尝试新增ai会话

.tasks/2025-11-20_1_ai_chat_plugin.md

@@ -0,0 +1,217 @@
+# 背景
+文件名：2025-11-20_1_ai_chat_plugin.md
+创建于：2025-11-20_11:06:10
+创建者：admin
+主分支：main
+任务分支：无（不创建分支）
+Yolo模式：Off
+
+# 任务描述
+创建一个 AI 对话插件，支持多用户、多群聊的会话隔离，具备短期记忆功能（内存存储，无需持久化）。
+
+## 核心需求
+1. 基于 LlamaIndex + Ollama 的 AI 对话功能
+2. **维护一个全局的会话历史**（不按用户/群聊分隔）
+3. AI 能同时在不同群聊和不同用户对话
+4. 历史消息包含时间戳、群聊ID、用户ID信息，AI 能分辨消息来源
+5. 最大历史消息数量可配置（默认20条）
+6. 不需要持久化，重启后会话清空
+7. 提供清空全局历史会话的指令
+8. **AI 能够 @ 用户**：使用 `<at user_id="{user_id}"></at>` 格式，禁止直接输出 user_id
+
+## 指令入口
+- `ai_chat`: 对话指令
+- `ai_chat_clear`: 清空当前用户的会话历史
+
+## 技术要点
+- 参考 NewsReport.py 的架构模式
+- 使用内存字典存储会话历史
+- 模型使用 qwen3:0.6b
+- 消息格式包含上下文信息（时间、群聊、用户）
+
+# 项目概览
+这是一个基于 PWF 框架的 WPS 机器人项目，使用插件化架构。
+- 插件基类：WPSAPI → BasicWPSInterface → PluginInterface
+- 每个插件通过 callback(message, chat_id, user_id) 处理消息
+- 支持数据库、定时任务、路由等功能
+- 已有多个游戏系统插件（菜园、战斗、炼金等）
+
+# 分析
+## 现有架构分析
+1. **插件系统**：
+   - 插件通过继承 WPSAPI 实现
+   - callback 方法接收 message（已去除 command）、chat_id、user_id
+   - 通过 register_plugin(command) 注册指令入口
+   - 通过 dependencies() 声明依赖关系
+
+2. **NewsReport.py 架构**：
+   - NewsAIAgent 类：封装 AI 逻辑（LlamaIndex + Ollama）
+   - NewsAIPlugin 类：继承 WPSAPI，作为插件入口
+   - 使用 ProjectConfig().GetFile() 进行文件缓存
+
+3. **会话管理需求**：
+   - **全局单一会话历史**，不按用户/群聊分隔
+   - 每条消息标记 chat_id（群聊ID）和 user_id（用户ID）
+   - AI 能看到所有群聊、所有用户的对话历史
+   - 使用 List[Dict] 存储全局消息列表
+   - 内存存储，无需持久化
+
+4. **配置系统**：
+   - 使用 ProjectConfig.FindItem(key, default) 读取配置
+   - 使用 ProjectConfig.SaveProperties() 保存配置
+   - 配置存储在 Assets/config.json
+
+## 技术选型
+- **AI 框架**：LlamaIndex + Ollama
+- **模型**：qwen3:0.6b
+- **存储方式**：内存列表（List[Dict]）- 全局单一历史
+- **消息格式**：包含 timestamp, chat_id, user_id, role, content
+
+# 提议的解决方案
+## 整体架构
+```
+ChatAI.py
+├── ChatAIAgent (AI 智能体)
+│   ├── 会话字典管理
+│   ├── 消息历史维护
+│   └── LLM 对话调用
+├── ChatAIPlugin (对话插件)
+│   ├── 注册 ai_chat 指令
+│   └── 处理用户对话
+└── ChatAIClearPlugin (清空历史插件)
+    ├── 注册 ai_chat_clear 指令
+    └── 清空会话历史
+```
+
+## 核心类设计
+### 1. ChatAIAgent
+- 单例模式，通过 Architecture 注册
+- 维护 **全局消息历史**: List[Dict]
+- 每条消息格式：
+  ```python
+  {
+      "timestamp": "2025-11-20 11:06:10",
+      "chat_id": 12345,
+      "user_id": 67890,
+      "role": "user" | "assistant",
+      "content": "消息内容"
+  }
+  ```
+- AI 能够看到所有群聊、所有用户的完整对话历史
+
+### 2. ChatAIPlugin
+- 继承 WPSAPI
+- 依赖 WPSAPI
+- 初始化时创建/获取 ChatAIAgent
+- callback 处理用户消息，调用 Agent.chat()
+
+### 3. ChatAIClearPlugin
+- 继承 WPSAPI
+- 依赖 ChatAIPlugin（确保 Agent 已初始化）
+- callback 调用 Agent.clear_history() 清空全局历史
+
+## 系统提示词设计
+AI 需要理解的关键信息：
+1. **多群聊、多用户环境**：能看到所有群聊和用户的对话历史
+2. **消息格式**：每条消息包含 [时间] [群聊ID] [用户ID] 标记
+3. **@ 用户格式**：AI 回复时，当需要特指或回复某个用户时，使用 `<at user_id="{user_id}"></at>`
+4. **禁止行为**：禁止直接输出裸露的 user_id 数字
+
+示例提示词：
+```
+你是一个友好的AI助手，能够同时在多个群聊中与不同用户对话。
+
+重要规则：
+- 你能看到所有群聊的对话历史，每条消息都标注了时间、群聊ID和用户ID
+- 当你需要特指某个用户或专门回复某个用户时，必须在回复中使用以下格式：<at user_id="用户ID"></at>
+- 禁止直接输出用户ID数字，始终使用 <at> 标签包裹
+- 注意区分不同群聊和不同用户的对话上下文
+
+示例对话：
+[2025-11-20 10:00:00] [群聊#12345] [用户#67890]: 你好
+AI回复: <at user_id="67890"></at> 你好！有什么可以帮助你的吗？
+
+[2025-11-20 10:01:00] [群聊#12345] [用户#11111]: 今天天气怎么样？
+AI回复: <at user_id="11111"></at> 抱歉，我无法获取实时天气信息。
+
+[2025-11-20 10:02:00] [群聊#67890] [用户#22222]: 刚才12345群的用户说了什么？
+AI回复: <at user_id="22222"></at> 刚才群聊12345中，用户67890问候了我，用户11111询问了天气。
+```
+
+## 消息流程
+```
+用户消息 (chat_id, user_id) → ChatAIPlugin.callback()
+    ↓
+获取当前时间
+    ↓
+添加用户消息到全局历史（带时间戳、chat_id、user_id）
+    ↓
+格式化全局历史消息为 LLM 输入
+    ├─ 包含所有群聊、所有用户的历史
+    ├─ 每条消息标注来源（群聊、用户、时间）
+    └─ AI 能理解跨群聊、跨用户的上下文
+    ↓
+调用 Ollama LLM（使用包含 @ 格式说明的系统提示词）
+    ↓
+添加 AI 回复到全局历史（标注当前 chat_id, user_id）
+    ↓
+返回格式化的回复
+```
+
+# 当前执行步骤："1. 创建任务文件"
+
+# 任务进度
+[2025-11-20_11:06:10]
+- 已创建：.tasks/2025-11-20_1_ai_chat_plugin.md
+- 更改：创建任务文件，记录任务背景和设计方案
+- 原因：按照 RIPER-5 协议要求，在进入 EXECUTE 模式前创建任务文件
+- 阻碍因素：无
+- 状态：成功
+
+[2025-11-20_11:13:25]
+- 已修改：.tasks/2025-11-20_1_ai_chat_plugin.md
+- 更改：
+  1. 更新核心需求，明确全局单一会话历史设计
+  2. 添加系统提示词设计章节
+  3. 说明 @ 用户格式：<at user_id="{user_id}"></at>
+  4. 禁止直接输出 user_id
+- 原因：根据用户反馈，澄清架构设计（全局历史 vs 分用户历史）
+- 阻碍因素：无
+- 状态：成功
+
+[2025-11-20_11:16:49]
+- 已修改：.tasks/2025-11-20_1_ai_chat_plugin.md
+- 更改：修正系统提示词设计，明确用户消息是普通文本，只有 AI 回复时才使用 <at> 格式
+- 原因：用户澄清 @ 用户格式只用于 AI 回复，不用于用户消息
+- 阻碍因素：无
+- 状态：成功
+
+[2025-11-20_11:22:38]
+- 已创建：Plugins/Others/ChatAI.py
+- 更改：完整实现 AI 对话插件系统
+  1. ChatAIAgent 类：全局会话管理、消息历史维护、LLM 对话
+  2. ChatAIPlugin 类：注册 ai_chat 指令，处理用户对话
+  3. ChatAIClearPlugin 类：注册 ai_chat_clear 指令，清空历史
+  4. 使用 qwen3:0.6b 模型
+  5. 最大历史消息数量可配置（默认20）
+  6. 系统提示词包含 @ 用户格式说明
+  7. 全局单一会话历史设计
+- 原因：实施 EXECUTE 模式清单项 1-28
+- 阻碍因素：无
+- 状态：成功
+
+[2025-11-20_11:29:24]
+- 已修改：Plugins/Others/ChatAI.py
+- 更改：修复 AI 重复用户消息的问题
+  1. 从 acomplete（文本补全）改为 achat（对话）方法
+  2. 使用 ChatMessage 结构化消息格式
+  3. 分离系统提示词和对话历史
+  4. 优化提示词结构，更清晰地指示 AI 回复
+  5. 添加 llama_index.core.llms.ChatMessage 导入
+- 原因：用户反馈 AI 一直重复用户说的话
+- 阻碍因素：无
+- 状态：未确认
+
+# 最终审查
+待完成
+

Plugins/Others/ChatAI.py

@@ -0,0 +1,423 @@
+from Plugins.WPSAPI import *
+from datetime import datetime
+from llama_index.llms.ollama import Ollama
+from llama_index.core.llms import ChatMessage
+from typing import List, Dict, Optional
+
+logger: ProjectConfig = Architecture.Get(ProjectConfig)
+OLLAMA_URL = logger.FindItem("ollama_url", "http://ollama.liubai.site")
+OLLAMA_MODEL = logger.FindItem("ollama_model", "qwen3:0.6b")
+MAX_HISTORY = logger.FindItem("chat_ai_max_history", 20)
+logger.SaveProperties()
+
+
+class ChatAIAgent:
+    """AI 对话智能体 - 维护全局会话历史"""
+    
+    _instance: Optional['ChatAIAgent'] = None
+    
+    def __init__(self, ollama_url: str = OLLAMA_URL, max_history: int = MAX_HISTORY):
+        """初始化 AI 智能体
+        
+        Args:
+            ollama_url: Ollama 服务地址
+            max_history: 最大历史消息数量
+        """
+        self.ollama_url = ollama_url
+        self.max_history = max_history
+        self.llm = Ollama(model=OLLAMA_MODEL, base_url=ollama_url, request_timeout=600.0)
+        
+        # 全局消息历史列表
+        self.global_history: List[Dict[str, any]] = []
+        
+        # 系统提示词
+        self.system_prompt = """你是一个友好的AI助手，能够同时在多个群聊中与不同用户对话。
+
+重要规则：
+- 你能看到所有群聊的对话历史，每条消息都标注了时间、群聊ID和用户ID
+- 当你需要特指某个用户或专门回复某个用户时，必须在回复中使用以下格式：<at user_id="用户ID"></at>
+- 禁止直接输出用户ID数字，始终使用 <at> 标签包裹
+- 注意区分不同群聊和不同用户的对话上下文
+
+示例对话：
+[2025-11-20 10:00:00] [群聊#12345] [用户#67890]: 你好
+你的回复: <at user_id="67890"></at> 你好！有什么可以帮助你的吗？
+
+[2025-11-20 10:01:00] [群聊#12345] [用户#11111]: 今天天气怎么样？
+你的回复: <at user_id="11111"></at> 抱歉，我无法获取实时天气信息。"""
+        
+        logger.Log("Info", f"{ConsoleFrontColor.GREEN}ChatAIAgent 初始化完成{ConsoleFrontColor.RESET}")
+        logger.Log("Info", f"模型: {OLLAMA_MODEL}, 最大历史: {max_history}")
+    
+    @classmethod
+    def get_instance(cls) -> 'ChatAIAgent':
+        """获取单例实例"""
+        if cls._instance is None:
+            cls._instance = cls()
+        return cls._instance
+    
+    def _add_message(self, chat_id: int, user_id: int, role: str, content: str) -> None:
+        """添加消息到全局历史
+        
+        Args:
+            chat_id: 群聊ID
+            user_id: 用户ID
+            role: 角色 (user/assistant)
+            content: 消息内容
+        """
+        timestamp = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
+        message = {
+            "timestamp": timestamp,
+            "chat_id": chat_id,
+            "user_id": user_id,
+            "role": role,
+            "content": content
+        }
+        self.global_history.append(message)
+        self._trim_history()
+    
+    def _trim_history(self) -> None:
+        """裁剪历史消息到最大长度"""
+        if len(self.global_history) > self.max_history:
+            # 保留最新的 max_history 条消息
+            self.global_history = self.global_history[-self.max_history:]
+            logger.Log("Info", f"历史消息已裁剪到 {self.max_history} 条")
+    
+    def clear_history(self) -> bool:
+        """清空全局历史
+        
+        Returns:
+            是否成功
+        """
+        try:
+            old_count = len(self.global_history)
+            self.global_history.clear()
+            logger.Log("Info", f"已清空全局历史，共删除 {old_count} 条消息")
+            return True
+        except Exception as e:
+            logger.Log("Error", f"清空历史失败: {e}")
+            return False
+    
+    def _format_message_with_context(self, msg: Dict[str, any]) -> str:
+        """格式化单条消息，包含上下文信息
+        
+        Args:
+            msg: 消息字典
+            
+        Returns:
+            格式化后的消息字符串
+        """
+        timestamp = msg.get("timestamp", "")
+        chat_id = msg.get("chat_id", "")
+        user_id = msg.get("user_id", "")
+        role = msg.get("role", "")
+        content = msg.get("content", "")
+        
+        if role == "user":
+            return f"[{timestamp}] [群聊#{chat_id}] [用户#{user_id}]: {content}"
+        else:  # assistant
+            return f"[{timestamp}] [AI助手]: {content}"
+    
+    def _format_history_for_llm(self) -> str:
+        """格式化全局历史为 LLM 输入
+        
+        Returns:
+            格式化后的历史字符串
+        """
+        if not self.global_history:
+            return ""
+        
+        formatted_messages = [
+            self._format_message_with_context(msg)
+            for msg in self.global_history
+        ]
+        return "\n".join(formatted_messages)
+    
+    async def chat(self, message: str, chat_id: int, user_id: int) -> str:
+        """处理对话
+        
+        Args:
+            message: 用户消息
+            chat_id: 群聊ID
+            user_id: 用户ID
+            
+        Returns:
+            AI 回复
+        """
+        try:
+            # 添加用户消息到历史
+            self._add_message(chat_id, user_id, "user", message)
+            
+            # 格式化历史消息（不包括刚添加的用户消息）
+            history_without_last = self.global_history[:-1] if len(self.global_history) > 1 else []
+            history_text = "\n".join([
+                self._format_message_with_context(msg)
+                for msg in history_without_last
+            ]) if history_without_last else "（这是第一条对话）"
+            
+            # 构建当前用户消息的格式化版本
+            current_msg = f"[{datetime.now().strftime('%Y-%m-%d %H:%M:%S')}] [群聊#{chat_id}] [用户#{user_id}]: {message}"
+            
+            # 构建对话提示
+            conversation_prompt = f"""以下是历史对话记录：
+{history_text}
+
+当前消息：
+{current_msg}
+
+请作为AI助手回复当前用户。记住：
+1. 使用 <at user_id="{user_id}"></at> 格式来称呼该用户
+2. 根据对话历史和当前消息，给出有意义的回复
+3. 如果历史中有其他群聊或用户的信息，你可以引用它们"""
+            
+            logger.Log("Info", f"处理对话 - 群聊#{chat_id} 用户#{user_id}")
+            logger.Log("Info", f"当前历史消息数: {len(self.global_history)}")
+            
+            # 使用 achat 方法进行对话
+            messages = [
+                ChatMessage(role="system", content=self.system_prompt),
+                ChatMessage(role="user", content=conversation_prompt)
+            ]
+            
+            response = await self.llm.achat(messages)
+            answer = str(response.message.content)
+            
+            # 添加 AI 回复到历史
+            self._add_message(chat_id, user_id, "assistant", answer)
+            
+            logger.Log("Info", f"AI 回复长度: {len(answer)} 字符")
+            
+            return answer
+            
+        except Exception as e:
+            logger.Log("Error", f"对话处理失败: {e}")
+            import traceback
+            error_trace = traceback.format_exc()
+            logger.Log("Error", f"详细错误:\n{error_trace}")
+            return f"处理对话时出错: {str(e)}"
+
+
+class ChatAIPlugin(WPSAPI):
+    """AI 对话插件"""
+    
+    def __init__(self):
+        super().__init__()
+        self.ai_agent = ChatAIAgent.get_instance()
+    
+    @override
+    def dependencies(self) -> List[Type]:
+        return [WPSAPI]
+    
+    @override
+    def is_enable_plugin(self) -> bool:
+        return True
+    
+    def get_guide_title(self) -> str:
+        return "AI 智能对话"
+    
+    def get_guide_subtitle(self) -> str:
+        return "基于 LlamaIndex + Ollama 的多群聊 AI 对话系统"
+    
+    def get_guide_metadata(self) -> Dict[str, str]:
+        return {
+            "AI模型": OLLAMA_MODEL,
+            "最大历史": str(MAX_HISTORY),
+            "功能": "跨群聊智能对话",
+        }
+    
+    def collect_command_entries(self) -> Sequence[GuideEntry]:
+        return (
+            {
+                "title": "AI对话",
+                "identifier": "ai_chat",
+                "description": "与AI助手对话，AI能看到所有群聊的历史消息并智能回复。",
+                "metadata": {"模型": OLLAMA_MODEL},
+                "icon": "🤖",
+                "badge": "AI",
+                "details": [
+                    {
+                        "type": "list",
+                        "items": [
+                            "AI 维护全局会话历史，能看到所有群聊的对话",
+                            "每条消息包含时间戳、群聊ID、用户ID",
+                            f"最多保留最近 {MAX_HISTORY} 条消息",
+                            "AI 会使用 @用户 格式回复",
+                            "示例：ai_chat 你好",
+                            "示例：ai_chat 刚才其他群聊说了什么？",
+                        ]
+                    }
+                ]
+            },
+        )
+    
+    def collect_guide_entries(self) -> Sequence[GuideEntry]:
+        return (
+            {
+                "title": "全局会话",
+                "description": (
+                    "AI 维护一个全局的对话历史，能够跨群聊、跨用户理解上下文。"
+                    "所有群聊的对话都在同一个历史中，AI 能够关联不同群聊的信息。"
+                ),
+                "icon": "🌐",
+            },
+            {
+                "title": "智能回复",
+                "description": (
+                    "AI 能够识别消息来源（群聊、用户、时间），并使用 @ 格式回复特定用户。"
+                ),
+                "icon": "💬",
+            },
+            {
+                "title": "历史管理",
+                "description": (
+                    f"自动保留最近 {MAX_HISTORY} 条消息，超出部分自动清理。"
+                    "可使用 ai_chat_clear 指令手动清空所有历史。"
+                ),
+                "icon": "📝",
+            },
+        )
+    
+    @override
+    def wake_up(self) -> None:
+        logger.Log("Info", f"{ConsoleFrontColor.GREEN}ChatAIPlugin AI对话插件已加载{ConsoleFrontColor.RESET}")
+        self.register_plugin("ai_chat")
+    
+    @override
+    async def callback(self, message: str, chat_id: int, user_id: int) -> str|None:
+        """处理用户对话"""
+        try:
+            if not message or message.strip() == "":
+                help_text = f"""# 🤖 AI 智能对话使用帮助
+
+**直接发送消息即可与 AI 对话**
+
+**特性：**
+- ✨ AI 能看到所有群聊的对话历史
+- 🌐 跨群聊智能理解上下文
+- 💬 自动使用 @ 格式回复用户
+- 📝 保留最近 {MAX_HISTORY} 条消息
+
+**示例：**
+- `ai_chat 你好`
+- `ai_chat 今天天气怎么样？`
+- `ai_chat 刚才其他群聊说了什么？`
+- `ai_chat 请总结一下最近的对话`
+
+**清空历史：**
+使用 `ai_chat_clear` 指令清空所有历史消息
+
+**技术：**
+基于 LlamaIndex + Ollama ({OLLAMA_MODEL})"""
+                return await self.send_markdown_message(help_text, chat_id, user_id)
+            
+            # 使用智能体处理对话
+            answer = await self.ai_agent.chat(message, chat_id, user_id)
+            
+            # 格式化返回结果
+            formatted_answer = f"""🤖 **AI 智能对话**
+
+{answer}
+
+---
+*由 LlamaIndex + Ollama 驱动*"""
+            
+            return await self.send_markdown_message(formatted_answer, chat_id, user_id)
+            
+        except Exception as e:
+            logger.Log("Error", f"AI对话异常: {e}")
+            import traceback
+            error_detail = traceback.format_exc()
+            logger.Log("Error", f"详细错误: {error_detail}")
+            error_msg = f"""❌ **处理对话时出错**
+
+错误信息：{str(e)}
+
+请稍后重试或联系管理员。"""
+            return await self.send_markdown_message(error_msg, chat_id, user_id)
+
+
+class ChatAIClearPlugin(WPSAPI):
+    """清空 AI 对话历史插件"""
+    
+    def __init__(self):
+        super().__init__()
+    
+    @override
+    def dependencies(self) -> List[Type]:
+        return [ChatAIPlugin]
+    
+    @override
+    def is_enable_plugin(self) -> bool:
+        return True
+    
+    def get_guide_title(self) -> str:
+        return "清空 AI 对话历史"
+    
+    def get_guide_subtitle(self) -> str:
+        return "清空全局 AI 对话历史记录"
+    
+    def get_guide_metadata(self) -> Dict[str, str]:
+        return {
+            "功能": "历史管理",
+            "作用范围": "全局",
+        }
+    
+    def collect_command_entries(self) -> Sequence[GuideEntry]:
+        return (
+            {
+                "title": "清空历史",
+                "identifier": "ai_chat_clear",
+                "description": "清空 AI 的全局对话历史记录。",
+                "icon": "🗑️",
+                "badge": "管理",
+                "details": [
+                    {
+                        "type": "list",
+                        "items": [
+                            "清空所有群聊的对话历史",
+                            "AI 将不再记得之前的对话",
+                            "不影响 AI 的基础功能",
+                            "示例：ai_chat_clear",
+                        ]
+                    }
+                ]
+            },
+        )
+    
+    @override
+    def wake_up(self) -> None:
+        logger.Log("Info", f"{ConsoleFrontColor.GREEN}ChatAIClearPlugin 清空历史插件已加载{ConsoleFrontColor.RESET}")
+        self.register_plugin("ai_chat_clear")
+    
+    @override
+    async def callback(self, message: str, chat_id: int, user_id: int) -> str|None:
+        """清空对话历史"""
+        try:
+            # 获取 AI Agent 实例
+            ai_agent = ChatAIAgent.get_instance()
+            
+            # 清空历史
+            success = ai_agent.clear_history()
+            
+            if success:
+                result_msg = """✅ **历史已清空**
+
+AI 的全局对话历史已成功清空。
+
+AI 将不再记得之前的对话内容。"""
+            else:
+                result_msg = """❌ **清空失败**
+
+清空历史时出现错误，请稍后重试。"""
+            
+            return await self.send_markdown_message(result_msg, chat_id, user_id)
+            
+        except Exception as e:
+            logger.Log("Error", f"清空历史异常: {e}")
+            error_msg = f"""❌ **清空历史时出错**
+
+错误信息：{str(e)}
+
+请稍后重试或联系管理员。"""
+            return await self.send_markdown_message(error_msg, chat_id, user_id)
+

Plugins/Others/NewsReport.py

@@ -59,9 +59,7 @@ class NewsAIAgent:
 【重要】你必须按照以下步骤使用工具：
 
 步骤1: 确定日期
-- 如果用户问"今天"或"今日"，调用 get_current_date
-- 如果用户问"昨天"或"昨日"，调用 get_yesterday_date  
-- 如果用户提到具体日期（如"2025年11月17日"），调用 parse_date_from_text
+- 如果用户问"今天"或"今日"或者是与今日日期相关的问题，调用 get_current_date 获取今日日期
 
 步骤2: 获取新闻内容
 - 拿到日期后，必须调用 get_news_content(date="YYYY-MM-DD") 获取新闻