支持Dify返回base64图片直接发送

1. 为Dify聊天插件新增内联图片识别逻辑，支持data URL、纯base64和JSON内b64_json图片返回。

2. 当工作流返回base64图片时，直接通过send_image_message发送图片字节，避免误走md2image文本转图流程。

3. 调整响应清洗逻辑，避免对base64图片内容做文本裁剪导致图片数据损坏。

plugins/dify/main.py

@@ -3,6 +3,7 @@ import cv2
 import requests
 import json
 import time
+import binascii
 import re  # 添加re模块导入
 import asyncio
 import base64
@@ -258,6 +259,15 @@ class DifyPlugin(MessagePluginInterface):
                              response: str, roomid: str) -> Tuple[bool, str]:
         """发送响应消息的辅助方法"""
         try:
+            # 先识别“内联图片”：
+            # 1. Dify 工作流有可能直接返回 data URL 或纯 base64 图片内容；
+            # 2. 这类响应如果继续走文本清洗或 md2image，会被错误包装成“文字截图”；
+            # 3. 因此这里优先提取图片字节并直接发送，避免再经过 markdown 转图链路。
+            inline_image_bytes = self._extract_inline_image_bytes(response)
+            if inline_image_bytes:
+                await bot.send_image_message(target, inline_image_bytes)
+                return True, "发送成功"
+
             if response and not os.path.isfile(response):
                 response = remove_reasoning_content(response)
                 response = remove_trailing_content(response)
@@ -506,7 +516,9 @@ class DifyPlugin(MessagePluginInterface):
                     media_path = await downloader.download_media(outputs["result"])
                     answer = media_path
 
-            if answer and not os.path.isfile(answer):
+            # 如果工作流直接返回的是内联图片（data URL / base64），
+            # 这里不能再做文本裁剪，否则很容易把 base64 内容破坏掉。
+            if answer and not os.path.isfile(answer) and not self._extract_inline_image_bytes(answer):
                 answer = remove_reasoning_content(answer)
                 answer = remove_trailing_content(answer)
                 answer = remove_grok_render_tags(answer)
@@ -543,6 +555,93 @@ class DifyPlugin(MessagePluginInterface):
             self.LOG.error(f"处理Dify响应时出错: {str(e)}")
             return False, f"处理响应时出错"
 
+    def _extract_inline_image_bytes(self, response_text: Any) -> bytes:
+        """尽量从 Dify 返回内容中提取内联图片字节。
+
+        支持的输入形态：
+        1. `data:image/png;base64,...` 这类 data URL；
+        2. 纯 base64 图片字符串；
+        3. JSON 字符串里常见的 `b64_json` / `image_base64` / `base64` / `data` 字段。
+        """
+        normalized_text = str(response_text or "").strip()
+        if not normalized_text:
+            return b""
+
+        # 先处理最标准的 data URL。
+        image_bytes, mime_type = UnifiedLLMClient.decode_data_url(normalized_text)
+        if image_bytes and str(mime_type or "").startswith("image/"):
+            return image_bytes
+
+        # 再尝试把字符串解析为 JSON，兼容工作流把 base64 包在结构化字段里的情况。
+        # 这里优先挑常见图片字段，避免把普通 JSON 文本误判成图片。
+        json_candidate = self._extract_base64_from_json_text(normalized_text)
+        if json_candidate:
+            image_bytes = self._decode_base64_image_bytes(json_candidate)
+            if image_bytes:
+                return image_bytes
+
+        # 最后再把整个字符串当作纯 base64 图片尝试解码。
+        return self._decode_base64_image_bytes(normalized_text)
+
+    def _extract_base64_from_json_text(self, response_text: str) -> str:
+        """从 JSON 文本中提取可能的图片 base64 字段。"""
+        try:
+            parsed = json.loads(response_text)
+        except Exception:
+            return ""
+
+        if isinstance(parsed, dict):
+            for key in ("b64_json", "image_base64", "base64", "data", "image_data"):
+                value = parsed.get(key)
+                if isinstance(value, str) and value.strip():
+                    return value.strip()
+        return ""
+
+    def _decode_base64_image_bytes(self, candidate: str) -> bytes:
+        """把候选字符串解码为图片字节，仅在确认为图片头时返回。"""
+        normalized = str(candidate or "").strip()
+        if not normalized:
+            return b""
+
+        # 一些网关会返回带 data URL 前缀的字段，这里顺手兼容一层。
+        image_bytes, mime_type = UnifiedLLMClient.decode_data_url(normalized)
+        if image_bytes and str(mime_type or "").startswith("image/"):
+            return image_bytes
+
+        # 对纯 base64 做保守校验：
+        # 1. 长度太短的普通文本不尝试；
+        # 2. 字符集必须符合 base64；
+        # 3. 只有解码后命中常见图片文件头，才认定为图片。
+        if len(normalized) < 16:
+            return b""
+        if not re.fullmatch(r"[A-Za-z0-9+/=\r\n]+", normalized):
+            return b""
+
+        compact_base64 = re.sub(r"\s+", "", normalized)
+        try:
+            decoded_bytes = base64.b64decode(compact_base64, validate=False)
+        except (ValueError, binascii.Error):
+            return b""
+
+        if self._is_supported_image_bytes(decoded_bytes):
+            return decoded_bytes
+        return b""
+
+    @staticmethod
+    def _is_supported_image_bytes(image_bytes: bytes) -> bool:
+        """根据文件头判断字节内容是否为常见图片格式。"""
+        if not image_bytes or len(image_bytes) < 12:
+            return False
+
+        return any((
+            image_bytes.startswith(b"\x89PNG\r\n\x1a\n"),
+            image_bytes.startswith(b"\xff\xd8\xff"),
+            image_bytes.startswith((b"GIF87a", b"GIF89a")),
+            image_bytes.startswith(b"BM"),
+            image_bytes.startswith(b"RIFF") and image_bytes[8:12] == b"WEBP",
+            image_bytes.startswith((b"II*\x00", b"MM\x00*")),
+        ))
+
     def _cleanup_expired_conversations(self) -> None:
         """清理过期的会话"""
         current_time = time.time()