Skip to content
/ astrbot_plugin_self_learning Public

AstrBot 自主学习插件是一个为 AstrBot 框架设计的智能对话风格学习与人格优化解决方案。可以给你的bot指定一个或多个学习对象，不间断的收集数据。它通过实时消息捕获、多维度数据分析、渐进式学习机制和动态人格更新以及社交关系网络，使聊天机器人能够模仿特定用户的对话风格，实现更自然、个性化的交互。本插件旨在提供一个功能完善、可扩展且高效的智能体风格学习平台

License

MIT license
19 stars 2 forks Branches Tags Activity
Star
Notifications You must be signed in to change notification settings

NickCharlie/astrbot_plugin_self_learning

BranchesTags

Repository files navigation

AstrBot 智能自学习插件 🧠✨

🚀 项目概述

AstrBot 智能自学习插件是一个为 AstrBot 框架设计的全功能 AI 自主学习解决方案。以用户设置的学习对象的聊天消息为样本，让bot不断学习，实现更自然，更真实的消息对话。该插件通过机器学习、多维度数据分析、情感智能系统和动态人格优化，为聊天Bot提供了完整的自主学习生态系统。

目前插件正在测试阶段 有许多Bug还没有修好 webui暂时无法使用

欢迎加入QQ群聊 1021544792 反馈你所遇到的Bug

🌟 核心特性

  • 🔄 全自动学习循环: 实时消息捕获、智能筛选、风格分析、人格优化
  • 🧠 情感智能系统: 好感度管理、情绪状态、动态响应机制
  • 📊 数据可视化分析: 学习轨迹图表、用户行为分析、社交关系可视化
  • 🤖 高级学习机制: 人格切换、上下文感知学习、增量学习、对抗学习
  • 💬 增强交互能力: 多轮对话管理、跨群记忆、主动话题引导
  • 🎯 智能化提升: 知识图谱、个性化推荐、自适应学习率调整
  • 🌐 Web 管理界面: 完整的可视化管理控制台

后台管理使用教程

重要安全提醒

插件启动后请立即访问后台管理页面并修改默认密码！

🌐 访问后台管理

  1. 启动插件后，Web管理界面将在以下地址启动：

    http://localhost:7833 或 http://你的服务器IP:7833

  2. 首次登录：

    • 默认密码：self_learning_pwd
    • ⚠️ 强烈建议：首次登录后立即修改密码！

🛡️ 安全说明

  • 请务必在生产环境中修改默认密码！

🎯 核心服务层 (services/)

📊 数据分析与可视化服务

  • data_analytics.py: 学习过程可视化、用户行为分析、社交网络图谱生成
  • 功能: 生成学习轨迹图表、用户活跃度热力图、话题趋势分析、社交关系可视化

🧠 高级学习机制服务

  • advanced_learning.py: 人格切换、上下文感知学习、增量学习、对抗学习
  • 功能: 多场景人格自动切换、情境感知学习、知识增量更新、学习效果强化

💬 增强交互服务

  • enhanced_interaction.py: 多轮对话管理、跨群记忆、主动话题引导
  • 功能: 对话上下文跟踪、历史记忆管理、智能话题推荐、互动模式分析

🎯 智能化提升服务

  • intelligence_enhancement.py: 情感智能、知识图谱、个性化推荐、自适应学习
  • 功能: 情感状态识别、知识实体管理、智能推荐算法、学习率动态调整

❤️ 好感度管理服务

  • affection_manager.py: 用户好感度系统、bot情绪管理、动态情感响应
  • 功能:
    • 用户好感度跟踪（单用户最大100分，总分250分上限）
    • 每日随机情绪系统（10种情绪类型）
    • 智能交互分析（称赞、鼓励、侮辱、骚扰等识别）
    • 动态情绪响应（根据用户行为自动调节bot情绪）
    • 好感度影响系统提示词（情绪状态融入AI回复）

🔧 基础核心服务

  • message_collector.py: 智能消息收集与预处理
  • database_manager.py: 统一数据管理（全局+分群数据库架构）
  • multidimensional_analyzer.py: 多维度消息分析与用户画像构建
  • style_analyzer.py: 深度对话风格分析与量化
  • learning_quality_monitor.py: 学习质量实时监控与评估
  • progressive_learning.py: 渐进式学习流程协调
  • ml_analyzer.py: 机器学习增强分析
  • persona_manager.py: 动态人格管理
  • persona_updater.py: 智能人格更新
  • persona_backup_manager.py: 人格数据备份与恢复

📋 插件命令详细教程

本插件提供了丰富的命令接口，支持完整的学习管理、好感度系统、临时人格管理等功能。以下是所有可用命令的详细说明：

🎮 基础学习管理命令

/learning_status - 查看学习状态

权限要求: 管理员
功能说明: 查看当前群组/用户的详细学习状态和统计信息

显示内容:

  • 基础配置状态（消息抓取、自动学习、实时学习、Web界面）
  • 抓取设置（目标QQ号、当前人格）
  • 模型配置（筛选模型、提炼模型）
  • 学习统计（总消息数、已筛选消息、风格更新次数、最后学习时间）
  • 存储统计（原始消息、未处理消息、已筛选消息）
  • 调度状态（学习器运行状态）

使用示例:

/learning_status

/start_learning - 启动学习

权限要求: 管理员
功能说明: 手动启动当前群组的自动学习循环

使用场景:

  • 插件刚启动时手动激活学习
  • 学习被停止后重新启动
  • 强制重启学习流程

使用示例:

/start_learning

返回信息:

  • 成功: "群组 [群组ID] 的学习已启动"
  • 已运行: "群组 [群组ID] 的学习已在运行中"

/stop_learning - 停止学习

权限要求: 管理员
功能说明: 停止当前群组的自动学习循环

使用场景:

  • 暂时禁用自动学习
  • 维护或调试时停止学习
  • 避免过度学习

使用示例:

/stop_learning

/force_learning - 强制学习

权限要求: 管理员
功能说明: 立即执行一次完整的学习周期，忽略时间间隔限制

使用场景:

  • 测试学习效果
  • 有大量新消息需要立即学习
  • 调试学习流程

使用示例:

/force_learning

执行流程:

  1. 筛选未处理的消息
  2. 多维度分析消息质量
  3. 提取对话风格特征
  4. 更新人格设置
  5. 质量评估和效果验证

📊 数据管理命令

/clear_data - 清空学习数据

权限要求: 管理员
功能说明: 清空所有学习数据，包括原始消息、筛选消息、学习统计等

⚠️ 重要警告: 此操作不可逆，请谨慎使用！

使用示例:

/clear_data

清空内容:

  • 所有收集的原始消息
  • 已筛选的高质量消息
  • 学习统计数据
  • 缓存的分析结果

/export_data - 导出学习数据

权限要求: 管理员
功能说明: 将学习数据导出为JSON格式文件，用于备份或分析

使用示例:

/export_data

导出内容:

  • 原始消息数据
  • 筛选结果
  • 风格分析结果
  • 学习统计信息
  • 用户行为数据

文件位置: 插件数据目录下，文件名格式：learning_data_export_YYYYMMDD_HHMMSS.json

❤️ 好感度系统命令

/affection_status - 查看好感度状态

权限要求: 管理员
功能说明: 查看当前群组的好感度系统详细状态

显示内容:

  • 当前用户好感度等级（满分100）
  • 群组总好感度状态（满分250）
  • 群组用户数量统计
  • Bot当前情绪状态（情绪类型、强度、描述）
  • 好感度排行榜（前3名用户）

使用示例:

/affection_status

情绪类型说明:

  • happy: 心情很好，说话活泼开朗
  • sad: 心情低落，说话温和需要安慰
  • excited: 很兴奋，说话有活力
  • calm: 心情平静，说话稳重
  • angry: 心情不好，说话直接没耐心
  • anxious: 紧张不安，说话谨慎
  • playful: 调皮，喜欢开玩笑
  • serious: 严肃认真，说话简洁直接
  • nostalgic: 怀旧情绪，说话带回忆色彩
  • curious: 好奇心强，喜欢提问探索

/set_mood <情绪类型> - 设置Bot情绪

权限要求: 管理员
功能说明: 手动设置Bot的情绪状态，影响对话风格和回复语调

使用示例:

/set_mood happy
/set_mood sad  
/set_mood excited
/set_mood calm
/set_mood angry
/set_mood anxious
/set_mood playful
/set_mood serious
/set_mood nostalgic
/set_mood curious

功能说明:

  • 设置后Bot的回复将体现相应情绪特征
  • 情绪状态会持续24小时（可配置）
  • 同时更新好感度系统和人格提示词
  • 支持的情绪类型见上方情绪类型说明

📈 数据分析命令

/analytics_report - 生成数据分析报告

权限要求: 管理员
功能说明: 生成当前群组的详细数据分析报告

报告内容:

  • 学习统计: 总消息数、学习会话数、平均质量分数
  • 用户行为分析: 活跃用户数、主要话题、情感倾向
  • 优化建议: 基于数据分析的学习模式建议

使用示例:

/analytics_report

分析维度:

  • 消息质量趋势
  • 用户参与度分析
  • 话题分布统计
  • 情感状态变化
  • 学习效果评估

🎭 人格管理命令

/persona_switch <人格名称> - 切换人格模式

权限要求: 普通用户
功能说明: 切换到指定的人格模式

使用示例:

/persona_switch default
/persona_switch assistant
/persona_switch friend

注意事项:

  • 人格名称需要在系统中已存在
  • 切换后Bot的对话风格会发生变化
  • 切换是永久性的，直到下次手动切换

🔧 临时人格管理命令

/temp_persona - 临时人格管理

权限要求: 管理员
功能说明: 管理临时人格更新，支持多种操作

支持的操作:

1. 应用临时人格
/temp_persona apply "特征1,特征2,特征3" "对话示例1|对话示例2|对话示例3" [持续时间分钟]

参数说明:

  • 特征1,特征2: 用逗号分隔的人格特征列表
  • 对话示例1|对话示例2: 用竖线分隔的对话示例
  • 持续时间分钟: 可选，默认60分钟

使用示例:

/temp_persona apply "幽默风趣,喜欢开玩笑,活泼开朗" "哈哈，你这个想法很有趣呢！|开什么玩笑，你太逗了哈哈" 120
2. 查看临时人格状态
/temp_persona status

显示信息:

  • 当前临时人格名称
  • 剩余持续时间
  • 特征数量和对话数量
  • 备份文件信息
3. 移除临时人格
/temp_persona remove

立即移除当前临时人格，恢复到原始状态。

4. 延长临时人格时间
/temp_persona extend [分钟数]

延长当前临时人格的持续时间，默认延长30分钟。

使用示例:

/temp_persona extend 60
5. 查看备份文件列表
/temp_persona backup_list

显示所有可用的人格备份文件（前10个）。

6. 从备份恢复人格
/temp_persona restore <备份文件名>

使用示例:

/temp_persona restore persona_backup_20240101_120000.json

🛠️ 高级管理命令

/apply_persona_updates - 应用人格更新文件

权限要求: 管理员
功能说明: 读取并应用persona_updates.txt文件中的增量人格更新

使用场景:

  • 批量应用预设的人格更新
  • 从外部文件导入人格调整
  • 自动化人格优化流程

使用示例:

/apply_persona_updates

文件格式: persona_updates.txt中应包含要添加的人格特征和对话示例

/clean_duplicate_content - 清理重复内容

权限要求: 管理员
功能说明: 清理历史重复的情绪状态和增量更新内容，优化人格提示词

使用场景:

  • 人格提示词过长时进行优化
  • 清理重复的情绪描述
  • 保持提示词整洁高效

使用示例:

/clean_duplicate_content

清理效果:

  • 移除重复的情绪描述
  • 清理冗余的人格特征
  • 优化提示词结构
  • 同时清空persona_updates.txt文件

💡 命令使用技巧

🎯 学习管理最佳实践

  1. 定期检查状态:

    /learning_status  # 每天检查一次学习状态

  2. 数据备份:

    /export_data     # 每周导出一次数据进行备份

  3. 强制学习时机:

    • 群聊活跃度突然增加时
    • 添加新的目标用户后
    • 修改学习配置后
    /force_learning

❤️ 好感度系统管理

  1. 情绪设置策略:

    # 早晨设置积极情绪
/set_mood happy

# 晚上设置平静情绪  
/set_mood calm

# 特殊活动时设置兴奋情绪
/set_mood excited

  2. 定期查看好感度:

    /affection_status  # 了解用户互动情况

🎭 临时人格应用场景

  1. 活动期间临时调整:

    # 聚会时设置活泼人格
/temp_persona apply "活泼开朗,善于活跃气氛" "大家一起玩游戏吧！|这个活动超级有趣的！" 180

  2. 学习期间设置严肃人格:

    # 学习讨论时
/temp_persona apply "认真严谨,专业知识丰富" "让我们专心讨论这个问题|这个知识点很重要" 120

  3. 临时人格管理:

    # 检查当前状态
/temp_persona status

# 需要时延长时间
/temp_persona extend 60

# 活动结束后移除
/temp_persona remove

🔍 故障排除

  1. 学习不工作:

    /learning_status    # 检查配置状态
/start_learning     # 尝试手动启动
/force_learning     # 强制执行一次学习

  2. 数据异常:

    /analytics_report   # 查看数据分析
/export_data       # 备份当前数据
/clean_duplicate_content  # 清理冗余内容

  3. 人格问题:

    /temp_persona backup_list  # 查看可用备份
/temp_persona restore <文件名>  # 恢复到之前状态

⚠️ 注意事项

  1. 权限说明: 带有管理员权限要求的命令只能由Bot管理员使用
  2. 数据安全: /clear_data命令会永久删除数据，使用前请确保已备份
  3. 资源消耗: /force_learning和/analytics_report命令可能消耗较多计算资源
  4. 临时人格: 临时人格会在指定时间后自动过期，也可手动移除
  5. 好感度系统: 情绪设置会影响用户体验，建议根据群聊氛围合理设置

🔄 智能运行逻辑

1. 消息处理流程

用户消息 → QQ过滤 → 消息收集 → 好感度处理 → 增强交互更新 → 实时学习处理

2. 好感度系统流程

消息分析 → 交互类型识别 → 好感度计算 → 情绪状态更新 → 系统提示词调整

3. 学习循环流程

消息筛选 → 多维度分析 → 风格提取 → 质量评估 → 人格更新 → 效果验证

4. 情感智能流程

情感识别 → 知识图谱更新 → 个性化推荐 → 自适应调整 → 响应生成

🛠️ 技术栈升级

🔥 AI/ML 技术栈

  • 大型语言模型: OpenAI GPT系列、自定义API支持
  • 机器学习: scikit-learn、numpy、pandas
  • 情感计算: 情绪识别、情感状态建模
  • 知识图谱: networkx、关系网络分析
  • 自然语言处理: jieba、nltk、spacy

📊 数据可视化

  • 图表生成: plotly、matplotlib、seaborn
  • 网络可视化: bokeh
  • 数据分析: 多维度统计分析

🏗️ 系统架构

  • 异步框架: asyncio、aiohttp、aiofiles
  • 数据库: aiosqlite、分布式数据存储
  • Web框架: quart、quart-cors
  • 缓存系统: cachetools、redis

📋 详细配置参数解析

本插件提供了丰富的配置选项，支持高度自定义的学习和交互行为。

🔧 基础学习设置 (Self_Learning_Basic)

参数 类型 默认值 说明
enable_message_capture bool true 是否启用消息抓取功能，关闭后插件停止收集新消息
enable_auto_learning bool true 是否启用定时自动学习，关闭后需要手动触发学习
enable_realtime_learning bool false 是否在收到消息时立即处理，会增加实时负载
enable_web_interface bool true 是否启用Web管理界面用于查看和管理学习数据

🎯 目标设置 (Target_Settings)

参数 类型 默认值 说明
target_qq_list list [] 指定要学习的QQ号列表，为空则学习所有用户消息
current_persona_name string "default" 插件将学习并优化此人格的对话风格

🤖 模型配置 (Model_Configuration)

参数 类型 默认值 说明
filter_model_name string "gpt-4o-mini" 用于初步筛选消息的弱模型，建议使用速度快、成本低的模型
refine_model_name string "gpt-4o" 用于深度分析和提炼对话风格的强模型
reinforce_model_name string "gpt-4o" 用于强化学习的LLM模型
filter_provider_id string null 筛选模型的LLM提供商ID，为空使用默认提供商
refine_provider_id string null 提炼模型的LLM提供商ID，为空使用默认提供商
reinforce_provider_id string null 强化模型的LLM提供商ID，为空使用默认提供商
filter_api_url string null 自定义筛选模型的API接口地址
filter_api_key string null 自定义筛选模型的API密钥
refine_api_url string null 自定义提炼模型的API接口地址
refine_api_key string null 自定义提炼模型的API密钥
reinforce_api_url string null 自定义强化模型的API接口地址
reinforce_api_key string null 自定义强化模型的API密钥

⏰ 学习参数 (Learning_Parameters)

参数 类型 默认值 说明
learning_interval_hours int 6 自动学习的时间间隔，单位为小时
min_messages_for_learning int 50 开始学习所需的最少消息数量
max_messages_per_batch int 200 单次学习处理的最大消息数量，避免一次处理过多消息

🔍 筛选参数 (Filter_Parameters)

参数 类型 默认值 说明
message_min_length int 5 参与学习的消息最小字符长度
message_max_length int 500 参与学习的消息最大字符长度
confidence_threshold float 0.7 消息筛选的置信度阈值，0-1之间，越高越严格

🎨 风格分析 (Style_Analysis)

参数 类型 默认值 说明
style_analysis_batch_size int 100 单次风格分析处理的消息数量
style_update_threshold float 0.8 触发人格风格更新的置信度阈值，0-1之间

🔬 机器学习设置 (Machine_Learning_Settings)

参数 类型 默认值 说明
enable_ml_analysis bool true 是否启用scikit-learn进行文本聚类和行为分析
max_ml_sample_size int 100 机器学习分析的最大样本数量，控制资源使用
ml_cache_timeout_hours int 1 机器学习分析结果的缓存时间

💾 人格备份设置 (Persona_Backup_Settings)

参数 类型 默认值 说明
auto_backup_enabled bool true 是否在人格更新前自动创建备份
backup_interval_hours int 24 自动备份的时间间隔
max_backups_per_group int 10 每个群保留的最大备份数量

❤️ 好感度系统设置 (Affection_System_Settings)

参数 类型 默认值 说明
enable_affection_system bool true 是否启用用户好感度和情绪响应系统
max_total_affection int 250 bot对所有用户的总好感度上限值
max_user_affection int 100 单个用户可获得的最大好感度
affection_decay_rate float 0.95 好感度重新分配时的衰减比例，0-1之间
daily_mood_change bool true 是否每天随机更换bot的情绪状态
mood_affect_affection bool true 当前情绪是否影响好感度变化幅度

🎭 情绪系统设置 (Mood_System_Settings)

参数 类型 默认值 说明
enable_daily_mood bool true 是否启用每日随机情绪系统
mood_change_hour int 6 每日更新情绪的小时(0-23)
mood_persistence_hours int 24 每次情绪状态持续的小时数

⚙️ 高级设置 (Advanced_Settings)

参数 类型 默认值 说明
debug_mode bool false 启用详细的调试日志输出
save_raw_messages bool true 是否保存未经处理的原始消息用于分析
auto_backup_interval_days int 7 学习数据自动备份的间隔天数，0为禁用

💡 配置建议

  1. 生产环境建议:

    • 关闭 debug_mode 以提高性能
    • 适当调整 learning_interval_hours 避免过于频繁的学习
    • 根据服务器性能调整 max_messages_per_batch

  2. 开发测试建议:

    • 启用 debug_mode 便于调试
    • 降低 min_messages_for_learning 快速测试学习功能
    • 启用 enable_realtime_learning 实时查看效果

  3. 资源优化建议:

    • 合理设置 max_ml_sample_size 控制内存使用
    • 调整 ml_cache_timeout_hours 平衡性能与实时性
    • 定期清理过期备份，控制存储空间

新增配置项

好感度系统配置

enable_affection_system: bool = True      # 启用好感度系统
max_total_affection: int = 250           # bot总好感度上限
max_user_affection: int = 100            # 单用户好感度上限  
affection_decay_rate: float = 0.95       # 好感度衰减比例
daily_mood_change: bool = True           # 启用每日情绪变化
mood_affect_affection: bool = True       # 情绪影响好感度变化

情绪系统配置

enable_daily_mood: bool = True           # 启用每日情绪
mood_change_hour: int = 6                # 情绪更新时间（24小时制）  
mood_persistence_hours: int = 24         # 情绪持续时间

Web界面配置

enable_web_interface: bool = True        # 启用Web管理界面
web_interface_port: int = 7833          # Web界面端口

💾 数据管理架构升级

🗄️ 数据库设计

新增数据表

  • user_affection: 用户好感度记录
  • bot_mood: bot情绪状态历史
  • affection_history: 好感度变化记录
  • emotion_profiles: 用户情感档案
  • knowledge_entities: 知识实体库
  • user_preferences: 用户偏好设置
  • conversation_contexts: 对话上下文管理

🔐 数据隐私与安全

  • 本地存储: 所有数据本地化，确保隐私安全
  • 数据加密: 敏感信息加密存储
  • 访问控制: Web界面密码保护
  • 数据备份: 自动备份与恢复机制

🚀 部署与使用

环境准备

  1. 确保已安装 Python 3.8+
  2. 安装项目依赖： 
    pip install -r astrabot_plugin_self_learning/requirements.txt

快速开始

  1. 将插件添加到AstrBot插件目录
  2. 启动AstrBot，插件将自动加载
  3. 访问Web管理界面：http://localhost:7833
  4. 使用默认密码登录并立即修改密码
  5. 在Astrbot后台插件管理中设置插件配置项

🎯 智能特性展示

❤️ 情感智能系统

  • 动态好感度: 根据用户互动自动调节好感度
  • 情绪识别: 智能识别夸赞、鼓励、侮辱、骚扰等交互类型
  • 情绪响应: bot情绪会根据用户行为动态变化
  • 情感融入: 当前情绪状态影响AI回复的语调和内容

📊 数据可视化分析

  • 学习轨迹图: 可视化学习进度和质量变化
  • 用户行为热力图: 分析用户活跃模式
  • 社交网络图: 展示群内用户关系网络
  • 情感趋势分析: 跟踪群聊情感氛围变化

🧠 智能学习机制

  • 场景感知: 根据不同场景自动切换最适合的人格
  • 增量学习: 持续学习新知识，不遗忘历史经验
  • 质量监控: 实时评估学习效果，自动调优
  • 个性化推荐: 基于用户偏好推荐话题和回复策略

🤝 贡献指南

欢迎开发者参与项目建设！

  • Bug反馈: 使用GitHub Issues报告问题
  • 功能建议: 提交Feature Request
  • 代码贡献: Fork项目并提交Pull Request
  • 文档改进: 帮助完善文档和教程

About

AstrBot 自主学习插件是一个为 AstrBot 框架设计的智能对话风格学习与人格优化解决方案。可以给你的bot指定一个或多个学习对象，不间断的收集数据。它通过实时消息捕获、多维度数据分析、渐进式学习机制和动态人格更新以及社交关系网络，使聊天机器人能够模仿特定用户的对话风格，实现更自然、个性化的交互。本插件旨在提供一个功能完善、可扩展且高效的智能体风格学习平台

Resources

Readme

License

MIT license
Activity

Stars

19 stars

Watchers

0 watching

Forks

2 forks
Report repository

Releases

No releases published

Packages

No packages published

Languages