Astrbot 好感度插件推荐：EmotionAI Pro¶

Astrbot 好感度插件推荐：astrbot-plugin-emotionai_pro¶

https://github.com/foorgange/astrbot-plugin-emotionai_pro（项目地址）

当你购置了云服务器，并使用docker在服务器上部署了astrbot与napcat，并且做了必要的配置搞了一个自己的qq bot后，你需要的就是完善丰富这个bot的玩法了，这时候astrbot的插件市场就是一个不可或缺的选择。

为了让我的qq bot情感更加丰富和增加一些养成系内容，我看中了这个插件：

但在使用过程中我发现这个插件有不少bug,如好感度无法正常更新，接入deepseekV4falsh缓存命中率过低等等。

我翻看原仓库的issue,发现类似的问题也早有朋友提出，但作者一直没有修复，我就提了相关pr

但是由于作者插件已经很久没有更新，作者github也很久不活跃，我就另外将该仓库fork了一份，修改后添加声明将其上传到astrbot的插件市场了

基于 asakiyoshi 开发的 EmotionAI Pro v4.0.0 的修复版本。 原仓库已长期未更新，提交的 PR 可能无法及时合并，因此发布此修复版本到 插件市场，确保用户能正常使用。 插件功能： 支持 8 维情感模型、4 阶段关系演化、长期记忆系统、智能更新机制、 排行榜、管理员控制、缓存优化与备份恢复等功能。 v4.0.9 更新内容（by foorgange）： 1. 性能优化：主导情感判定改为单次遍历直接取值（实测快约 30%）； 全局心情信号提取改用扁平化关键词表与局部缓存（快约 10%）； 缓存大小估算结果复用、过期清理改为单次遍历、热点键改用堆取 TopN。 2. 健壮性：修复关键词表中"担心"重复定义导致 trust 信号丢失的问题； 静默吞异常的裸 except 改为捕获 Exception，便于排查。 3. 数据安全：存档写入改为复用同一份字节串，避免重复编码； 备份改用 copyfile，减少一次元数据同步。 4. 测试：新增 27 项 v4.0.9 优化回归测试，全量用例 90 项通过。 v4.0.7 修复内容（by foorgange）： 1. 全局心情实时演进：心情随每条对话实时变化（关键词/语气/颜文字分析）， 强度由「8 维总和/2」（0-100）改为「主导情绪值/100」（0~1），加入情绪 对冲、强消息冲高与主导情绪单一化，显示如 强度: 0.78/1。 2. 心情持久化自动迁移：旧版 0-100 强度文件加载时自动按新口径重算。 v4.0.6 修复内容（by foorgange）： 1. 心情改为 bot 全局共享字段，所有用户看到同一心情（独立持久化， 防单一用户刷爆）。 2. 新增 bot_name 配置项，关系/态度描述中的"AI"字样自动替换为 bot 人设名， 首次启动自动提取，为空时不替换。 3. /好感度"下一阶段："字段修复，现显示真正的下一阶段阈值。 4. 多项崩溃修复：调试命令 _is_admin、/清理初始用户 handler、互动计数去重、 /修复互动统计、stability_score 的 -inf、/设置态度 /设置关系 格式校验、 缓存失效、/隐私级别 落盘、cache.py 移除 xxhash 裸导入。 5. 缓存安全：全局心情只改显示层与独立持久化，不触碰 inject_enhanced_context 注入结构。 v4.0.5 修复内容（by foorgange）： 1. /好感度 新增「心情 + 强度」实时显示。 2. 管理员 /查看好感 强度显示修复：原误用 8 维原始和（0-800）标注 %， 会显示 300% 等错误值，现归一化到 0-100。 v4.0.4 修复内容（by foorgange）： 1. 修复"无效的态度描述格式"报错：放行描述中的常见中文标点，并将态度/ 关系描述限制及截断兜底统一到 20 字。 v4.0.3 修复内容（by foorgange）： 1. 修复 LLM 上下文缓存命中率暴跌问题：情感状态块会随每条消息变化却被追加 到 system_prompt 末尾，导致前缀缓存失效（跌至 25% 以下）。现移至 extra_user_content_parts，命中率恢复至 97%。 v4.0.2 修复内容（by foorgange）： 1. 修复好感度永不更新的核心 bug：should_update_emotion() 返回值解包数量 不匹配导致 ValueError 崩溃。 2. 放宽态度/关系描述的正则验证，并同步 emotion_expert 截断上限 （30 -> 50 字）。 所有修复已向上游仓库提交 PR，不附带链接

完整readme文件（项目介绍）¶

EmotionAI Pro - 融合版情感智能插件 v4.0.4¶

融合 EmotionAI 与 FavourPro 精华，并加入「智能更新 · 辅助 LLM · 长期记忆 · 负好感支持 · 过渡保护」五大革新，打造真实、渐进、可养成的 AI 情感交互系统。

更新日志¶

v4.0.10（缓存崩溃 + 情感分析模型选择修复）¶

修复两个"环境一变就出事"的隐患，不改动情感算法与上下文注入结构。

1. 修复 xxhash ≥ 4.0 下分片缓存整体崩溃（cache.py）
   _get_shard() 直接把 str 传给 xxhash.xxh64()，旧版 xxhash（3.x）会隐式接受字符串，
   但 4.0 起会抛 TypeError: Strings must be encoded before hashing，导致缓存层完全不可用。
   现统一编码为 bytes；已实测 xxhash 3.x 下 xxh64(str) 与 xxh64(bytes) 结果一致，
   因此对现有部署是行为等价的修复。
2. 修复情感分析模型选择完全失效（emotion_expert.py）
   读取 provider 元信息时用了并不存在的 provider.name 属性，取不到便退化成类名
   （如 ProviderOpenAIOfficial），于是：

• secondary_llm_provider 配置项完全失效；
• 名称匹配永远不命中，最终落到 providers[0]。

线上实测落到的是视觉模型 Qwen/Qwen3-VL-30B-A3B-Instruct，而非配置声明的
商汤/deepseek-v4-flash。现改为读取 meta()，并按配置项说明
「留空则使用主 LLM」的语义补齐选择顺序：
显式配置 → 主 LLM → 名称含 deepseek/default → 第一个可用。
3. 修复主 LLM 解析取错配置（emotion_expert.py + main.py）
调用 get_using_provider() 时未传 umo，AstrBot 会退回读全局
cmd_config.json 的 default_provider_id；而实际生效的是 WebUI 里的
配置档案（如 ds-flash），两者可能指向完全不同的 provider。
线上就因此拿到了一个已失效的 provider（400 Model is unavailable），
导致情感分析每次静默退化为关键词兜底。现从事件透传 umo。
4. secondary_llm_model 死配置修复
该配置项此前从未被读取。现通过 text_chat(model=...) 真正生效。
5. 测试

• 修复「模拟 xxhash 缺失」用例无效的问题：仅把 xxhash 从 sys.modules 弹出
  无法阻止 reload 时重新导入，需将其置为 None；
• 新增 tests/test_provider_resolution.py（20 项）与分片哈希用例（1 项），
  覆盖 provider 元信息读取、选择优先级、umo 透传、model 透传，
  全量 126 项测试通过。

涉及文件：cache.py、emotion_expert.py、main.py、tests/test_misc.py、tests/test_provider_resolution.py

v4.0.9（性能优化 + 健壮性修复）¶

版本号提升，并对非核心路径做了性能与代码质量优化（不改动情感算法与上下文注入逻辑）。

1. 主导情感判定更快：get_dominant() 由「构造中文键字典 + 两次遍历」改为直接属性取值 + 单次比较，实测约快 30%；get_summary() 约快 10%。
2. 心情信号提取更快：关键词表预先扁平化为 tuple 元组，内层改用局部变量缓存 dict.get，长句约快 10%。行为完全一致。
3. 缓存效率：
   - set() 的条目大小只估算一次，供「删除旧值 / 内存校验 / 写入」三处复用；
   - cleanup_expired() 由「先建列表再逐个删除」改为单次遍历 + pop，并保证 total_size 不为负；
   - get_stats() 热点键由「全量排序取前 10」改为 heapq.nlargest。
4. 关键词表 bug 修复："担心" 在表中被重复定义（第二次覆盖了第一次），导致信任信号丢失；现合并为 {"trust": 1, "fear": 1}。
5. 存档写入优化：序列化结果编码为字节串后复用给写盘与校验和，避免重复编码；备份由 copy2 改为 copyfile，省去一次元数据同步。
6. 异常处理：3 处静默吞错的裸 except: 改为 except Exception:，便于定位问题。
7. 测试：新增 tests/test_v409_optimizations.py 共 27 项回归用例，全量 90 项测试通过。

涉及文件：models.py、global_mood.py、cache.py、storage.py、main.py、tests/test_v409_optimizations.py

基准数据见 benchmarks/bench_comparison.py（micro-benchmark，机器不同会有差异）。

v4.0.8.1¶

版本号提升（元数据与代码内版本号统一）。

v4.0.8¶

版本号提升，避免插件市场更新冲突；精简插件描述。

v4.0.7（心情实时演进 + 强度 0~1）¶

bot 心情现在随每条对话实时变化，强度改为 0~1

1. 实时演进：旧版心情只在情感更新触发时变化，普通对话不变；新版在每条对话后做轻量关键词/语气/颜文字分析，实时叠加到全局心情。
2. 强度口径改为 0~1：旧强度用「8 维情绪总和/2」（0-100），对情绪转移不敏感（被骂时 joy 降、anger 升，总和几乎不变，强度纹丝不动）。新强度 = 主导情绪值/100（0~1），被骂时主导从喜悦切到厌恶，强度立即变化。显示如 强度: 0.78/1。
3. 情绪对冲：负面赢时正面情绪 ×0.2 压制、正面赢时负面 ×0.2，主导情绪真正翻转（「我讨厌你」→ 从喜悦转向厌恶）。
4. 强消息冲高：一条强烈消息直接冲到高强度档位（0.4~0.8），弱信号温和叠加，防单用户刷爆。
5. 主导情绪单一化：只冲高信号最强的单一维度，不产生「复合情绪」（人不会同时有好几种心情）。
6. 持久化自动迁移：旧版 0-100 强度的 global_mood.json 加载时自动按新口径重算。
7. 缓存安全：心情演进只发生在 on_llm_response（对话后），不触碰 extra_user_content_parts 注入结构，LLM 前缀缓存命中率不受影响。

涉及文件：global_mood.py、main.py、command_handlers.py

v4.0.6（共同心情 + bot 人设名 + 崩溃修复）¶

/好感度 现在显示 bot 全局共享心情，描述不再出现「AI」字样

1. 共同心情（全局共享字段）：心情不再是每个用户各自的 8 维情绪，而是 bot 基于对话/事件变化的全局心情，所有用户看到同一个心情与强度。全局心情独立持久化（global_mood.json），各用户的情感更新温和叠加（衰减 + clamp），防止单一用户刷爆。
2. bot_name 配置项：关系/态度描述中的「AI」字样自动替换为 bot 人设名（如「雏草姬和塔菲」而非「亲密玩闹的ai伙伴」）。首次启动自动从 AstrBot persona 提取人设名（如「永雏塔菲」），也可在配置中手动修改。bot_name 为空时不替换，保持原文。
3. 下一阶段： 字段修复：/好感度 详细模式原显示的「下一阶段阈值」实为当前阶段阈值，现改为真正的下一阶段阈值；共生期显示「已达最高阶段」，负好感显示「恢复正常关系」。基础模式也补上该字段。
4. 崩溃修复：
   - 调试命令（/缓存统计 /调试事件 /调试记忆 /修复互动统计 /清理初始用户）不再因缺少 _is_admin 崩溃（AttributeError）
   - /清理初始用户 接错 handler 已修复
   - 互动计数去重：一次触发情感更新的对话不再被计 2 次；无情感更新的普通对话不再计入互动次数（互动次数反映「有情感影响的对话」）
   - /修复互动统计 现在正确设置负面互动数（positive + negative = total）
   - stability_score 不再出现 -inf（从未互动的用户）
   - /设置态度 /设置关系 现在校验格式并返回友好错误信息
   - /设置好感 /设置亲密 /重置好感 写命令后缓存立即失效，不再残留旧状态
   - /隐私级别 现在持久化到磁盘，重启不丢失
   - cache.py 移除 xxhash 裸导入，无 xxhash 环境自动降级 hashlib
5. 缓存安全：全局心情只改用户可见显示层 + 独立全局持久化，不触碰 inject_enhanced_context 的注入结构（仍在 extra_user_content_parts 之后），缓存命中率不受影响。

涉及文件：global_mood.py（新增）、main.py、command_handlers.py、relationship_manager.py、emotion_expert.py、config.py、managers.py、cache.py、storage.py

v4.0.5（心情强度显示）¶

「好感度」命令现在实时显示 bot 当前心情与强度

1. /好感度 命令（及对话后的状态显示）新增「心情 + 强度」行：心情来自 8 维情绪模型的主导情感（如喜悦/愤怒/复合），强度归一化到 0-100，并附中文心情描述（心情平静/平稳/微动/波动/情绪高涨）。
2. 管理员 /查看好感 命令的情感强度显示修复：原先误用 8 维情绪原始和（0-800）并标注 %，会出现「情感强度: 300%」这类错误值，现已归一化到 0-100。
3. 强度口径与 LLM 注入上下文一致（_get_emotion_intensity），显示与 AI 语气完全同步。
4. 不涉及 LLM 请求注入路径，缓存命中率不受影响（仍在 extra_user_content_parts 之后）。

涉及文件：main.py、command_handlers.py

v4.0.4（态度描述修复）¶

修复「无效的态度描述格式」报错

根因：验证正则 ^[\w\-\s一-龥]{1,50}$ 只允许汉字/字母数字/空格/连字符，不允许任何中文标点。但 AI 生成的自然中文描述几乎必带标点（，。！？），即使之前把长度上限从 20 放宽到 50，带标点的描述依然被正则拒绝，导致情感更新整体失败。

修复：

1. models.py：正则允许常见中文标点（，。！？、；：“”‘’《》·）
2. emotion_expert.py：情感分析提示词要求态度/关系描述不超过 20 字，禁止逗号连接的长句；截断兜底从 50 字同步降到 20 字

效果：态度/关系描述正常更新（如「俏皮调侃带点宠溺」「复读机冠军与颁奖AI」），无效的态度描述格式 报错清零。描述也更简短，符合人类社交习惯。

涉及文件：models.py、emotion_expert.py

v4.0.3（缓存命中率修复）¶

修复 LLM 上下文缓存命中率暴跌的核心问题

情感状态块（好感度/亲密度/情绪值/互动次数）几乎每条消息都会变化，但原版本将其追加到 system_prompt 末尾。DeepSeek 等提供商使用前缀缓存，system_prompt 位于消息数组最前面，任何数字变化都会使后续所有历史 token 的缓存全部失效，导致缓存命中率跌至 25% 甚至 0%。

修复：将情感上下文从 system_prompt 移动到 extra_user_content_parts（当前用户消息之后）。system_prompt + 历史消息前缀保持稳定，只有末尾一小段变化。实测缓存命中率从 ~25% 恢复到 97%。

涉及文件：main.py

v4.0.2（bug 修复）¶

1. 修复好感度永远不更新：should_update_emotion() 返回 3 个值 (bool, str, int)，但调用处只解包了 2 个，导致每次触发更新都抛 ValueError 崩溃。已在 main.py 修复解包数量。
2. 修复态度/关系描述正则验证过严：原限制 20/30 字，中文 AI 生成的描述频繁超长被拒，报「无效的态度描述格式」。已放宽到 50/80 字（models.py）。
3. 同步态度截断上限：emotion_expert.py 中态度文本截断从 30 字同步到 50 字，与验证规则一致。

涉及文件：main.py、models.py、emotion_expert.py

核心亮点¶

使用指南¶

用户命令¶

管理员命令¶

配置说明（_conf_schema.json）¶

动态权重与过渡保护¶

• 滞后带：上升阈值 > 下降阈值，防止阶段抖动
• 保护分：过渡期间复合评分不会低于前一段最高值
• 增益：过渡期亲密度成长倍率提升，助力平滑进阶

设计理念¶

不是简单“好感度加减”，而是「真实·渐进·可养成·可运维」的 AI 内心世界。

保留¶

• 8 维情感模型与异步高性能架构
• AI 自主文本评估与真实心理模拟
• 完备管理工具与排行榜体系

新增¶

1. 智能更新：四维判断（关键词/时间/计数/LLM 标记），无需等待尾部标记
2. 辅助 LLM：独立情感分析专家，结合长期记忆与最近 3 轮对话，第一人称口语生成态度/关系描述
3. 长期记忆：短期 TTL + 长期落盘 + 重要事件队列，跨重启保留关系轨迹
4. 负好感支持：负好感阶段专属权重（好感 100 %）与描述策略，支持“冷淡/反感/敌对”三档
5. 过渡保护：滞后带 + 保护分 + 亲密度增益，阶段跃迁平滑不掉级
6. 缓存与备份：TTL 命中率统计、自动保存、数据备份与迁移、互动统计修复
7. 隐私与运维：全局隐私级别、抵御操纵提示、调试事件/记忆指令、异步锁粒度优化

结语¶

EmotionAI Pro 不只是一个“好感度插件”，而是一个：

真实可养成的 AI 内心世界
渐进式关系演进系统
高可用情感交互框架

无论是群聊互动、私聊陪伴，还是角色扮演、剧情养成，都能让你的 AI 拥有细腻、自然、可持续的情感表达与关系变化。