[fix] max_tokens 参数处理 以及 过滤机器人自己的消息

Merge pull request #35 from SXP-Simon/fix/user-title

_conf_schema.json

@@ -117,6 +117,24 @@
         "default": 2,
         "hint": "重试之间的基准等待时间（秒），实际等待时间为基值乘以尝试次数。"
     },
+    "topic_max_tokens": {
+        "type": "int",
+        "description": "（兼容部分提供商）话题分析最大 Token 数",
+        "default": 12288,
+        "hint": "（兼容部分提供商，实测大部分模型调整后没有明显效果）话题分析时 LLM 能生成的最大 token 数量。当分析内容较多或者分析提示词复杂时，建议适当调大此值以保证输出质量。"
+    },
+    "golden_quote_max_tokens": {
+        "type": "int",
+        "description": "（兼容部分提供商）金句分析最大 Token 数",
+        "default": 4096,
+        "hint": "（兼容部分提供商，实测大部分模型调整后没有明显效果）金句分析时 LLM 能生成的最大 token 数量。当分析内容较多或者分析提示词复杂时，建议适当调大此值以保证输出质量。"
+    },
+    "user_title_max_tokens": {
+        "type": "int",
+        "description": "（兼容部分提供商）用户称号分析最大 Token 数",
+        "default": 4096,
+        "hint": "（兼容部分提供商，实测大部分模型调整后没有明显效果）用户称号分析时 LLM 能生成的最大 token 数量。当分析内容较多或者分析提示词复杂时，建议适当调大此值以保证输出质量。"
+    },
     "custom_api_key": {
         "type": "string",
         "description": "自定义 LLM 服务 API Key (选填)",

src/analysis/analyzers/golden_quote_analyzer.py

@@ -29,7 +29,7 @@ class GoldenQuoteAnalyzer(BaseAnalyzer):
     
     def get_max_tokens(self) -> int:
         """获取最大token数"""
-        return 1500
+        return self.config_manager.get_golden_quote_max_tokens()
     
     def get_temperature(self) -> float:
         """获取温度参数"""

src/analysis/analyzers/topic_analyzer.py

@@ -29,7 +29,7 @@ class TopicAnalyzer(BaseAnalyzer):
     
     def get_max_tokens(self) -> int:
         """获取最大token数"""
-        return 10000
+        return self.config_manager.get_topic_max_tokens()
     
     def get_temperature(self) -> float:
         """获取温度参数"""

src/analysis/analyzers/user_title_analyzer.py

@@ -26,7 +26,7 @@ class UserTitleAnalyzer(BaseAnalyzer):
     
     def get_max_tokens(self) -> int:
         """获取最大token数"""
-        return 1500
+        return self.config_manager.get_user_title_max_tokens()
     
     def get_temperature(self) -> float:
         """获取温度参数"""
@@ -136,22 +136,42 @@ class UserTitleAnalyzer(BaseAnalyzer):
             logger.error(f"创建用户称号对象失败: {e}")
             return []
     
-    def prepare_user_data(self, messages: List[Dict], user_analysis: Dict) -> Dict:
+    def prepare_user_data(self, messages: List[Dict], user_analysis: Dict, top_users: List[Dict] = None) -> Dict:
         """
         准备用户数据
         
         Args:
             messages: 群聊消息列表
             user_analysis: 用户分析统计
+            top_users: 活跃用户列表(从get_top_users获取)
             
         Returns:
             准备好的用户数据字典
         """
         try:
+            # 获取机器人QQ号用于过滤
+            bot_qq_id = self.config_manager.get_bot_qq_id()
+            
             user_summaries = []
             
+            # 如果提供了top_users列表,只分析这些活跃用户
+            if top_users:
+                logger.info(f"使用get_top_users筛选出的 {len(top_users)} 个活跃用户进行称号分析")
+                target_user_ids = {str(user['user_id']) for user in top_users}
+            else:
+                # 兼容旧逻辑:如果没有提供top_users,则使用所有消息数>=5的用户
+                logger.info("未提供活跃用户列表,使用消息数>=5的用户")
+                target_user_ids = {user_id for user_id, stats in user_analysis.items()
+                                  if stats["message_count"] >= 5}
+            
             for user_id, stats in user_analysis.items():
-                if stats["message_count"] < 5:  # 过滤活跃度太低的用户
+                # 过滤机器人自己的消息
+                if bot_qq_id and str(user_id) == str(bot_qq_id):
+                    logger.debug(f"过滤掉机器人QQ号: {user_id}")
+                    continue
+                
+                # 只处理活跃用户
+                if user_id not in target_user_ids:
                     continue
                 
                 # 分析用户特征
@@ -164,18 +184,16 @@ class UserTitleAnalyzer(BaseAnalyzer):
                     "qq": int(user_id),
                     "message_count": stats["message_count"],
                     "avg_chars": round(avg_chars, 1),
-                    "emoji_ratio": round(stats["emoji_count"] / stats["message_count"], 2),
-                    "night_ratio": round(night_messages / stats["message_count"], 2),
-                    "reply_ratio": round(stats["reply_count"] / stats["message_count"], 2)
+                    "emoji_ratio": round(stats["emoji_count"] / stats["message_count"], 2) if stats["message_count"] > 0 else 0,
+                    "night_ratio": round(night_messages / stats["message_count"], 2) if stats["message_count"] > 0 else 0,
+                    "reply_ratio": round(stats["reply_count"] / stats["message_count"], 2) if stats["message_count"] > 0 else 0
                 })
             
             if not user_summaries:
                 return {"user_summaries": []}
             
-            # 按消息数量排序，取前N名
-            max_user_titles = self.get_max_count()
+            # 按消息数量排序
             user_summaries.sort(key=lambda x: x["message_count"], reverse=True)
-            user_summaries = user_summaries[:max_user_titles]
             
             return {"user_summaries": user_summaries}
             
@@ -183,7 +201,7 @@ class UserTitleAnalyzer(BaseAnalyzer):
             logger.error(f"准备用户数据失败: {e}")
             return {"user_summaries": []}
     
-    async def analyze_user_titles(self, messages: List[Dict], user_analysis: Dict, umo: str = None) -> Tuple[List[UserTitle], TokenUsage]:
+    async def analyze_user_titles(self, messages: List[Dict], user_analysis: Dict, umo: str = None, top_users: List[Dict] = None) -> Tuple[List[UserTitle], TokenUsage]:
         """
         分析用户称号
         
@@ -191,19 +209,20 @@ class UserTitleAnalyzer(BaseAnalyzer):
             messages: 群聊消息列表
             user_analysis: 用户分析统计
             umo: 模型唯一标识符
+            top_users: 活跃用户列表(从get_top_users获取,可选)
             
         Returns:
             (用户称号列表, Token使用统计)
         """
         try:
-            # 准备用户数据
-            user_data = self.prepare_user_data(messages, user_analysis)
+            # 准备用户数据,传入活跃用户列表
+            user_data = self.prepare_user_data(messages, user_analysis, top_users)
             
             if not user_data["user_summaries"]:
                 logger.info("没有符合条件的用户，返回空结果")
                 return [], TokenUsage()
             
-            logger.info(f"开始分析 {len(user_data['user_summaries'])} 个用户的称号")
+            logger.info(f"开始分析 {len(user_data['user_summaries'])} 个活跃用户的称号")
             return await self.analyze(user_data, umo)
             
         except Exception as e:

src/analysis/llm_analyzer.py

@@ -57,7 +57,7 @@ class LLMAnalyzer:
             logger.error(f"话题分析失败: {e}")
             return [], TokenUsage()
     
-    async def analyze_user_titles(self, messages: List[Dict], user_analysis: Dict, umo: str = None) -> Tuple[List[UserTitle], TokenUsage]:
+    async def analyze_user_titles(self, messages: List[Dict], user_analysis: Dict, umo: str = None, top_users: List[Dict] = None) -> Tuple[List[UserTitle], TokenUsage]:
         """
         使用LLM分析用户称号
         保持原有接口，委托给专门的UserTitleAnalyzer处理
@@ -66,13 +66,14 @@ class LLMAnalyzer:
             messages: 群聊消息列表
             user_analysis: 用户分析统计
             umo: 模型唯一标识符
+            top_users: 活跃用户列表(可选)
             
         Returns:
             (用户称号列表, Token使用统计)
         """
         try:
             logger.info("开始用户称号分析")
-            return await self.user_title_analyzer.analyze_user_titles(messages, user_analysis, umo)
+            return await self.user_title_analyzer.analyze_user_titles(messages, user_analysis, umo, top_users)
         except Exception as e:
             logger.error(f"用户称号分析失败: {e}")
             return [], TokenUsage()
@@ -96,7 +97,7 @@ class LLMAnalyzer:
             logger.error(f"金句分析失败: {e}")
             return [], TokenUsage()
     
-    async def analyze_all_concurrent(self, messages: List[Dict], user_analysis: Dict, umo: str = None) -> Tuple[List[SummaryTopic], List[UserTitle], List[GoldenQuote], TokenUsage]:
+    async def analyze_all_concurrent(self, messages: List[Dict], user_analysis: Dict, umo: str = None, top_users: List[Dict] = None) -> Tuple[List[SummaryTopic], List[UserTitle], List[GoldenQuote], TokenUsage]:
         """
         并发执行所有分析任务（话题、用户称号、金句）
         
@@ -104,6 +105,7 @@ class LLMAnalyzer:
             messages: 群聊消息列表
             user_analysis: 用户分析统计
             umo: 模型唯一标识符
+            top_users: 活跃用户列表(可选)
             
         Returns:
             (话题列表, 用户称号列表, 金句列表, 总Token使用统计)
@@ -114,7 +116,7 @@ class LLMAnalyzer:
             # 并发执行三个分析任务
             results = await asyncio.gather(
                 self.topic_analyzer.analyze_topics(messages, umo),
-                self.user_title_analyzer.analyze_user_titles(messages, user_analysis, umo),
+                self.user_title_analyzer.analyze_user_titles(messages, user_analysis, umo, top_users),
                 self.golden_quote_analyzer.analyze_golden_quotes(messages, umo),
                 return_exceptions=True
             )

src/analysis/statistics.py

@@ -17,6 +17,9 @@ class UserAnalyzer:
 
     def analyze_users(self, messages: List[Dict]) -> Dict[str, Dict]:
         """分析用户活跃度"""
+        # 获取机器人QQ号用于过滤
+        bot_qq_id = self.config_manager.get_bot_qq_id()
+        
         user_stats = defaultdict(lambda: {
             "message_count": 0,
             "char_count": 0,
@@ -29,6 +32,11 @@ class UserAnalyzer:
         for msg in messages:
             sender = msg.get("sender", {})
             user_id = str(sender.get("user_id", ""))
+            
+            # 跳过机器人自己的消息，避免进入统计
+            if bot_qq_id and user_id == str(bot_qq_id):
+                continue
+            
             nickname = InfoUtils.get_user_nickname(self.config_manager, sender)
 
             user_stats[user_id]["message_count"] += 1
@@ -69,8 +77,15 @@ class UserAnalyzer:
 
     def get_top_users(self, user_analysis: Dict[str, Dict], limit: int = 10) -> List[Dict]:
         """获取最活跃的用户"""
+        # 获取机器人QQ号用于过滤
+        bot_qq_id = self.config_manager.get_bot_qq_id()
+        
         users = []
         for user_id, stats in user_analysis.items():
+            # 过滤机器人自己
+            if bot_qq_id and str(user_id) == str(bot_qq_id):
+                continue
+                
             users.append({
                 "user_id": user_id,
                 "nickname": stats["nickname"],

src/analysis/utils/llm_utils.py

@@ -38,7 +38,7 @@ async def call_provider_with_retry(context, config_manager, prompt: str, max_tok
     for attempt in range(1, retries + 1):
         try:
             if custom_api_key and custom_api_base and custom_model:
-                logger.info(f"使用自定义LLM提供商: {custom_api_base} model={custom_model}")
+                logger.info(f"使用自定义LLM提供商: {custom_api_base} model={custom_model}, max_tokens={max_tokens}, temperature={temperature}")
                 logger.debug(f"自定义LLM提供商 prompt 长度: {len(prompt) if prompt else 0}")
                 logger.debug(f"自定义LLM提供商 prompt 前100字符: {prompt[:100] if prompt else 'None'}...")
                 
@@ -102,7 +102,7 @@ async def call_provider_with_retry(context, config_manager, prompt: str, max_tok
                 if not provider or provider_id == 'unknown':
                     logger.warning(f"获取的提供商不正确 (Provider ID: {provider_id})")
                 
-                logger.info(f"使用LLM provider: {provider}")
+                logger.info(f"使用LLM provider: {provider}, max_tokens={max_tokens}, temperature={temperature}")
                 if not provider:
                     logger.error("provider 为空，无法调用 text_chat，直接返回 None")
                     return None

src/core/config.py

@@ -87,6 +87,18 @@ class ConfigManager:
         """获取LLM请求重试退避基值（秒），实际退避会乘以尝试次数"""
         return self.config.get("llm_backoff", 2)
 
+    def get_topic_max_tokens(self) -> int:
+        """获取话题分析最大token数"""
+        return self.config.get("topic_max_tokens", 12288)
+
+    def get_golden_quote_max_tokens(self) -> int:
+        """获取金句分析最大token数"""
+        return self.config.get("golden_quote_max_tokens", 4096)
+
+    def get_user_title_max_tokens(self) -> int:
+        """获取用户称号分析最大token数"""
+        return self.config.get("user_title_max_tokens", 4096)
+
     def get_custom_api_key(self) -> str:
         """获取自定义 LLM 服务的 API Key"""
         return self.config.get("custom_api_key", "")

src/utils/helpers.py

@@ -8,7 +8,7 @@ from ...src.models.data_models import GroupStatistics, SummaryTopic, UserTitle,
 from ...src.core.message_handler import MessageHandler
 from ...src.analysis.llm_analyzer import LLMAnalyzer
 from ...src.analysis.statistics import UserAnalyzer
-
+from astrbot.api import logger
 
 class MessageAnalyzer:
     """消息分析器 - 整合所有分析功能"""
@@ -36,6 +36,11 @@ class MessageAnalyzer:
 
             # 用户分析
             user_analysis = self.user_analyzer.analyze_users(messages)
+            
+            # 获取活跃用户列表 - 使用get_top_users方法,limit从配置中读取
+            max_user_titles = self.config_manager.get_max_user_titles()
+            top_users = self.user_analyzer.get_top_users(user_analysis, limit=max_user_titles)
+            logger.info(f"获取到 {len(top_users)} 个活跃用户用于称号分析(配置上限: {max_user_titles})")
 
             # LLM分析 - 使用并发方式
             topics = []
@@ -50,9 +55,9 @@ class MessageAnalyzer:
             
             # 如果三个分析都启用，使用并发执行
             if topic_enabled and user_title_enabled and golden_quote_enabled:
-                # 并发执行所有三个分析任务
+                # 并发执行所有三个分析任务，传入活跃用户列表
                 topics, user_titles, golden_quotes, total_token_usage = await self.llm_analyzer.analyze_all_concurrent(
-                    messages, user_analysis, umo=unified_msg_origin
+                    messages, user_analysis, umo=unified_msg_origin, top_users=top_users
                 )
             else:
                 # 如果只启用部分分析，则按需执行
@@ -63,7 +68,10 @@ class MessageAnalyzer:
                     total_token_usage.total_tokens += topic_tokens.total_tokens
 
                 if user_title_enabled:
-                    user_titles, title_tokens = await self.llm_analyzer.analyze_user_titles(messages, user_analysis, umo=unified_msg_origin)
+                    # 传入活跃用户列表
+                    user_titles, title_tokens = await self.llm_analyzer.analyze_user_titles(
+                        messages, user_analysis, umo=unified_msg_origin, top_users=top_users
+                    )
                     total_token_usage.prompt_tokens += title_tokens.prompt_tokens
                     total_token_usage.completion_tokens += title_tokens.completion_tokens
                     total_token_usage.total_tokens += title_tokens.total_tokens
@@ -86,6 +94,5 @@ class MessageAnalyzer:
             }
 
         except Exception as e:
-            from astrbot.api import logger
             logger.error(f"消息分析失败: {e}")
-            return None
+            return None