nonebot-plugin-aigf 0.3.2

✨ AI-group-friend ✨

群聊特化 LLM 聊天机器人，具有 LLM 驱动的记忆系统和表情包功能。

📖 介绍

基于 shadow3aaa/nonebot-plugin-nyaturingtest 重构，移除了 HippoRAG 和情绪系统，改为 LLM 自主管理记忆，并添加表情包存储和发送功能。

• 本项目对原项目代码的修改及重构均有AI高度参与，若有做得不够好的地方，请手下留情。

特点:

• 🧠 LLM 驱动的记忆系统：短期记忆、长期记忆、群友信息，LLM 自主增删改
• 🖼️ 表情包功能：AI 自主决定发表情包；自动从群聊中收藏表情包（缓存机制）
• 🔍 图片理解：支持 VLM 模式和 LLM 直接看图模式
• 💬 对话理解：通过 reply 标记和 @ 理解群聊中的对话关系，自主决定是否发言
• 📝 预设系统：支持角色预设，含可编辑的默认预设
• ⚡ 轻量高效：单次 LLM 调用完成对话 + 记忆管理，节约token

💿 安装

[!IMPORTANT] 要使用本插件, 你至少需要

• 一个有效的 openai 规范接口 api key (根据你的 base_url，可以不是 openai 的)，你需要在 .env 文件中配置对应的 api 地址

nb plugin install nonebot-plugin-aigf --upgrade

pip install nonebot-plugin-aigf

[tool.nonebot]
plugins = ["nonebot-plugin-aigf"]

配置

在 .env.prod 中添加：

# === 必填 ===
AIGF_CHAT_OPENAI_API_KEY="***"         # LLM API Key
AIGF_CHAT_OPENAI_BASE_URL="***"        # LLM API 地址
AIGF_CHAT_OPENAI_MODEL="***"           # LLM 模型名称
AIGF_ENABLED_GROUPS=[123456, 789012]   # 启用的群号列表

# === 可选 ===
AIGF_MEME_ENABLED=true                 # 是否启用表情包功能（默认 true）
AIGF_MEME_MAX_COUNT=200                # 自动收集的表情包最大数量（默认 200）
AIGF_DEFAULT_PRESET=default            # 默认预设名称（默认 "default"）

# === VLM 配置（图片理解） ===
AIGF_IMAGE_MODE="vlm"                             # 图片模式: vlm=独立VLM分析, llm=LLM直接看图
AIGF_VLM_ENABLED=true                             # 是否启用VLM（仅 vlm 模式有效，默认 true）
AIGF_VLM_MODEL="Pro/Qwen/Qwen2.5-VL-7B-Instruct"  # VLM 模型名称
AIGF_VLM_BASE_URL="https://api.siliconflow.cn/v1" # VLM API 地址
AIGF_VLM_API_KEY="***"                            # VLM API Key（为空时使用 chat 的 key）

命令

触发机制

• 攒够 5 条新消息，或最后一条消息后 5 秒内无新消息，触发一次处理
• 每次处理时，LLM 收到最近 15 条聊天记录 + 三层记忆 + 预设 + 表情包列表
• LLM 一次调用同时完成：回复决策 + 记忆管理 + 表情包选择

对话理解

机器人通过以下方式理解群聊中的对话关系：

• reply 标记：消息中包含 [回复 xxx 的消息: "yyy"]，表示在回复某人
• @ 提及：@某人 表示消息是发给那个人的
• 时间推断：时间接近的消息通常在互相回复

回复决策规则：

• 有人 @ 了机器人 → 回复
• 有人回复了机器人之前的消息 → 回复
• 消息明显是对所有人说的，且有值得补充的内容 → 回复
• 不确定是否在和自己说话 → 不回复

记忆系统

机器人拥有三层记忆，由 LLM 在每次回复时自主管理：

短期记忆

存储在 <插件数据目录>/memory/<群号>/short_term.json，内容为 LLM 维护的信息列表，包括对话摘要、临时上下文、有趣的梗等。LLM 可以添加、修改、删除条目。

长期记忆

存储在 <插件数据目录>/memory/<群号>/long_term.json，内容为 LLM 认为值得长期记住的信息，如群内发生的事件、群规、群友分享的有用知识等。LLM 可添加、修改、删除。不应记录临时对话或常识信息。

群友信息

存储在 <插件数据目录>/memory/friends/<QQ号>.json，每个群友一个文件，以 QQ 号命名。LLM 记录群友的昵称、职业、爱好、说过的话、与其他群友的关系等。具体保存方式如下：

{
  "id": "123456",
  "nickname": "小明",
  "aliases": ["小明哥", "明酱"],
  "past_nicknames": ["明明"],
  "info": ["职业：程序员", "爱好：打游戏"],
  "groups": ["114514","1919810"]
}

表情包功能

工作原理

群聊中有人发图片/表情包
    ↓
下载图片 → VLM 分析内容和情感
    ↓
保存到缓存目录（<缓存目录>/sticker_cache/）
    ↓
下一次消息处理时，LLM 在 Prompt 中看到缓存的表情包
    ↓
LLM 决定是否收藏 → 保存到 memes 目录

表情包素材库

存放在 <插件数据目录>/memes/ 下：

memes/
├── memes.json          ← 管理员手动配置
├── collected.json      ← 机器人自动收集
└── *.jpg/png/gif       ← 表情包图片文件

管理员手动配置

编辑 memes.json：

[
  {
    "id": "happy_spin",
    "path": "happy_spin.jpg",
    "keywords": ["开心", "高兴", "庆祝"],
    "description": "开心到转圈的小人"
  }
]

修改后执行 /重载表情包 即可生效，无需重启。

自动收集

机器人收到图片时，VLM 分析后保存到缓存。LLM 在回复时看到缓存的表情包，决定是否收藏：

{
  "memory": {
    "save_meme": [
      {"id": "a1b2c3d4e5f6", "description": "开心转圈的小人", "keywords": ["开心"]}
    ]
  }
}

• 图片按 MD5 hash 去重
• 超过 AIGF_MEME_MAX_COUNT 上限时，优先清理最近未使用的
• 缓存中的表情包只处理一次，处理后清空

发送表情包

LLM 在回复中指定表情包 id（来自 memes.json 或 collected.json）：

{"type": "meme", "id": "happy_spin"}

图片理解模式

通过 AIGF_IMAGE_MODE 配置：

VLM 模式下，描述限制 50 字，情感只输出 3 个词，不识别具体角色名称（只描述外貌特征）。

预设系统

首次运行后在 <插件配置目录>/presets/ 下生成 default.json：

{
  "name": "小助手",
  "role": "一个友好的群聊助手，会用轻松的语气和大家聊天",
  "knowledges": [],
  "hidden": false
}

预设字段

添加新预设

在 presets/ 目录下创建新的 JSON 文件，如 猫娘.json：

{
  "name": "喵喵",
  "role": "一个可爱的群猫娘，群里的其它人是你的主人",
  "knowledges": [
    "猫娘有猫耳和猫尾巴",
    "猫娘喜欢吃鱼"
  ],
  "hidden": false
}

然后在群内执行 set_preset 猫娘 即可加载。

消息格式

LLM 支持以下回复类型：

文本和 @ 会合并为一条消息发送，表情包单独发送。

图片理解模式

支持两种图片理解模式，通过 AIGF_IMAGE_MODE 配置：

VLM 模式（默认）

图片 → VLM 分析 → 缓存描述 → 文字 prompt 给 LLM

• LLM 不需要支持图片输入
• VLM 单独调用，消耗较少 token
• 适合 LLM 不支持视觉的场景

LLM 模式

图片 → 直接以 base64 附在 LLM prompt 中 → LLM 看图决策

• LLM 直接看到图片，理解更准确
• 不需要配置 VLM
• 适合支持视觉的模型（如 GPT-4o、Qwen-VL）
• 图片 base64 会消耗更多 token

依赖

• NoneBot2 + OneBot V11 适配器
• OpenAI 兼容 API（LLM）
• VLM API（图片理解，可选）
• Pillow（图片处理）
• httpx、anyio
• numpy

一些碎碎念

• 本项目移除了原插件的 HippoRAG 和情绪系统，拟人程度远不如原插件
• 本项目的token消耗理论上相较原插件能减少约30-50%，但绝对值仍不低，每次请求约消耗 20K tokens，在记忆数据丰富之后会更高
• 推荐使用价格较为低廉的模型作为llm模型（群友就是要笨笨的才可爱呀），再以识图能力较好的vlm模型作为辅助（要是看不懂表情包还是会比较尴尬的）