基于《蔚蓝档案》天童爱丽丝角色的智能 Telegram 机器人，集成 AI 对话、知识学习、工具调用等功能。
- 🎭 角色扮演: 天童爱丽丝等多种预设角色，支持角色切换
- 🧠 智能学习: 自动从对话中学习并记忆用户信息
- 🔧 工具集成: 支持 MCP 协议，可调用文件系统、GitHub、搜索等工具
- 🔍 图片搜索: 基于 Ascii2D 的图片反向搜索功能
- 💾 持久存储: SQLite 数据库存储对话历史和知识库
- 🌐 多模型支持: 兼容 OpenAI、月之暗面、DeepSeek 等 API
# 克隆项目
git clone <repository-url>
cd AL1S-Bot
# 安装依赖（推荐使用 uv）
uv sync
# 或使用 pip
pip install -r requirements.txt# 复制配置模板
cp config.example.toml config.toml
# 编辑配置文件，填入必要信息
nano config.toml必需配置：
[openai]
api_key = "your-api-key-here"
base_url = "https://api.openai.com/v1" # 或其他兼容API
[telegram]
bot_token = "your-telegram-bot-token"# 自动创建数据库（首次运行时）
mkdir -p data
sqlite3 data/bot.db < data/init_db.sql# 使用 uv 运行
uv run python main.py
# 或直接运行
python main.pyAL1S-Bot/
├── src/
│ ├── agents/ # Agent 实现
│ │ ├── unified_agent_service.py # 统一 Agent
│ │ └── langchain_agent_service.py # LangChain Agent
│ ├── infra/ # 基础设施层
│ │ ├── database.py # 数据库服务
│ │ ├── vector.py # 向量存储服务
│ │ └── mcp.py # MCP 工具集成
│ ├── services/ # 业务服务层
│ │ ├── conversation_service.py # 对话管理
│ │ ├── learning_service.py # 知识学习
│ │ └── ascii2d_service.py # 图片搜索
│ ├── handlers/ # 消息处理器
│ │ ├── chat_handler.py # 聊天处理
│ │ ├── command_handler.py # 命令处理
│ │ └── image_handler.py # 图片处理
│ ├── models.py # 数据模型
│ ├── config.py # 配置管理
│ └── bot.py # 机器人主类
├── data/ # 数据目录
├── config.example.toml # 配置模板
└── main.py # 程序入口
/start- 开始使用/help- 显示帮助/ping- 测试连接
/role- 查看当前角色/role <角色名>- 切换角色/roles- 显示所有角色
/reset- 重置对话/stats- 对话统计
/knowledge search <关键词>- 搜索知识库/knowledge stats- 知识库统计/rebuild_knowledge- 重建知识索引
[agent]
# Agent 类型选择（这是唯一的控制开关）
type = "unified" # 或 "langchain"
# 向量存储配置
vector_store = "faiss"
vector_store_path = "data/vector_store"
# 嵌入模型选择
embedding_model = "sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2"
# 自动学习
auto_learning = true
learning_threshold = 0.8重要说明：
agent.type是唯一的 Agent 控制开关- 当设置为
"langchain"时，自动启用 LangChain 相关功能 - 当设置为
"unified"时，使用统一 Agent，自动禁用 LangChain - 无需手动设置
langchain.enabled，系统会自动处理
[mcp]
enabled = true
# 文件系统工具
[[mcp.servers]]
name = "filesystem"
command = "npx"
args = ["-y", "@modelcontextprotocol/server-filesystem", "."]
enabled = true
# GitHub 工具
[[mcp.servers]]
name = "github"
command = "npx"
args = ["-y", "@modelcontextprotocol/server-github"]
enabled = false
env = { GITHUB_PERSONAL_ACCESS_TOKEN = "your-token" }[[roles]]
name = "自定义角色"
english_name = "Custom Role"
description = "角色描述"
personality = """
角色的详细设定和性格描述...
"""
greeting = "角色问候语"
farewell = "角色告别语"机器人会自动从对话中学习：
- 个人信息（生日、喜好等）
- 问答对话
- 重要事实
- 用户习惯
通过 MCP 协议支持：
- 文件系统操作
- GitHub 仓库查询
- 网络搜索
- 数据库查询
- 自定义工具扩展
- 文本对话
- 图片分析和搜索
- 文件处理
-
启动失败
# 检查配置文件 python -c "import tomllib; print('配置OK' if tomllib.load(open('config.toml', 'rb')) else '配置错误')"
-
API 连接问题
# 测试 API 连接 curl -H "Authorization: Bearer YOUR_API_KEY" YOUR_BASE_URL/models
-
数据库问题
# 重新初始化数据库 rm data/bot.db sqlite3 data/bot.db < data/init_db.sql
-
向量存储问题
# 清理并重建向量存储 rm -rf data/vector_store/* # 重启机器人会自动重建
- 内存使用: 语义模型需要约 800MB 内存
- 存储空间: 建议预留 1GB 存储空间
- 网络要求: 首次运行需下载模型（约 400MB）
- API 密钥: 妥善保管 API 密钥，不要提交到版本控制
- 访问权限: 合理配置 MCP 工具的访问权限
- 数据隐私: 定期清理敏感对话记录
- 网络安全: 在生产环境中使用 HTTPS 和适当的防火墙设置
# 查看日志
tail -f logs/bot.log
# 按时间查看
ls logs/bot.*.log# 数据库统计
sqlite3 data/bot.db "
SELECT
'messages' as table_name, COUNT(*) as count FROM messages
UNION ALL
SELECT
'knowledge_entries' as table_name, COUNT(*) as count FROM knowledge_entries;
"
# 清理旧数据（保留最近30天）
sqlite3 data/bot.db "
DELETE FROM messages
WHERE created_at < datetime('now', '-30 days');
"- Fork 项目
- 创建特性分支 (
git checkout -b feature/amazing-feature) - 提交更改 (
git commit -m 'Add amazing feature') - 推送分支 (
git push origin feature/amazing-feature) - 创建 Pull Request
本项目采用 MIT 许可证 - 详见 LICENSE 文件。
- OpenAI - AI 模型支持
- Sentence Transformers - 语义嵌入模型
- FAISS - 向量相似性搜索
- Model Context Protocol - 工具集成协议
- python-telegram-bot - Telegram Bot 框架
邦邦卡邦！ 如有问题，请提交 Issue 或联系维护者。