.path.splitext(self.config_file_name)
-        if file_ext == ".toml":
+        if file_ext.lower() != ".toml":
-            # 加载现有配置
-            with open(config_file_path, "r", encoding="utf-8") as f:
-                existing_config = toml.load(f) or {}
-
-            # 检查配置版本
-            current_version = self._get_current_config_version(existing_config)
-
-            # 如果配置文件没有版本信息，跳过版本检查
-            if current_version == "0.0.0":
-                logger.debug(f"{self.log_prefix} 配置文件无版本信息，跳过版本检查")
-                self.config = existing_config
-            else:
-                expected_version = self._get_expected_config_version()
-
-                if current_version != expected_version:
-                    logger.info(
-                        f"{self.log_prefix} 检测到配置版本需要更新: 当前=v{current_version}, 期望=v{expected_version}"
-                    )
-
-                    # 生成新的默认配置结构
-                    new_config_structure = self._generate_config_from_schema()
-
-                    # 迁移旧配置值到新结构
-                    migrated_config = self._migrate_config_values(existing_config, new_config_structure)
-
-                    # 保存迁移后的配置
-                    self._save_config_to_file(migrated_config, config_file_path)
-
-                    logger.info(f"{self.log_prefix} 配置文件已从 v{current_version} 更新到 v{expected_version}")
-
-                    self.config = migrated_config
-                else:
-                    logger.debug(f"{self.log_prefix} 配置版本匹配 (v{current_version})，直接加载")
-                    self.config = existing_config
-
-            logger.debug(f"{self.log_prefix} 配置已从 {config_file_path} 加载")
-
-            # 从配置中更新 enable_plugin
-            if "plugin" in self.config and "enabled" in self.config["plugin"]:
-                self.enable_plugin = self.config["plugin"]["enabled"]  # type: ignore
-                logger.debug(f"{self.log_prefix} 从配置更新插件启用状态: {self.enable_plugin}")
-        else:
             logger.warning(f"{self.log_prefix} 不支持的配置文件格式: {file_ext}，仅支持 .toml")
             self.config = {}
+            return
+
+        try:
+            with open(user_config_path, "r", encoding="utf-8") as f:
+                existing_config = toml.load(f) or {}
+        except Exception as e:
+            logger.error(f"{self.log_prefix} 加载用户配置文件 {user_config_path} 失败: {e}", exc_info=True)
+            self.config = {}
+            return
+
+        current_version = self._get_current_config_version(existing_config)
+        expected_version = self._get_expected_config_version()
+
+        if current_version == "0.0.0":
+            logger.debug(f"{self.log_prefix} 用户配置文件无版本信息，跳过版本检查")
+            self.config = existing_config
+        elif current_version != expected_version:
+            logger.info(
+                f"{self.log_prefix} 检测到用户配置版本需要更新: 当前=v{current_version}, 期望=v{expected_version}"
+            )
+            new_config_structure = self._generate_config_from_schema()
+            migrated_config = self._migrate_config_values(existing_config, new_config_structure)
+            self._save_config_to_file(migrated_config, user_config_path)
+            logger.info(f"{self.log_prefix} 用户配置文件已从 v{current_version} 更新到 v{expected_version}")
+            self.config = migrated_config
+        else:
+            logger.debug(f"{self.log_prefix} 用户配置版本匹配 (v{current_version})，直接加载")
+            self.config = existing_config
+
+        logger.debug(f"{self.log_prefix} 配置已从 {user_config_path} 加载")
+
+        # 从配置中更新 enable_plugin 状态
+        if "plugin" in self.config and "enabled" in self.config["plugin"]:
+            self._is_enabled = self.config["plugin"]["enabled"]
+            logger.debug(f"{self.log_prefix} 从配置更新插件启用状态: {self._is_enabled}")
 
     def _check_dependencies(self) -> bool:
         """检查插件依赖"""

src/plugin_system/utils/dependency_alias.py

@@ -0,0 +1,134 @@
+# -*- coding: utf-8 -*-
+"""
+本模块包含一个从Python包的“安装名”到其“导入名”的映射。
+
+这个映射表主要用于解决一个常见问题：某些Python包通过pip安装时使用的名称
+与在代码中`import`时使用的名称不一致。例如，我们使用`pip install beautifulsoup4`
+来安装，但在代码中却需要`import bs4`。
+
+当插件系统检查依赖时，如果一个开发者只简单地在依赖列表中写了安装名
+（例如 "beautifulsoup4"），标准的导入检查`import('beautifulsoup4')`会失败。
+通过这个映射表，依赖管理器可以在初次导入检查失败后，查询是否存在一个
+已知的别名（例如 "bs4"），并尝试使用该别名进行二次导入检查。
+
+这样做的好处是：
+1. 提升开发者体验：插件开发者无需强制记忆这些特殊的名称对应关系，或者强制
+   使用更复杂的`PythonDependency`对象来分别指定安装名和导入名。
+2. 增强系统健壮性：减少因名称不一致导致的插件加载失败问题。
+3. 兼容性：对遵循最佳实践、正确指定了`package_name`和`install_name`的
+   开发者没有任何影响。
+
+开发者可以持续向这个列表中贡献新的映射关系，使其更加完善。
+"""
+
+INSTALL_NAME_TO_IMPORT_NAME = {
+    # ============== 数据科学与机器学习 (Data Science & Machine Learning) ==============
+    "scikit-learn": "sklearn",              # 机器学习库
+    "scikit-image": "skimage",              # 图像处理库
+    "opencv-python": "cv2",                 # OpenCV 计算机视觉库
+    "opencv-contrib-python": "cv2",         # OpenCV 扩展模块
+    "tensorflow-gpu": "tensorflow",         # TensorFlow GPU版本
+    "tensorboardx": "tensorboardX",         # TensorBoard 的封装
+    "torchvision": "torchvision",           # PyTorch 视觉库 (通常与 torch 一起)
+    "torchaudio": "torchaudio",             # PyTorch 音频库
+    "catboost": "catboost",                 # CatBoost 梯度提升库
+    "lightgbm": "lightgbm",                 # LightGBM 梯度提升库
+    "xgboost": "xgboost",                   # XGBoost 梯度提升库
+    "imbalanced-learn": "imblearn",         # 处理不平衡数据集
+    "seqeval": "seqeval",                   # 序列标注评估
+    "gensim": "gensim",                     # 主题建模和NLP
+    "nltk": "nltk",                         # 自然语言工具包
+    "spacy": "spacy",                       # 工业级自然语言处理
+    "fuzzywuzzy": "fuzzywuzzy",             # 模糊字符串匹配
+    "python-levenshtein": "Levenshtein",    # Levenshtein 距离计算
+
+    # ============== Web开发与API (Web Development & API) ==============
+    "python-socketio": "socketio",          # Socket.IO 服务器和客户端
+    "python-engineio": "engineio",          # Engine.IO 底层库
+    "aiohttp": "aiohttp",                   # 异步HTTP客户端/服务器
+    "python-multipart": "multipart",        # 解析 multipart/form-data
+    "uvloop": "uvloop",                     # 高性能asyncio事件循环
+    "httptools": "httptools",               # 高性能HTTP解析器
+    "websockets": "websockets",             # WebSocket实现
+    "fastapi": "fastapi",                   # 高性能Web框架
+    "starlette": "starlette",               # ASGI框架
+    "uvicorn": "uvicorn",                   # ASGI服务器
+    "gunicorn": "gunicorn",                 # WSGI服务器
+    "django-rest-framework": "rest_framework", # Django REST框架
+    "django-cors-headers": "corsheaders",   # Django CORS处理
+    "flask-jwt-extended": "flask_jwt_extended", # Flask JWT扩展
+    "flask-sqlalchemy": "flask_sqlalchemy", # Flask SQLAlchemy扩展
+    "flask-migrate": "flask_migrate",       # Flask Alembic迁移扩展
+    "python-jose": "jose",                  # JOSE (JWT, JWS, JWE) 实现
+    "passlib": "passlib",                   # 密码哈希库
+    "bcrypt": "bcrypt",                     # Bcrypt密码哈希
+
+    # ============== 数据库 (Database) ==============
+    "mysql-connector-python": "mysql.connector", # MySQL官方驱动
+    "psycopg2-binary": "psycopg2",          # PostgreSQL驱动 (二进制)
+    "pymongo": "pymongo",                   # MongoDB驱动
+    "redis": "redis",                       # Redis客户端
+    "aioredis": "aioredis",                 # 异步Redis客户端
+    "sqlalchemy": "sqlalchemy",             # SQL工具包和ORM
+    "alembic": "alembic",                   # SQLAlchemy数据库迁移工具
+    "tortoise-orm": "tortoise",             # 异步ORM
+
+    # ============== 图像与多媒体 (Image & Multimedia) ==============
+    "Pillow": "PIL",                        # Python图像处理库 (PIL Fork)
+    "moviepy": "moviepy",                   # 视频编辑库
+    "pydub": "pydub",                       # 音频处理库
+    "pycairo": "cairo",                     # Cairo 2D图形库的Python绑定
+    "wand": "wand",                         # ImageMagick的Python绑定
+
+    # ============== 解析与序列化 (Parsing & Serialization) ==============
+    "beautifulsoup4": "bs4",                # HTML/XML解析库
+    "lxml": "lxml",                         # 高性能HTML/XML解析库
+    "PyYAML": "yaml",                       # YAML解析库
+    "python-dotenv": "dotenv",              # .env文件解析
+    "python-dateutil": "dateutil",          # 强大的日期时间解析
+    "protobuf": "google.protobuf",          # Protocol Buffers
+    "msgpack": "msgpack",                   # MessagePack序列化
+    "orjson": "orjson",                     # 高性能JSON库
+    "pydantic": "pydantic",                 # 数据验证和设置管理
+
+    # ============== 系统与硬件 (System & Hardware) ==============
+    "pyserial": "serial",                   # 串口通信
+    "pyusb": "usb",                         # USB访问
+    "pybluez": "bluetooth",                 # 蓝牙通信 (可能因平台而异)
+    "psutil": "psutil",                     # 系统信息和进程管理
+    "watchdog": "watchdog",                 # 文件系统事件监控
+    "python-gnupg": "gnupg",                # GnuPG的Python接口
+
+    # ============== 加密与安全 (Cryptography & Security) ==============
+    "pycrypto": "Crypto",                   # 加密库 (较旧)
+    "pycryptodome": "Crypto",               # PyCrypto的现代分支
+    "cryptography": "cryptography",         # 现代加密库
+    "pyopenssl": "OpenSSL",                 # OpenSSL的Python接口
+    "service-identity": "service_identity", # 服务身份验证
+
+    # ============== 工具与杂项 (Utilities & Miscellaneous) ==============
+    "setuptools": "setuptools",             # 打包工具
+    "pip": "pip",                           # 包安装器
+    "tqdm": "tqdm",                         # 进度条
+    "regex": "regex",                       # 替代的正则表达式引擎
+    "colorama": "colorama",                 # 跨平台彩色终端文本
+    "termcolor": "termcolor",               # 终端颜色格式化
+    "requests-oauthlib": "requests_oauthlib", # OAuth for Requests
+    "oauthlib": "oauthlib",                 # 通用OAuth库
+    "authlib": "authlib",                   # OAuth和OpenID Connect客户端/服务器
+    "pyjwt": "jwt",                         # JSON Web Token实现
+    "python-editor": "editor",              # 程序化地调用编辑器
+    "prompt-toolkit": "prompt_toolkit",     # 构建交互式命令行
+    "pygments": "pygments",                 # 语法高亮
+    "tabulate": "tabulate",                 # 生成漂亮的表格
+    "nats-client": "nats",                  # NATS客户端
+    "gitpython": "git",                     # Git的Python接口
+    "pygithub": "github",                   # GitHub API v3的Python接口
+    "python-gitlab": "gitlab",              # GitLab API的Python接口
+    "jira": "jira",                         # JIRA API的Python接口
+    "python-jenkins": "jenkins",            # Jenkins API的Python接口
+    "huggingface-hub": "huggingface_hub",   # Hugging Face Hub API
+    "apache-airflow": "airflow",            # Airflow工作流管理
+    "pandas-stubs": "pandas-stubs",         # Pandas的类型存根
+    "data-science-types": "data_science_types", # 数据科学类型
+}

src/plugin_system/utils/dependency_manager.py

@@ -8,6 +8,7 @@ from packaging.requirements import Requirement
 
 from src.common.logger import get_logger
 from src.plugin_system.base.component_types import PythonDependency
+from src.plugin_system.utils.dependency_alias import INSTALL_NAME_TO_IMPORT_NAME
 
 logger = get_logger("dependency_manager")
 
@@ -190,41 +191,58 @@ class DependencyManager:
     
     def _check_single_dependency(self, dep: PythonDependency) -> bool:
         """检查单个依赖是否满足要求"""
-        try:
+        
-            # 尝试导入包
+        def _try_check(import_name: str) -> bool:
-            spec = importlib.util.find_spec(dep.package_name)
+            """尝试使用给定的导入名进行检查"""
-            if spec is None:
-                return False
-            
-            # 如果没有版本要求，导入成功就够了
-            if not dep.version:
-                return True
-            
-            # 检查版本要求
             try:
-                module = importlib.import_module(dep.package_name)
+                spec = importlib.util.find_spec(import_name)
-                installed_version = getattr(module, '__version__', None)
+                if spec is None:
-                
+                    return False
-                if installed_version is None:
+
-                    # 尝试其他常见的版本属性
+                # 如果没有版本要求，导入成功就够了
-                    installed_version = getattr(module, 'VERSION', None)
+                if not dep.version:
+                    return True
+
+                # 检查版本要求
+                try:
+                    module = importlib.import_module(import_name)
+                    installed_version = getattr(module, '__version__', None)
+
                     if installed_version is None:
-                        logger.debug(f"无法获取包 {dep.package_name} 的版本信息，假设满足要求")
+                        # 尝试其他常见的版本属性
-                        return True
+                        installed_version = getattr(module, 'VERSION', None)
-                
+                        if installed_version is None:
-                # 解析版本要求
+                            logger.debug(f"无法获取包 {import_name} 的版本信息，假设满足要求")
-                req = Requirement(f"{dep.package_name}{dep.version}")
+                            return True
-                return version.parse(str(installed_version)) in req.specifier
+
-                
+                    # 解析版本要求
+                    req = Requirement(f"{dep.package_name}{dep.version}")
+                    return version.parse(str(installed_version)) in req.specifier
+
+                except Exception as e:
+                    logger.debug(f"检查包 {import_name} 版本时出错: {e}")
+                    return True  # 如果无法检查版本，假设满足要求
+
+            except ImportError:
+                return False
             except Exception as e:
-                logger.debug(f"检查包 {dep.package_name} 版本时出错: {e}")
+                logger.error(f"检查依赖 {import_name} 时发生未知错误: {e}")
-                return True  # 如果无法检查版本，假设满足要求
+                return False
-                
+
-        except ImportError:
+        # 1. 首先尝试使用原始的 package_name 进行检查
-            return False
+        if _try_check(dep.package_name):
-        except Exception as e:
+            return True
-            logger.error(f"检查依赖 {dep.package_name} 时发生未知错误: {e}")
+
-            return False
+        # 2. 如果失败，查询别名映射表
+        #    注意：此时 dep.package_name 可能是 simple "requests" 或 "beautifulsoup4"
+        import_alias = INSTALL_NAME_TO_IMPORT_NAME.get(dep.package_name)
+        if import_alias:
+            logger.debug(f"依赖 '{dep.package_name}' 导入失败, 尝试使用别名 '{import_alias}'")
+            if _try_check(import_alias):
+                return True
+
+        # 3. 如果别名也失败了，或者没有别名，最终确认失败
+        return False
     
     def _install_single_package(self, package: str, plugin_name: str = "") -> bool:
         """安装单个包"""

src/plugins/built_in/maizone_refactored/plugin.py

@@ -9,8 +9,6 @@ from src.common.logger import get_logger
 from src.plugin_system import (
     BasePlugin,
     ComponentInfo,
-    BaseAction,
-    BaseCommand,
     register_plugin
 )
 from src.plugin_system.base.config_types import ConfigField
@@ -68,6 +66,8 @@ class MaiZoneRefactoredPlugin(BasePlugin):
         },
         "schedule": {
             "enable_schedule": ConfigField(type=bool, default=False, description="是否启用定时发送"),
+            "random_interval_min_minutes": ConfigField(type=int, default=5, description="随机间隔分钟数下限"),
+            "random_interval_max_minutes": ConfigField(type=int, default=15, description="随机间隔分钟数上限"),
         },
         "cookie": {
             "http_fallback_host": ConfigField(type=str, default="127.0.0.1", description="备用Cookie获取服务的主机地址"),

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

@@ -5,7 +5,6 @@ QQ空间服务模块
 """
 
 import asyncio
-import base64
 import json
 import os
 import random
@@ -15,7 +14,6 @@ from typing import Callable, Optional, Dict, Any, List, Tuple
 import aiohttp
 import bs4
 import json5
-from src.chat.utils.utils_image import get_image_manager
 from src.common.logger import get_logger
 from src.plugin_system.apis import config_api, person_api
 

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

@@ -5,6 +5,7 @@
 """
 import asyncio
 import datetime
+import random
 import traceback
 from typing import Callable
 
@@ -91,8 +92,12 @@ class SchedulerService:
                             result.get("message", "")
                         )
                 
-                # 6. 等待5分钟后进行下一次检查
+                # 6. 计算并等待一个随机的时间间隔
-                await asyncio.sleep(300)
+                min_minutes = self.get_config("schedule.random_interval_min_minutes", 5)
+                max_minutes = self.get_config("schedule.random_interval_max_minutes", 15)
+                wait_seconds = random.randint(min_minutes * 60, max_minutes * 60)
+                logger.info(f"下一次检查将在 {wait_seconds / 60:.2f} 分钟后进行。")
+                await asyncio.sleep(wait_seconds)
                 
             except asyncio.CancelledError:
                 logger.info("定时任务循环被取消。")
@@ -113,7 +118,7 @@ class SchedulerService:
             with get_db_session() as session:
                 record = session.query(MaiZoneScheduleStatus).filter(
                     MaiZoneScheduleStatus.datetime_hour == hour_str,
-                    MaiZoneScheduleStatus.is_processed == True
+                    MaiZoneScheduleStatus.is_processed == True  # noqa: E712
                 ).first()
                 return record is not None
         except Exception as e:
@@ -138,10 +143,10 @@ class SchedulerService:
                 
                 if record:
                     # 如果存在，则更新状态
-                    record.is_processed = True
+                    record.is_processed = True # type: ignore
-                    record.processed_at = datetime.datetime.now()
+                    record.processed_at = datetime.datetime.now()# type: ignore
-                    record.send_success = success
+                    record.send_success = success# type: ignore
-                    record.story_content = content
+                    record.story_content = content# type: ignore
                 else:
                     # 如果不存在，则创建新记录
                     new_record = MaiZoneScheduleStatus(

src/plugins/built_in/web_search_tool/plugin.py

@@ -20,6 +20,7 @@ from src.plugin_system import (
     PythonDependency
 )
 from src.plugin_system.apis import config_api  # 添加config_api导入
+from src.common.cache_manager import tool_cache
 import httpx
 from bs4 import BeautifulSoup
 
@@ -86,6 +87,13 @@ class WebSurfingTool(BaseTool):
         if not query:
             return {"error": "搜索查询不能为空。"}
 
+        # 检查缓存
+        query = function_args.get("query")
+        cached_result = await tool_cache.get(self.name, function_args, tool_class=self.__class__, semantic_query=query)
+        if cached_result:
+            logger.info(f"缓存命中: {self.name} -> {function_args}")
+            return cached_result
+
         # 读取搜索配置
         enabled_engines = config_api.get_global_config("web_search.enabled_engines", ["ddg"])
         search_strategy = config_api.get_global_config("web_search.search_strategy", "single")
@@ -94,11 +102,18 @@ class WebSurfingTool(BaseTool):
 
         # 根据策略执行搜索
         if search_strategy == "parallel":
-            return await self._execute_parallel_search(function_args, enabled_engines)
+            result = await self._execute_parallel_search(function_args, enabled_engines)
         elif search_strategy == "fallback":
-            return await self._execute_fallback_search(function_args, enabled_engines)
+            result = await self._execute_fallback_search(function_args, enabled_engines)
         else:  # single
-            return await self._execute_single_search(function_args, enabled_engines)
+            result = await self._execute_single_search(function_args, enabled_engines)
+        
+        # 保存到缓存
+        if "error" not in result:
+            query = function_args.get("query")
+            await tool_cache.set(self.name, function_args, self.__class__, result, semantic_query=query)
+            
+        return result
 
     async def _execute_parallel_search(self, function_args: Dict[str, Any], enabled_engines: List[str]) -> Dict[str, Any]:
         """并行搜索策略：同时使用所有启用的搜索引擎"""
@@ -449,6 +464,12 @@ class URLParserTool(BaseTool):
         """
         执行URL内容提取和总结。优先使用Exa，失败后尝试本地解析。
         """
+        # 检查缓存
+        cached_result = await tool_cache.get(self.name, function_args, tool_class=self.__class__)
+        if cached_result:
+            logger.info(f"缓存命中: {self.name} -> {function_args}")
+            return cached_result
+            
         urls_input = function_args.get("urls")
         if not urls_input:
             return {"error": "URL列表不能为空。"}
@@ -555,6 +576,10 @@ class URLParserTool(BaseTool):
             "content": formatted_content,
             "errors": error_messages
         }
+        
+        # 保存到缓存
+        if "error" not in result:
+            await tool_cache.set(self.name, function_args, self.__class__, result)
 
         return result
 

template/bot_config_template.toml

@@ -382,3 +382,6 @@ enable_url_tool = true # 是否启用URL解析tool
 # 搜索引擎配置
 enabled_engines = ["ddg"] # 启用的搜索引擎列表，可选: "exa", "tavily", "ddg"
 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)
+
+[plugins] # 插件配置
+centralized_config = true # 是否启用插件配置集中化管理