simplified_chat_enginePy

QQPilot 系列机器人的简化版聊天引擎：一个 OpenAI 兼容的中转站， 内部跑完整流水线，QQPilot无需改动，把 server_url 指向本服务即可接入。

架构

QQPilot (C#) ──POST /v1/chat/completions──▶ entry.py（Flask 中转站，端口 7749）
    ▲                                          │
    │           需要回复：getAnswer() 走流水线   │
    └─────────── OpenAI 格式响应 ◀──────────────┘

流水线（对应 config.xml 的 4 个模型组）：

阶段	模块	作用
1	EcoReasoning	判断是否需要回复（双通道：模型支持工具则调用 decide_should_reply 工具；否则提示词引导输出 {"reply": true/false}，引擎内部解析，失败保守回复）；不需要 → 拖到 QQPilot 超时（默认 300s）
2	clumsyImitation	基于 system 字段 + 机器人历史发言，生成更贴风格的 system 提示词
3	forgetfulMem	回复前从 SQLite 提取相关记忆注入 system；回复后写入本轮对话
4	Xreply	正式回复（vision 模型支持图片输入，data: URL / 本地路径均可）

判断是否需要回复的提示词与工具定义都集中在 defaultPattern.py（patternEcoSystem / patternEcoUser / ecoReasoningTool）。 模型配置 <tools>True</tools> 时启用工具通道；不支持工具的模型/端点会自动回退到文本引导。

关于 think:false 与原生 API

思考型模型（qwen3.5 等）的 thinking 只能通过 Ollama 原生 API（/api/chat） 的 think:false 关闭—— OpenAI 兼容端点（/v1/chat/completions）该参数无效，模型会先输出 reasoning，慢且占 max_tokens。

引擎按 <url> 自动选择调用方式（也可用 <api> 显式指定）：

<url>	默认 API	说明
ollama	native（/api/chat）	think:false 生效，速度快
http(s)://...	openai（/v1/chat/completions）	兼容任意 OpenAI 端点

示例（显式指定走原生 API 并关闭思考）：

<model>
    <url>ollama</url>
    <name>qwen3.5:0.8b</name>
    <api>native</api>
</model>

文件

• config.py —— 解析 config.xml（4 模型组 + 通用设置，Sequntial/random 选模型）
• chatContent.py —— ChatContent 数据类（消息文本格式与 QQPilot4 一致）
• extract.py —— 把聊天日志（用户名: MM-dd HH:mm:ss + 内容 + <img src>）解析为 ChatContent
• answer.py —— 核心流水线：getAnswer(text: List[ChatContent], systemPrompt='auto') -> Optional[str]
• memory.py —— SQLite 记忆存取（forgetfulMem）
• entry.py —— Flask 中转站（OpenAI 兼容端点 /v1/chat/completions）
• defaultPattern.py —— 消息输入/输出格式模板
• test.py / test.json —— 测试

使用

0.安装

git clone https://github.com/QQPilotOrganization/SimplifiedChatEngine.git
cd SimplifiedChatEngine
#确保你安装了python.
pip install -r requirements.txt

1. 启动引擎

python entry.py

2. 对接 QQPilot

在 QQPilot 的 config.ini 中设置：

server_url = http://localhost:7749/v1
api_key = 任意值

3. 库形式调用（供其他代码 import）

from answer import getAnswer
from chatContent import ChatContent

contents = [ChatContent("User1", [], "你好", "08-10 17:19:57", False)]
reply = getAnswer(contents, systemPrompt="你的名字是 neko，只输出发言内容")
# reply: 回复文本；None 表示判定无需回复

日志解析：

from extract import extract
contents = extract(chat_log_str, character_name="neko")  # character_name 用于识别自己的消息

配置（config.xml）

• <general><timeout>：判定无需回复时的等待秒数（对应 QQPilot remote_server_timeout，默认 300）
• <general><maxImageCount>：单次回复最多携带图片数（默认 12）
• <general><apiKey>：远程端点的 API Key（本地 Ollama 不用填）
• <general><memoryDb>：SQLite 记忆库路径（默认 memories.db）
• 每个模型组：<select>（Sequntial 顺序轮询 / random 随机）、多个 <model>（url 为 ollama 或 http base_url，name 模型名，tools/vision 开关）、<inject> 额外请求字段（如 {"think": false}）

测试

python entry.py            # 终端 1：启动引擎
python test.py             # 终端 2：发送 test.json（含图片对话）
python test.py "现在几点了" # 或发送一条简单消息