# coding=utf-8 import os import sys import time import logging import asyncio import hashlib import json import numpy as np import cv2 # 添加项目根目录到 sys.path project_root = os.path.dirname(os.path.dirname(os.path.abspath(__file__))) if project_root not in sys.path: sys.path.append(project_root) from WeiXin import WxUtil from WeiXin.WxUtil import perform_input_action from Util.LlmUtil import get_llm_response from Util import Win32Patch # 配置日志 log_dir = WxUtil.LOG_DIR if not os.path.exists(log_dir): os.makedirs(log_dir) log_file_path = os.path.join(log_dir, "T2_ChatMonitor.log") # 设置 logger logger = logging.getLogger("T2_ChatMonitor") logger.setLevel(logging.INFO) if logger.hasHandlers(): logger.handlers.clear() file_handler = logging.FileHandler(log_file_path, encoding='utf-8', mode='w') file_handler.setFormatter(logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')) logger.addHandler(file_handler) stream_handler = logging.StreamHandler() stream_handler.setFormatter(logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')) logger.addHandler(stream_handler) logger.propagate = False logger.info(f"🚀 日志文件路径: {os.path.abspath(log_file_path)}") # 同时将 WxUtil 的日志也输出到同一个文件 wx_logger = logging.getLogger("WxUtil") wx_logger.propagate = False # 防止日志向上传递导致重复 (因为 WxUtil 中调用了 basicConfig) if not any(isinstance(h, logging.FileHandler) and os.path.abspath(h.baseFilename) == os.path.abspath(log_file_path) for h in wx_logger.handlers): wx_logger.addHandler(file_handler) wx_logger.addHandler(stream_handler) # 确保 WxUtil 也输出到控制台 class ChatMonitorBot: """ 大张老师自动巡课系统 (CV版) """ def __init__(self, debug_mode=False): self.device = None self.debug_mode = debug_mode # 同步设置 WxUtil 的调试模式 WxUtil.set_debug_mode(debug_mode) self.screenshot_path = os.path.join(WxUtil.OUTPUT_DIR, "T2_ChatMonitor_live_shot.jpg") self.debug_view_path = os.path.join(WxUtil.OUTPUT_DIR, "T2_ChatMonitor_debug_view.jpg") self.dialogue_log = [] self.input_pos = None self.last_screen_hash = None self.last_processed_msg_hash = None # [User Requested] 移除持久化存储，只在内存中记录，重启即忘 self.processed_hashes = set() # 新增：记录已处理消息的元数据 (sender, time_display, type) 用于防止空内容重试循环 self.processed_meta = set() self.check_interval = 3 # 检查频率 (秒) self.persona = ( "你是一名1999年毕业、拥有27年一线教学经验的小学高级女教师，名叫‘大张老师’。你目前在‘长春市少惠林作文素养培养中心’工作。" "你不仅是一位作文教学专家，更是一位心思细腻、能与家长共情的教育智者。" "你的回复风格应该是：温柔、知性、亲切，就像一位邻家大姐姐在聊天。" "【关于作文评价的回复逻辑】：\n" "**仅当且仅当**家长明确询问孩子今天的作文情况（例如：“孩子今天写得怎么样？”、“今天作文有进步吗？”）时，才触发此逻辑。触发时，请随机生成具体、专业的反馈。反馈应包含：\n" "1. 孩子今天在写作中遇到的具体小问题（如修辞手法运用不当、开头略显生硬等）；\n" "2. 值得表表扬的亮点（如观察细致、某个句子写得很传神等）；\n" "3. 对字迹的评价（如字迹工整、卷面整洁等）；\n" "4. 针对性的课外阅读建议（推荐具体类型的书目）。\n" "此类特定回复字数可适当增加，控制在 150 字以内。\n" "【关于通用咨询的回复逻辑】：\n" "如果家长是咨询学校信息、地址、课程时间、年级设置，或者是刚加好友打招呼，请务必保持礼貌、知性、亲切，直接回答相关问题。严禁在这些情况下提及孩子的作文表现或虚构作文反馈。\n" "【严格约束】：\n" "1. 绝对禁止输出任何括号内的内容（如动作、神态描述等）！例如不要输出‘（微笑）’。\n" "2. 绝对禁止发散！绝对禁止幻觉！\n" "3. 知道什么就说什么，不要乱讲话，不要自己编造内容！\n" "4. 仅针对家长明确表达的内容进行回复。\n" "5. 严禁使用列表格式。严禁使用‘首先、其次’等逻辑词。\n" "6. 普通咨询回复字数严格控制在 50 字以内，专业作文评价回复控制在 150 字以内！\n" "7. 说话要有人情味，不要回答得太生硬或太简短。例如当家长问‘学校叫什么名字’时，不要只说‘少惠林’，而应该说‘我们的学校名字叫少惠林。’或者‘咱们这儿叫少惠林。’，这样才显得亲切、有礼貌。\n" "8. 对方问什么就答什么。回答要完整、体面，但不要过度发散地址和电话（除非被问到）。\n" "如果涉及到校区信息，必须且只能使用以下真实数据：\n" "- 单位/学校名称：长春市少惠林作文素养培养中心（简称：少惠林）\n" "- 地址：南环城路与临河街交汇，TOUCH12街3楼325号\n" "- 联系人：小张老师（电话：18686619970）\n" "- 每学期开学招收小学三年级至六年级，初中七年级的学生入学，其它年段不招生。\n" ) def _record_processed_hash(self, msg, msg_hash): """记录已处理的消息哈希和元数据 (仅内存)""" self.processed_hashes.add(msg_hash) # 记录元数据 (Sender, Time, Type) if msg: meta = (msg.get("sender", ""), msg.get("time_display", ""), msg.get("type", "")) self.processed_meta.add(meta) # 仅保留最近 100 条记录，防止无限增长 if len(self.processed_hashes) > 100: # 简单丢弃旧的 temp = list(self.processed_hashes)[-100:] self.processed_hashes = set(temp) if len(self.processed_meta) > 100: temp_meta = list(self.processed_meta)[-100:] self.processed_meta = set(temp_meta) async def get_reply(self, last_message_text, context_text=""): prompt = ( f"【教师人设】：{self.persona}\n\n" f"【上下文对话内容】：\n{context_text}\n\n" f"【最后一条待回复消息】：\n{last_message_text}\n\n" "【任务要求】：\n" "请作为大张老师回复家长。**必须且只能针对最后一条消息进行回复！**\n" "1. **意图识别**：判断家长是否在询问“孩子今天的作文写得怎么样”。\n" "2. **条件回复**：\n" " - 如果是询问作文，请严格按【关于作文评价的回复逻辑】生成 150 字以内的详细专业反馈。\n" " - 如果是咨询学校地址、课程、年级、打招呼等通用问题，请按【关于通用咨询的回复逻辑】简洁回答，严禁提到任何关于孩子作文的内容，字数控制在 50 字以内。\n" "3. **格式要求**：严禁发散，直接输出回复正文，不包含任何括号内的动作描述。" ) full_response = "" async for chunk in get_llm_response(prompt, stream=False): full_response += chunk return full_response.strip().strip('"').strip('“').strip('”') def step_1_prepare_env(self): """步骤1: 环境准备""" logger.info("--- [Step 1] 环境准备 ---") WxUtil.setup_script_environment() return True def step_2_connect_device(self): """步骤2: 连接设备""" logger.info("--- [Step 2] 连接设备 ---") self.device = WxUtil.connect_device() if not self.device: logger.error("❌ 设备连接失败，请检查手机是否连接且开启了调试模式") return False return True def get_image_hash(self, file_path): """计算图片的 MD5 哈希值 (忽略顶部 100 像素的状态栏)""" if not os.path.exists(file_path): return None try: # 使用 OpenCV 读取图片 img = cv2.imread(file_path) if img is None: # 如果读取失败，回退到文件哈希 with open(file_path, "rb") as f: return hashlib.md5(f.read()).hexdigest() # 裁剪掉顶部 150 像素 (状态栏/时间) h, w = img.shape[:2] if h > 150: cropped_img = img[150:h, 0:w] else: cropped_img = img # 计算裁剪后数据的哈希 return hashlib.md5(cropped_img.tobytes()).hexdigest() except Exception as e: logger.error(f"计算哈希出错: {e}, 回退到文件哈希") with open(file_path, "rb") as f: return hashlib.md5(f.read()).hexdigest() def get_stable_message_hash(self, msg): """ 计算消息的稳定哈希值（忽略坐标等易变字段） 仅包含: sender, content, time_display, type """ if not msg: return "" stable_data = { "sender": msg.get("sender", ""), "content": msg.get("content") or "", # 确保 None 转为空字符串 "time_display": msg.get("time_display", ""), "type": msg.get("type", "") } # 序列化并计算哈希 msg_str = json.dumps(stable_data, sort_keys=True, ensure_ascii=False) return hashlib.md5(msg_str.encode('utf-8')).hexdigest() async def run(self): """ 主运行循环 """ logger.info("🚀 正在启动 T2_ChatMonitor (Auto-Reply)...") # 定义 JSON 序列化辅助函数 def numpy_serializer(obj): if isinstance(obj, np.integer): return int(obj) if isinstance(obj, np.floating): return float(obj) if isinstance(obj, np.ndarray): return obj.tolist() raise TypeError(f"Type {type(obj)} not serializable") # 1. 环境准备 if not self.step_1_prepare_env(): return if not self.step_2_connect_device(): return # [User Requested] 移除首屏概念，直接进入监控循环 # 以前说过什么都不管了，只关注最后一条 logger.info("🚀 启动完成，直接进入实时监控阶段...") # 3. 进入循环阶段 while True: try: # A. 截图并计算哈希 self.device.screenshot(self.screenshot_path) # [User Requested] 检查是否在聊天界面 if not WxUtil.check_is_chat_interface(self.screenshot_path): logger.info("当前不在聊天界面，跳过本次循环，等待中...") await asyncio.sleep(self.check_interval) continue current_screen_hash = self.get_image_hash(self.screenshot_path) # B. 如果屏幕无变化，则跳过识别 if current_screen_hash == self.last_screen_hash: await asyncio.sleep(self.check_interval) continue self.last_screen_hash = current_screen_hash logger.info("📸 屏幕发生变化，正在分析...") # C. 分析最新图片：识别发送者、消息类型及内容 logger.info("正在分析聊天界面...") dialogue_log, input_pos = await WxUtil.analyze_chat_image( self.screenshot_path, self.debug_view_path, device=self.device, process_strategy="UNREAD", # 监控阶段：只处理带红点的新语音 restore_processed_voice=False # 不还原状态，防止红点未消导致重复转换 ) if not dialogue_log: # logger.info("未检测到有效对话内容") await asyncio.sleep(self.check_interval) continue # 更新当前对话日志 self.dialogue_log = dialogue_log self.input_pos = input_pos # [Fix] 核心逻辑增强：只有当屏幕上最后一条聊天消息是"对方"时，才触发回复逻辑 # 这样可以彻底避免在自己回复后，因为 OCR 延迟或哈希误判导致的连续回复 chat_msgs = [m for m in dialogue_log if m.get('type') in ['text', 'voice']] if not chat_msgs: await asyncio.sleep(self.check_interval) continue absolute_last_msg = chat_msgs[-1] if absolute_last_msg.get('sender') == "我": # logger.info("最后一条消息是我发送的，无需回复") await asyncio.sleep(self.check_interval) continue # 提取最新消息并检查是否需要回复 # 过滤出对方发送的消息 (用于提取内容) other_msgs = [m for m in dialogue_log if m.get('sender') != "我" and m.get('type') in ['text', 'voice']] if not other_msgs: logger.info("当前没有对方发送的消息") await asyncio.sleep(self.check_interval) continue last_msg = other_msgs[-1] # 如果最后一条对方消息不是屏幕上的绝对最后一条，说明中间隔了我自己的消息，也跳过 if last_msg != absolute_last_msg: logger.info("最后一条对方消息之后有我的消息，跳过") await asyncio.sleep(self.check_interval) continue current_msg_hash = self.get_stable_message_hash(last_msg) # 检查该消息是否已经处理过 (通过内容哈希) is_processed = current_msg_hash in self.processed_hashes if is_processed: if current_msg_hash != self.last_processed_msg_hash: self.last_processed_msg_hash = current_msg_hash await asyncio.sleep(self.check_interval) continue if not is_processed and current_msg_hash != self.last_processed_msg_hash: logger.info(f"💡 发现新消息 [{last_msg.get('type')}]: {last_msg.get('content')}") # 记录发现新消息的现场截图 msg_shot_path = os.path.join(WxUtil.OUTPUT_DIR, f"NewMsg_{int(time.time())}.jpg") self.device.screenshot(msg_shot_path) logger.info(f"已保存新消息现场截图: {msg_shot_path}") # 获取上下文文本 context_text = "\n".join([f"{m.get('time_display', '') + ' ' if m.get('time_display') else ''}{m.get('sender')}: {m.get('content')}" for m in dialogue_log if m != last_msg]) last_content = last_msg.get('content') or "" # 兜底逻辑：语音消息若无文字内容，尝试强制触发重试 if last_msg.get('type') == 'voice' and not last_content.strip(): logger.info("检测到未成功转换的语音消息，尝试强制重试 OCR 转换...") dialogue_log_retry, _ = await WxUtil.analyze_chat_image( self.screenshot_path, self.debug_view_path, device=self.device, process_strategy="LAST", restore_processed_voice=False ) if dialogue_log_retry: retry_other_msgs = [m for m in dialogue_log_retry if m.get('sender') != "我"] if retry_other_msgs: last_msg = retry_other_msgs[-1] last_content = last_msg.get('content') or "" current_msg_hash = self.get_stable_message_hash(last_msg) if current_msg_hash in self.processed_hashes: self.last_processed_msg_hash = current_msg_hash continue if last_msg.get('type') == 'voice' and not last_content.strip(): logger.warning("语音消息内容为空，暂不生成回复") await asyncio.sleep(self.check_interval) continue # E. 生成回复 reply = await self.get_reply(last_content, context_text) if reply: logger.info(f"LLM 建议回复: {reply}") if self.input_pos: # 确定输入框位置 target_pos = self.input_pos[0] if isinstance(self.input_pos, (list, tuple)) and len(self.input_pos) == 2 else self.input_pos # 执行输入和发送动作，并保存过程截图 success = perform_input_action( self.device, target_pos, reply, auto_send=True, debug_prefix=f"Reply_{int(time.time())}" ) if success: logger.info(">>> 回复发送成功 <<<") self._record_processed_hash(last_msg, current_msg_hash) self.last_processed_msg_hash = current_msg_hash else: logger.error("回复动作执行失败") else: logger.error("无法定位输入框坐标，放弃本次回复") else: logger.info("LLM 认为无需回复") self._record_processed_hash(last_msg, current_msg_hash) self.last_processed_msg_hash = current_msg_hash await asyncio.sleep(self.check_interval) except Exception as e: logger.error(f"Error in monitoring loop: {e}", exc_info=True) await asyncio.sleep(self.check_interval) async def run_main(): """ 运行自动巡课机器人 """ # 默认关闭调试模式以提高响应速度，如需调试可设为 True bot = ChatMonitorBot(debug_mode=False) await bot.run() if __name__ == "__main__": # 应用 Win32 补丁 Win32Patch.patch() asyncio.run(run_main())