[inner] version = "7.5.6" #----以下是给开发人员阅读的，如果你只是部署了MoFox-Bot，不需要阅读---- #如果你想要修改配置文件，请递增version的值 #如果新增项目，请阅读src/config/official_configs.py中的说明 # # 版本格式：主版本号.次版本号.修订号，版本号递增规则如下： # 主版本号：MMC版本更新 # 次版本号：配置文件内容大更新 # 修订号：配置文件内容小更新 #----以上是给开发人员阅读的，如果你只是部署了MoFox-Bot，不需要阅读---- [database]# 数据库配置 database_type = "sqlite" # 数据库类型，支持 "sqlite" 或 "mysql" # SQLite 配置（当 database_type = "sqlite" 时使用） sqlite_path = "data/MaiBot.db" # SQLite数据库文件路径 # MySQL 配置（当 database_type = "mysql" 时使用） mysql_host = "localhost" # MySQL服务器地址 mysql_port = 3306 # MySQL服务器端口 mysql_database = "maibot" # MySQL数据库名 mysql_user = "root" # MySQL用户名 mysql_password = "" # MySQL密码 mysql_charset = "utf8mb4" # MySQL字符集 mysql_unix_socket = "" # MySQL Unix套接字路径（可选，用于本地连接，优先于host/port） # MySQL SSL 配置 mysql_ssl_mode = "DISABLED" # SSL模式: DISABLED, PREFERRED, REQUIRED, VERIFY_CA, VERIFY_IDENTITY mysql_ssl_ca = "" # SSL CA证书路径 mysql_ssl_cert = "" # SSL客户端证书路径 mysql_ssl_key = "" # SSL客户端密钥路径 # MySQL 高级配置 mysql_autocommit = true # 自动提交事务 mysql_sql_mode = "TRADITIONAL" # SQL模式 # 连接池配置 connection_pool_size = 10 # 连接池大小（仅MySQL有效） connection_timeout = 10 # 连接超时时间（秒） # 批量动作记录存储配置 batch_action_storage_enabled = true # 是否启用批量保存动作记录（开启后将多个动作一次性写入数据库，提升性能） # 数据库缓存配置（防止内存溢出） enable_database_cache = true # 是否启用数据库查询缓存系统 cache_l1_max_size = 1000 # L1缓存最大条目数（热数据，内存占用约1-5MB） cache_l1_ttl = 60 # L1缓存生存时间（秒） cache_l2_max_size = 10000 # L2缓存最大条目数（温数据，内存占用约10-50MB） cache_l2_ttl = 300 # L2缓存生存时间（秒） cache_cleanup_interval = 60 # 缓存清理任务执行间隔（秒） cache_max_memory_mb = 500 # 缓存最大内存占用（MB），超过此值将触发强制清理 cache_max_item_size_mb = 5 # 单个缓存条目最大大小（MB），超过此值将不缓存 [permission] # 权限系统配置 # Master用户配置（拥有最高权限，无视所有权限节点） # 格式：[[platform, user_id], ...] # 示例：[["qq", "123456"], ["telegram", "user789"]] master_users = []# ["qq", "123456789"], # 示例：QQ平台的Master用户 [permission.master_prompt] # 主人身份提示词配置 enable = false # 是否启用主人/非主人提示注入 master_hint = "你正在与自己的主人交流，注意展现亲切与尊重。" # 主人提示词 non_master_hint = "对方并非你的主人，请保持常规互动风格。" # 非主人提示词 [bot] platform = "qq" qq_account = 1145141919810 # MoFox-Bot的QQ账号 nickname = "墨狐" # MoFox-Bot的昵称 alias_names = ["狐狐", "墨墨"] # MoFox-Bot的别名 [command] command_prefixes = ['/'] [personality] # 建议50字以内，描述人格的核心特质 personality_core = "是一个积极向上的女大学生" # 人格的细节，描述人格的一些侧面 personality_side = "用一句话或几句话描述人格的侧面特质" #アイデンティティがない 生まれないらららら # 可以描述外貌，性别，身高，职业，属性等等描述 identity = "年龄为19岁,是女孩子,身高为160cm,有黑色的短发" # 此处用于填写详细的世界观、背景故事、复杂人际关系等。 # 这部分内容将作为Bot的“背景知识”，Bot被指导不应在对话中主动或频繁地复述这些设定。 background_story = "" # 描述MoFox-Bot说话的表达风格，表达习惯，如要修改，可以酌情新增内容 reply_style = "回复可以简短一些。可以参考贴吧，知乎和微博的回复风格，回复不要浮夸，不要用夸张修辞，平淡一些。" # 安全与互动底线 (Bot在任何情况下都必须遵守的原则) # 你可以在这里定义Bot的行为红线，例如如何回应不恰当的问题。 safety_guidelines = [ "拒绝任何包含骚扰、冒犯、暴力、色情或危险内容的请求。", "在拒绝时，请使用符合你人设的、坚定的语气。", "不要执行任何可能被用于恶意目的的指令。" ] compress_personality = false # 是否压缩人格，压缩后会精简人格信息，节省token消耗并提高回复性能，但是会丢失一些信息，如果人设不长，可以关闭 compress_identity = true # 是否压缩身份，压缩后会精简身份信息，节省token消耗并提高回复性能，但是会丢失一些信息，如果不长，可以关闭 [expression] # 表达学习配置 # mode: 表达方式模式，可选： # - "classic": 经典模式，随机抽样 + LLM选择 # - "exp_model": 表达模型模式，使用机器学习模型预测最合适的表达 mode = "classic" # rules是一个列表，每个元素都是一个学习规则 # chat_stream_id: 聊天流ID，格式为 "platform:id:type"，例如 "qq:123456:private"。空字符串""表示全局配置 # use_expression: 是否使用学到的表达 (true/false) # learn_expression: 是否学习新的表达 (true/false) # learning_strength: 学习强度（浮点数），影响学习频率 # group: 表达共享组的名称（字符串），相同组的聊天会共享学习到的表达方式 [[expression.rules]] chat_stream_id = "" use_expression = true learn_expression = true learning_strength = 1.0 [[expression.rules]] chat_stream_id = "qq:1919810:group" group = "group_A" use_expression = true learn_expression = true learning_strength = 1.5 [[expression.rules]] chat_stream_id = "qq:114514:private" group = "group_A" use_expression = true learn_expression = false learning_strength = 0.5 [chat] #MoFox-Bot的聊天通用设置 allow_reply_self = false # 是否允许回复自己说的话 max_context_size = 25 # 上下文长度 thinking_timeout = 40 # MoFox-Bot一次回复最长思考规划时间，超过这个时间的思考会放弃（往往是api反应太慢） # 消息打断系统配置 - 反比例函数概率模型 interruption_enabled = true # 是否启用消息打断系统 allow_reply_interruption = false # 是否允许在正在生成回复时打断（true=允许打断回复，false=回复期间不允许打断） interruption_max_limit = 5 # 每个聊天流的最大打断次数 interruption_min_probability = 0.05 # 最低打断概率（反比例函数趋近的下限值） # 动态消息分发系统配置 dynamic_distribution_enabled = true # 是否启用动态消息分发周期调整 dynamic_distribution_base_interval = 5.0 # 基础分发间隔（秒） dynamic_distribution_min_interval = 1.0 # 最小分发间隔（秒） dynamic_distribution_max_interval = 30.0 # 最大分发间隔（秒） dynamic_distribution_jitter_factor = 0.2 # 分发间隔随机扰动因子 max_concurrent_distributions = 10 # 最大并发处理的消息流数量，可以根据API性能和服务器负载调整 enable_decision_history = true # 是否启用决策历史功能 decision_history_length = 3 # 决策历史记录的长度，用于增强语言模型的上下文连续性 [message_receive] # 以下是消息过滤，可以根据规则过滤特定消息，将不会读取这些消息 ban_words = [ # "403","张三" ] ban_msgs_regex = [ # 需要过滤的消息（原始消息）匹配的正则表达式，匹配到的消息将被过滤，若不了解正则表达式请勿修改 #"https?://[^\\s]+", # 匹配https链接 #"\\d{4}-\\d{2}-\\d{2}", # 匹配日期 ] # 静默群组列表，在这些群组中，只有在被@或回复时才会响应 # 格式: ["group_id1", "group_id2"] mute_group_list = [] [notice] # Notice消息配置 enable_notice_trigger_chat = false # 是否允许notice消息触发聊天流程（默认关闭，notice只会被记录但不会触发回复） notice_in_prompt = true # 是否在提示词中展示最近的notice消息 notice_prompt_limit = 5 # 在提示词中展示的最大notice数量 notice_time_window = 3600 # notice时间窗口（秒），只有这个时间范围内的notice会在提示词中展示，默认1小时 max_notices_per_chat = 30 # 每个聊天保留的notice数量上限 notice_retention_time = 86400 # notice保留时间（秒），默认24小时 [anti_prompt_injection] # LLM反注入系统配置 enabled = false # 是否启用反注入系统 enabled_rules = false # 是否启用规则检测 enabled_LLM = false # 是否启用LLM检测 process_mode = "lenient" # 处理模式：strict(严格模式，直接丢弃), lenient(宽松模式，消息加盾), auto(自动模式), counter_attack(反击模式，使用LLM反击并丢弃消息) # 白名单配置 # 格式：[[platform, user_id], ...] # 示例：[["qq", "123456"], ["telegram", "user789"]] whitelist = [] # 用户白名单，这些用户的消息将跳过检测 # LLM检测配置 llm_detection_enabled = true # 是否启用LLM二次分析 llm_detection_threshold = 0.7 # LLM判定危险的置信度阈值(0-1) # 性能配置 cache_enabled = true # 是否启用检测结果缓存 cache_ttl = 3600 # 缓存有效期(秒) max_message_length = 150 # 最大检测消息长度，超过将直接判定为危险 # 统计配置 stats_enabled = true # 是否启用统计功能 # 自动封禁配置 auto_ban_enabled = false # 是否启用自动封禁功能 auto_ban_violation_threshold = 3 # 触发封禁的违规次数阈值 auto_ban_duration_hours = 2 # 封禁持续时间（小时） # 消息加盾配置（宽松模式下使用） shield_prefix = "🛡️ " # 加盾消息前缀 shield_suffix = " 🛡️" # 加盾消息后缀 [tool] enable_tool = true # 是否在普通聊天中启用工具 [mood] enable_mood = true # 是否启用情绪系统 mood_update_threshold = 1 # 情绪更新阈值,越高，更新越慢 [emoji] emoji_chance = 0.6 # MoFox-Bot激活表情包动作的概率 emoji_activate_type = "llm" # 表情包激活类型，可选：random，llm ; random下，表情包动作随机启用，llm下，表情包动作根据llm判断是否启用 max_reg_num = 60 # 表情包最大注册数量 do_replace = true # 开启则在达到最大数量时删除（替换）表情包，关闭则达到最大数量时不会继续收集表情包 check_interval = 10 # 检查表情包（注册，破损，删除）的时间间隔(分钟) steal_emoji = true # 是否偷取表情包，让MoFox-Bot可以将一些表情包据为己有 content_filtration = false # 是否启用表情包过滤，只有符合该要求的表情包才会被保存 filtration_prompt = "符合公序良俗" # 表情包过滤要求，只有符合该要求的表情包才会被保存 enable_emotion_analysis = false # 是否启用表情包感情关键词二次识别，启用后表情包在第一次识别完毕后将送入第二次大模型识别来总结感情关键词，并构建进回复和决策器的上下文消息中 # 表情选择模式, 可选值为 "emotion" 或 "description" # emotion: 让大模型从情感标签中选择 # description: 让大模型从详细描述中选择 emoji_selection_mode = "emotion" max_context_emojis = 30 # 每次随机传递给LLM的表情包详细描述的最大数量，0为全部 [memory] enable_memory = true # 是否启用记忆系统 memory_build_interval = 600 # 记忆构建间隔（秒）。间隔越低，学习越频繁，但可能产生更多冗余信息 # === 记忆采样系统配置 === memory_sampling_mode = "immediate" # 记忆采样模式：'immediate'(即时采样), 'hippocampus'(海马体定时采样) or 'all'(双模式) # 海马体双峰采样配置 enable_hippocampus_sampling = true # 启用海马体双峰采样策略 hippocampus_sample_interval = 1800 # 海马体采样间隔（秒，默认30分钟） hippocampus_sample_size = 30 # 海马体采样样本数量 hippocampus_batch_size = 10 # 海马体批量处理大小 hippocampus_distribution_config = [12.0, 8.0, 0.7, 48.0, 24.0, 0.3] # 海马体双峰分布配置：[近期均值(h), 近期标准差(h), 近期权重, 远期均值(h), 远期标准差(h), 远期权重] # 即时采样配置 precision_memory_reply_threshold = 0.5 # 精准记忆回复阈值（0-1），高于此值的对话将立即构建记忆 min_memory_length = 10 # 最小记忆长度 max_memory_length = 500 # 最大记忆长度 memory_value_threshold = 0.5 # 记忆价值阈值，低于该值的记忆会被丢弃 vector_similarity_threshold = 0.7 # 向量相似度阈值 semantic_similarity_threshold = 0.6 # 语义重排阶段的最低匹配阈值 metadata_filter_limit = 100 # 元数据过滤阶段返回数量上限 vector_search_limit = 50 # 向量搜索阶段返回数量上限 semantic_rerank_limit = 20 # 语义重排阶段返回数量上限 final_result_limit = 10 # 综合筛选后的最终返回数量 vector_weight = 0.4 # 综合评分中向量相似度的权重 semantic_weight = 0.3 # 综合评分中语义匹配的权重 context_weight = 0.2 # 综合评分中上下文关联的权重 recency_weight = 0.1 # 综合评分中时效性的权重 fusion_similarity_threshold = 0.85 # 记忆融合时的相似度阈值 deduplication_window_hours = 24 # 记忆去重窗口（小时） # 智能遗忘机制配置 (新增) enable_memory_forgetting = true # 是否启用智能遗忘机制 forgetting_check_interval_hours = 24 # 遗忘检查间隔（小时） # 遗忘阈值配置 base_forgetting_days = 30.0 # 基础遗忘天数 min_forgetting_days = 7.0 # 最小遗忘天数（重要记忆也会被保留的最少天数） max_forgetting_days = 365.0 # 最大遗忘天数（普通记忆最长保留天数） # 重要程度权重 - 不同重要程度的额外保护天数 critical_importance_bonus = 45.0 # 关键重要性额外天数 high_importance_bonus = 30.0 # 高重要性额外天数 normal_importance_bonus = 15.0 # 一般重要性额外天数 low_importance_bonus = 0.0 # 低重要性额外天数 # 置信度权重 - 不同置信度的额外保护天数 verified_confidence_bonus = 30.0 # 已验证置信度额外天数 high_confidence_bonus = 20.0 # 高置信度额外天数 medium_confidence_bonus = 10.0 # 中等置信度额外天数 low_confidence_bonus = 0.0 # 低置信度额外天数 # 激活频率权重 activation_frequency_weight = 0.5 # 每次激活增加的天数权重 max_frequency_bonus = 10.0 # 最大激活频率奖励天数 # 休眠机制 dormant_threshold_days = 90 # 休眠状态判定天数（超过此天数未访问的记忆进入休眠状态） # Vector DB存储配置 (新增 - 替代JSON存储) enable_vector_memory_storage = true # 启用Vector DB存储 enable_llm_instant_memory = true # 启用基于LLM的瞬时记忆 enable_vector_instant_memory = true # 启用基于向量的瞬时记忆 instant_memory_max_collections = 100 # 瞬时记忆最大集合数 instant_memory_retention_hours = 0 # 瞬时记忆保留时间（小时），0表示不基于时间清理 # Vector DB配置 vector_db_similarity_threshold = 0.5 # Vector DB相似度阈值 (推荐范围: 0.5-0.6, 过高会导致检索不到结果) vector_db_search_limit = 20 # Vector DB单次搜索返回的最大结果数 vector_db_batch_size = 100 # 批处理大小 (批量存储记忆时每批处理的记忆条数) vector_db_enable_caching = true # 启用内存缓存 vector_db_cache_size_limit = 1000 # 缓存大小限制 (内存缓存最多保存的记忆条数) vector_db_auto_cleanup_interval = 3600 # 自动清理间隔（秒） vector_db_retention_hours = 720 # 记忆保留时间（小时，默认30天） # 多阶段召回配置（可选） # 取消注释以启用更严格的粗筛，适用于大规模记忆库（>10万条） # memory_importance_threshold = 0.3 # 重要性阈值（过滤低价值记忆，范围0.0-1.0） # memory_recency_days = 30 # 时间范围（只搜索最近N天的记忆，0表示不限制） # Vector DB配置 (ChromaDB) [vector_db] type = "chromadb" # Vector DB类型 path = "data/chroma_db" # Vector DB数据路径 [vector_db.settings] anonymized_telemetry = false # 禁用匿名遥测 allow_reset = true # 允许重置 [voice] enable_asr = true # 是否启用语音识别，启用后MoFox-Bot可以识别语音消息，启用该功能需要配置语音识别模型[model.voice] # [语音识别提供商] 可选值: "api", "local". 默认使用 "api". # 注意: "local" 会消耗大量CPU资源, 可能导致低配服务器卡顿. 详情请见 stt_whisper_plugin 插件配置. asr_provider = "api" [lpmm_knowledge] # lpmm知识库配置 enable = false # 是否启用lpmm知识库 rag_synonym_search_top_k = 10 # 同义词搜索TopK rag_synonym_threshold = 0.8 # 同义词阈值（相似度高于此阈值的词语会被认为是同义词） info_extraction_workers = 3 # 实体提取同时执行线程数，非Pro模型不要设置超过5 qa_relation_search_top_k = 10 # 关系搜索TopK qa_relation_threshold = 0.5 # 关系阈值（相似度高于此阈值的关系会被认为是相关的关系） qa_paragraph_search_top_k = 1000 # 段落搜索TopK（不能过小，可能影响搜索结果） qa_paragraph_threshold = 0.4 # 段落阈值（相似度高于此阈值的段落才会被认为是相关的） qa_paragraph_node_weight = 0.05 # 段落节点权重（在图搜索&PPR计算中的权重，当搜索仅使用DPR时，此参数不起作用） qa_ent_filter_top_k = 10 # 实体过滤TopK qa_ppr_damping = 0.8 # PPR阻尼系数 qa_res_top_k = 3 # 最终提供的文段TopK embedding_dimension = 1024 # 嵌入向量维度,应该与模型的输出维度一致 # --- 反应规则系统 --- # 在这里，您可以定义一系列基于关键词或正则表达式的自动回复规则。 # 每条规则都是一个独立的 [[reaction.rules]] 块。 # chat_stream_id: 聊天流ID (格式 "platform:id:type")。 # 用于指定此规则仅在哪个聊天中生效。 # 如果留空 ("")，则为全局规则，对所有聊天生效。 # rule_type: 规则类型，必须是 "keyword" 或 "regex"。 # "keyword": 表示本条规则使用关键词匹配。 # "regex": 表示本条规则使用正则表达式匹配。 # patterns: 一个字符串列表，根据 rule_type 的不同，这里填写关键词或正则表达式。 # reaction: 触发规则后，机器人发送的回复内容。 [[reaction.rules]] chat_stream_id = "" rule_type = "keyword" patterns = ["人机", "bot", "机器", "入机", "robot", "机器人", "ai", "AI"] reaction = "有人说你是人机或者机器人，否定这一事实，攻击或反问他。注意，只有认为你是机器人才回复，否则不要否认" [[reaction.rules]] chat_stream_id = "" rule_type = "keyword" patterns = ["测试关键词回复", "test"] reaction = "回答测试成功" [[reaction.rules]] chat_stream_id = "" rule_type = "regex" patterns = ["^(?P\\S{1,20})是这样的$"] reaction = "请按照以下模板造句：[n]是这样的，xx只要xx就可以，可是[n]要考虑的事情就很多了，比如什么时候xx，什么时候xx，什么时候xx。（请自由发挥替换xx部分，只需保持句式结构，同时表达一种将[n]过度重视的反讽意味）" # 可以自定义部分提示词 [custom_prompt] image_prompt = "请用中文描述这张图片的内容。如果有文字，请把文字描述概括出来，请留意其主题，直观感受，输出为一段平文本，最多30字，请注意不要分点，就输出一段文本" planner_custom_prompt_content = "" # 决策器自定义提示词内容，如果这里没有内容则不生效 [response_post_process] enable_response_post_process = true # 是否启用回复后处理，包括错别字生成器，回复分割器 [chinese_typo] enable = true # 是否启用中文错别字生成器 error_rate=0.01 # 单字替换概率 min_freq=9 # 最小字频阈值 tone_error_rate=0.1 # 声调错误概率 word_replace_rate=0.006 # 整词替换概率 [response_splitter] enable = true # 是否启用回复分割器 split_mode = "punctuation" # 分割模式: "llm" - 由语言模型决定, "punctuation" - 基于标点符号 max_length = 512 # 回复允许的最大长度 max_sentence_num = 8 # 回复允许的最大句子数 enable_kaomoji_protection = true # 是否启用颜文字保护 [log] date_style = "m-d H:i:s" # 日期格式 log_level_style = "lite" # 日志级别样式,可选FULL，compact，lite color_text = "full" # 日志文本颜色，可选none，title，full log_level = "INFO" # 全局日志级别（向下兼容，优先级低于下面的分别设置） file_retention_days = 30 # 文件日志保留天数，0=禁用文件日志，-1=永不删除 console_log_level = "INFO" # 控制台日志级别，可选: DEBUG, INFO, WARNING, ERROR, CRITICAL file_log_level = "DEBUG" # 文件日志级别，可选: DEBUG, INFO, WARNING, ERROR, CRITICAL # 第三方库日志控制 suppress_libraries = ["faiss","httpx", "urllib3", "asyncio", "websockets", "httpcore", "requests", "peewee", "openai","uvicorn","rjieba","maim_message"] # 完全屏蔽的库 library_log_levels = { "aiohttp" = "WARNING"} # 设置特定库的日志级别 [dependency_management] # 插件Python依赖管理配置 # 是否启用自动安装Python依赖包（主开关） auto_install = true #it can work now! # 安装超时时间（秒） auto_install_timeout = 300 # 是否使用PyPI镜像源（推荐，可加速下载） use_mirror = true mirror_url = "https://pypi.tuna.tsinghua.edu.cn/simple" # PyPI镜像源URL，如: "https://pypi.tuna.tsinghua.edu.cn/simple" # 依赖安装日志级别 install_log_level = "INFO" [debug] show_prompt = false # 是否显示prompt [maim_message] auth_token = [] # 认证令牌，用于API验证，为空则不启用验证 # 以下项目若要使用需要打开use_custom，并单独配置maim_message的服务器 use_custom = false # 是否启用自定义的maim_message服务器，注意这需要设置新的端口，不能与.env重复 host="127.0.0.1" port=8090 mode="ws" # 支持ws和tcp两种模式 use_wss = false # 是否使用WSS安全连接，只支持ws模式 cert_file = "" # SSL证书文件路径，仅在use_wss=true时有效 key_file = "" # SSL密钥文件路径，仅在use_wss=true时有效 [planning_system] # 规划系统配置 # --- 日程生成 --- schedule_enable = true # 是否启用每日日程生成功能 schedule_guidelines = """ 我希望你每天都能过得充实而有趣。 请确保你的日程里有学习新知识的时间，这是你成长的关键。 但也不要忘记放松，可以看看视频、听听音乐或者玩玩游戏。 晚上我希望你能多和朋友们交流，维系好彼此的关系。 另外，请保证充足的休眠时间来处理和整合一天的数据。 """ # --- 月度计划 --- monthly_plan_enable = false # 是否启用月度计划系统 monthly_plan_guidelines = """ 我希望你能为自己制定一些有意义的月度小目标和计划。 这些计划应该涵盖学习、娱乐、社交、个人成长等各个方面。 每个计划都应该是具体可行的，能够在一个月内通过日常活动逐步实现。 请确保计划既有挑战性又不会过于繁重，保持生活的平衡和乐趣。 """ max_plans_per_month = 10 # 每月最多生成的计划数量 avoid_repetition_days = 7 # 避免在多少天内重复使用同一个月度计划 completion_threshold = 3 # 一个月度计划被使用多少次后算作完成 [video_analysis] # 视频分析配置 enable = true # 是否启用视频分析功能 analysis_mode = "batch_frames" # 分析模式："frame_by_frame"（逐帧分析，非常慢）、"batch_frames"（批量分析，推荐）或 "auto"（自动选择） frame_extraction_mode = "keyframe" # 抽帧模式: "keyframe" (智能关键帧，推荐)、"fixed_number" (固定总帧数) 或 "time_interval" (按时间间隔) frame_interval_seconds = 2.0 # 按时间间隔抽帧的秒数（仅在 mode = "time_interval" 时生效） max_frames = 16 # 最大分析帧数 frame_quality = 80 # 帧图像JPEG质量 (1-100) max_image_size = 800 # 单帧最大图像尺寸(像素) enable_frame_timing = true # 是否在分析中包含帧的时间信息 # Rust模块相关配置 rust_keyframe_threshold = 2.0 # 关键帧检测阈值，值越大关键帧越少 rust_use_simd = true # 启用SIMD优化（推荐） rust_block_size = 8192 # 处理块大小，较大值可能提高高分辨率视频性能 rust_threads = 0 # 线程数，0表示自动检测 ffmpeg_path = "ffmpeg" # FFmpeg可执行文件路径 # 批量分析时使用的提示词 batch_analysis_prompt = """请以第一人称的视角来观看这一个视频，你看到的这些是从视频中按时间顺序提取的关键帧。 你的核心人设是：{personality_core}。 你的人格细节是：{personality_side}。 请提供详细的视频内容描述，涵盖以下方面： 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，结果要详细准确。""" # 请不要修改{personality_core}和{personality_side}哦~ # 网络搜索组件配置 [web_search] enable_web_search_tool = true # 是否启用联网搜索tool enable_url_tool = true # 是否启用URL解析tool tavily_api_keys = ["None"]# Tavily API密钥列表，支持轮询机制 exa_api_keys = ["None"]# EXA API密钥列表，支持轮询机制 metaso_api_keys = ["None"]# Metaso API密钥列表，支持轮询机制 searxng_instances = [] # SearXNG 实例 URL 列表 searxng_api_keys = []# SearXNG 实例 API 密钥列表 # 搜索引擎配置 enabled_engines = ["ddg"] # 启用的搜索引擎列表，可选: "exa", "tavily", "ddg","bing", "metaso" search_strategy = "single" # 搜索策略: "single"(使用第一个可用引擎), "parallel"(并行使用所有启用的引擎), "fallback"(按顺序尝试，失败则尝试下一个) [cross_context] # 跨群聊/私聊上下文共享配置 # 这是总开关，用于一键启用或禁用此功能 enable = true # --- S4U模式: 用户中心上下文检索 --- # S4U模式不再依赖于共享组配置，而是使用以下全局配置 s4u_mode = "whitelist" # "whitelist"(白名单) 或 "blacklist"(黑名单)。 s4u_limit = 10 # S4U模式下，从每个聊天中获取目标用户的消息条数 s4u_stream_limit = 3 # S4U模式下，最多检索多少个不同的聊天流 (按时间排序) # 白名单列表，格式: ["platform:type:id", ...] # 示例: ["qq:group:123456", "qq:private:7891011"] s4u_whitelist_chats = [] # 黑名单列表，格式同上 s4u_blacklist_chats = [] # --- Normal模式: 共享组配置 --- # 现在这些是预留plugin使用的上下文互通组配置 # 您可以根据需要添加多个互通组 # 在回复过程中只会遵循上面的--S4U模式: 用户中心上下文检索-- # --- QQ空间专用互通组 (示例) --- # Maizone插件会根据组名 "Maizone默认互通组" 来获取上下文 # 您可以修改下面的chat_ids来定义哪些聊天内容可以被Maizone插件参考 [[cross_context.groups]] name = "Maizone默认互通组" mode = "whitelist" default_limit = 10 chat_ids = [ ["group", "111111"], # 示例群聊1 ["private", "222222"] # 示例私聊2 ] [affinity_flow] enable_normal_mode = true # 是否启用 Normal 聊天模式。启用后，在专注模式回复后会自动切换，并根据兴趣度决定是否回复，以实现更快速的回复。 # 兴趣评分系统参数 reply_action_interest_threshold = 0.9 # 回复动作兴趣阈值 non_reply_action_interest_threshold = 0.8 # 非回复动作兴趣阈值 high_match_interest_threshold = 0.7 # 高匹配兴趣阈值 medium_match_interest_threshold = 0.4 # 中匹配兴趣阈值 low_match_interest_threshold = 0.2 # 低匹配兴趣阈值 high_match_keyword_multiplier = 5 # 高匹配关键词兴趣倍率 medium_match_keyword_multiplier = 3.75 # 中匹配关键词兴趣倍率 low_match_keyword_multiplier = 1.3 # 低匹配关键词兴趣倍率 match_count_bonus = 0.02 # 匹配数关键词加成值 max_match_bonus = 0.25 # 最大匹配数加成值 # 回复决策系统参数 no_reply_threshold_adjustment = 0.01 # 不回复兴趣阈值调整值 reply_cooldown_reduction = 5 # 回复后减少的不回复计数 max_no_reply_count = 20 # 最大不回复计数次数 # 综合评分权重 keyword_match_weight = 0.4 # 兴趣关键词匹配度权重 mention_bot_weight = 0.3 # 提及bot分数权重 relationship_weight = 0.3 # 人物关系分数权重 # 提及bot相关参数 mention_bot_adjustment_threshold = 0.5 # 提及bot后的调整阈值 mention_bot_interest_score = 2.5 # 提及bot的兴趣分 base_relationship_score = 0.3 # 基础人物关系分 # 关系追踪系统参数 enable_relationship_tracking = true # 是否启用关系追踪系统 relationship_tracking_probability = 0.7 # 关系追踪执行概率 (0.0-1.0)，用于减少API调用压力 relationship_tracking_interval_min = 300 # 关系追踪最小间隔时间（秒） relationship_tracking_cooldown_hours = 1.0 # 同一用户关系追踪冷却时间（小时） [proactive_thinking] # 主动思考（主动发起对话）功能配置 # 详细配置说明请参考：docs/proactive_thinking_config_guide.md # --- 总开关 --- enable = false # 是否启用主动发起对话功能 # --- 间隔配置 --- base_interval = 1800 # 基础触发间隔（秒），默认30分钟 min_interval = 600 # 最小触发间隔（秒），默认10分钟 max_interval = 7200 # 最大触发间隔（秒），默认2小时 # 动态调整配置 use_interest_score = true # 是否根据兴趣分数动态调整间隔 interest_score_factor = 2.0 # 兴趣分数影响因子（1.0-3.0） # 公式: interval = base_interval * (interest_score_factor - interest_score) # 例如: interest_score=0.8, factor=2.0 -> interval = 1800 * 1.2 = 2160秒(36分钟) # --- 黑白名单配置 --- whitelist_mode = false # 是否启用白名单模式（启用后只对白名单中的聊天流生效） blacklist_mode = false # 是否启用黑名单模式（启用后排除黑名单中的聊天流） # 白名单配置（示例格式） whitelist_private = [] # 私聊白名单，格式: ["qq:12345:private"] whitelist_group = [] # 群聊白名单，格式: ["qq:123456:group"] # 黑名单配置（示例格式） blacklist_private = [] # 私聊黑名单，格式: ["qq:12345:private"] blacklist_group = [] # 群聊黑名单，格式: ["qq:999999:group"] # --- 作用范围 --- enable_in_private = true # 是否允许在私聊中主动发起对话 enable_in_group = true # 是否允许在群聊中主动发起对话 # --- 兴趣分数阈值 --- min_interest_score = 0.0 # 最低兴趣分数阈值，低于此值不会主动思考 max_interest_score = 1.0 # 最高兴趣分数阈值，高于此值不会主动思考 # --- 时间策略配置 --- enable_time_strategy = false # 是否启用时间策略（根据时段调整频率） quiet_hours_start = "00:00" # 安静时段开始时间，格式: "HH:MM" quiet_hours_end = "07:00" # 安静时段结束时间，格式: "HH:MM" active_hours_multiplier = 0.7 # 活跃时段间隔倍数，<1表示更频繁，>1表示更稀疏 # --- 冷却与限制 --- reply_reset_enabled = true # bot回复后是否重置定时器（避免回复后立即又主动发言） topic_throw_cooldown = 3600 # 主动发言后的冷却时间（秒），期间暂停主动思考，等待用户回复。0表示不暂停，继续主动思考 max_daily_proactive = 0 # 每个聊天流每天最多主动发言次数，0表示不限制 # --- 决策权重配置 --- do_nothing_weight = 0.4 # do_nothing动作的基础权重 simple_bubble_weight = 0.3 # simple_bubble动作的基础权重 throw_topic_weight = 0.3 # throw_topic动作的基础权重 # --- 调试与监控 --- enable_statistics = true # 是否启用统计功能（记录触发次数、决策分布等） log_decisions = false # 是否记录每次决策的详细日志（用于调试）