abot/plugins/ai_auto_response

小牛群聊 BOT

定位

ai_auto_response 不再是“随机插话插件”，而是一个长期在线的拟人化群友 小牛。

目标是三件事：

• 在群里像一个混久了的真人，不像客服
• 该接问题时接得住，不该说话时会装死
• 能记人、记群、记关系，并在合适的时候自然用起来

这份 README 只描述 plugins/ai_auto_response 当前设计与实现落点，不调整仓库根目录。

当前目录分层

• main.py 插件入口与主编排，只保留消息流转、组件装配、发送消息。
• config.toml 小牛的运行配置。
• persona/ 人设文本，目前核心是 xiaoniu.txt。
• core/ 统一决策、prompt、LLM 结果解析、回复规划。
• context/ 上下文总装配、引用处理、图片处理。
• memory/ 短期消息、向量召回、群关系、群事实、群画像推断、群级记忆聚合。
• profile/ 人设装配和群画像解析。
• runtime/ 心流、限流、日志摘要。
• safety/ 过滤、攻击识别、去重。
• docs/ 设计文档沉淀。

已落地的模块

core

• decision_flow.py 主流程进入模型前的统一决策装配。
• llm_client.py LLM 调用客户端适配层。
• triggers.py 触发器识别与优先级判断。
• response_planner.py 本地粗筛和回复模式规划。
• prompt_builder.py 统一构造给模型的用户提示词。
• llm_result_parser.py 统一解析模型 JSON 结果，过滤 echo 和异常结构。
• reply_formatter.py 统一做回复裁剪、拆句、多条发送控制、日志预览。

context

• context_builder.py 汇总最近消息、成员记忆、群记忆、引用/图片上下文。
• quote_context.py 引用消息解析。
• image_context.py 图片跟评识别、图片安全提示、图片附件准备。

memory

• memory_store.py 短期消息、成员画像、followup 会话读取。
• vector_memory.py 向量召回与写入。
• group_memory_profile.py 从近 48 小时消息和群摘要推断群长期知识域、风格、关注点。
• group_memory.py 聚合群画像、群关系、群事实，并负责群级长期快照回写与记忆重排摘要。
• social_memory.py 轻量构造群关系上下文，给模型提示谁常和谁互动、谁在接谁的话。
• group_facts.py 轻量提炼群事实候选，补充“这个群长期在聊什么、谁更像答疑位、最近有什么稳定吐槽”。
• memory_ranker.py 按当前这次话题对成员记忆、群关系、群事实、向量召回做相关性重排。 同时配合群关系快照、群事实快照，把群级长期记忆慢慢沉淀进向量层。

profile

• group_profile.py 把人工群配置和历史推断结果合成最终群画像。
• persona_engine.py 人设文本装配和群风格叠加。

runtime

• flow_manager.py 心流状态管理。
• cooldown.py 回复频率和 burst 限流。
• logging.py 一行摘要日志，包含记忆命中和重排摘要。

safety

• filters.py ignore / prompt attack / coding work / @别人识别。
• dedup.py 消息去重和回复去重。

当前主流程

主链路现在是：

1. can_process 只做硬过滤。
2. process_message 做消息标准化、群画像解析、记忆装配、粗筛、调用模型、发送回复。
3. LLM 一次决策 在一次交互里同时完成：
   • 判断当前这次到底在聊什么
   • 判断这次是否值得回复
   • 选择回复强度
   • 产出最终回复文本

也就是说，现在的目标不是“本地规则决定一切”，而是：

本地硬过滤 + 本地粗筛 + 模型负责高语境判断

当前能力边界

已经支持：

• 群画像驱动的人设偏置
• 成员长期画像读取
• 30 条最近上下文窗口
• 群关系提示
• 群关系 / 群事实快照回写向量库
• 记忆相关性重排
• 向量记忆召回
• 引用消息解析
• 图片附件随模型请求发送
• 最近图片跟评识别
• 回复拆成 1 到 2 条短消息
• 静默忽略 prompt attack
• 非 @小牛 的编码代劳请求直接跳过
• LLM 失败时不做本地兜底，直接装死

还在持续建设：

• 结构化群事实记忆
• 群关系长期压缩写回
• 更强的多话题分辨
• 更细的称呼强度控制
• 更细的记忆命中可解释性

设计文档

这几个文档是当前重构的设计基线：

• README_humanization_v2.md 总体方案收敛。
• README_decision_flow.md 统一响应决策流。
• README_social_memory.md 群关系记忆。
• README_group_facts.md 群事实长期记忆。

当前重构原则

• 不继续把复杂逻辑堆进 main.py
• 兼容层可以暂时保留，但新能力优先放进清晰目录
• 本地规则只负责安全、去重、限流、成本控制
• 真正像群友的判断，尽量交给模型
• 不做割裂体验的本地固定兜底
• 只处理当前发言对应的一个话题，不做多线程并行聊天

下一阶段

接下来会继续拆三块：

• 群关系从“可回写的长期记忆”继续升级到“更稳定的关系强度演化”
• 群事实从“轻量摘要”补到“群内角色、搭子、稳定背景、固定梗”
• 让记忆权重和命中原因更容易从日志里观察与校准

等这两层补起来，小牛才会更像“在群里待了很久的人”，而不是“会读上下文的机器人”。