Merge pull request #18 from HYY1116/main

chore:修改toml配置文件位置，增加默认配置文件，修改docs

Dockerfile

@@ -7,7 +7,7 @@ RUN mv env.example config/.env \
 && mv src/plugins/chat/bot_config_toml config/bot_config.toml
 RUN ln -s /MaiMBot/config/.env /MaiMBot/.env  \
 && ln -s /MaiMBot/config/bot_config.toml /MaiMBot/src/plugins/chat/bot_config.toml
-RUN pip install -r requirements.txt
+RUN pip install --upgrade -r requirements.txt
 VOLUME [ "/MaiMBot/config" ]
 EXPOSE 8080
 ENTRYPOINT [ "nb","run" ]

README.md

@@ -52,11 +52,9 @@ NAPCAT_UID=$(id -u) NAPCAT_GID=$(id -g) docker compose restart
 
 #### 手动运行
 1. **创建Python环境**
-   推荐使用conda或其他环境管理来管理你的python环境
+   推荐使用conda或其他虚拟环境进行依赖安装，防止出现依赖版本冲突问题
    ```bash
-   # 安装requirements（还没检查好，可能有包漏了）
+   # 安装requirements
-   conda activate 你的环境
-   cd 对应路径
    pip install -r requirements.txt
    ```
 2. **MongoDB设置**
@@ -68,8 +66,8 @@ NAPCAT_UID=$(id -u) NAPCAT_GID=$(id -g) docker compose restart
    - 在Napcat的网络设置中添加ws反向代理:ws://localhost:8080/onebot/v11/ws
 
 4. **配置文件设置**
-   - 把env.example改成.env，并填上你的apikey（硅基流动或deepseekapi）
+   - 将.env文件打开，填上你的apikey（硅基流动或deepseekapi）
-   - 把bot_config_toml改名为bot_config.toml，并填写相关内容，不然无法正常运行
+   - 将bot_config.toml文件打开，并填写相关内容，不然无法正常运行
 
    #### .env 文件配置说明
    ```ini
@@ -92,14 +90,10 @@ NAPCAT_UID=$(id -u) NAPCAT_GID=$(id -g) docker compose restart
    MONGODB_PASSWORD=""           # MongoDB密码（可选）
    MONGODB_AUTH_SOURCE=""        # MongoDB认证源（可选）
 
-   # API密钥配置
+   #api配置项，建议siliconflow必填，识图需要这个
-   CHAT_ANY_WHERE_KEY=           # ChatAnyWhere API密钥
+   SILICONFLOW_KEY=
-   SILICONFLOW_KEY=             # 硅基流动 API密钥（必填）
-   DEEP_SEEK_KEY=               # DeepSeek API密钥（必填）
-
-   # API地址配置
-   CHAT_ANY_WHERE_BASE_URL=https://api.chatanywhere.tech/v1
    SILICONFLOW_BASE_URL=https://api.siliconflow.cn/v1/
+   DEEP_SEEK_KEY=
    DEEP_SEEK_BASE_URL=https://api.deepseek.com/v1
    ```
 
@@ -158,9 +152,8 @@ NAPCAT_UID=$(id -u) NAPCAT_GID=$(id -g) docker compose restart
    ```
 
 5. **运行麦麦**
+   在含有bot.py程序的目录下运行（如果使用了虚拟环境需要先进入虚拟环境）
    ```bash
-   conda activate 你的环境
-   cd 对应路径
    nb run
    ```
 6. **运行其他组件**
@@ -205,3 +198,13 @@ NAPCAT_UID=$(id -u) NAPCAT_GID=$(id -g) docker compose restart
 纯编程外行，面向cursor编程，很多代码史一样多多包涵
 
 > ⚠️ **警告**：本应用生成内容来自人工智能模型，由 AI 生成，请仔细甄别，请勿用于违反法律的用途，AI生成内容不代表本人观点和立场。
+
+## 致谢
+[nonebot2](https://github.com/nonebot/nonebot2): 跨平台 Python 异步聊天机器人框架  
+[NapCat](https://github.com/NapNeko/NapCatQQ): 现代化的基于 NTQQ 的 Bot 协议端实现  
+
+### 贡献者
+
+感谢各位大佬！
+
+[![Contributors](https://contributors-img.web.app/image?repo=SengokuCola/MaiMBot)](https://github.com/SengokuCola/MaiMBot/graphs/contributors)

bot_config.toml

@@ -7,8 +7,8 @@ password = ""  # 默认空值
 auth_source = ""  # 默认空值
 
 [bot]
-qq = #填入你的机器人QQ
+qq = 123456  #填入你的机器人QQ
-nickname = "麦麦"
+nickname = "麦麦"  #你希望bot被称呼的名字
 
 [message]
 min_text_length = 2 # 与麦麦聊天时麦麦只会回答文本大于等于此数的消息
@@ -24,7 +24,7 @@ enable_pic_translate = false
 
 
 [response]
-api_using = "siliconflow" # 选择大模型API
+api_using = "siliconflow" # 选择大模型API，可选值为siliconflow,deepseek，建议使用siliconflow，因为识图api目前只支持siliconflow的deepseek-vl2模型
 model_r1_probability = 0.8 # 麦麦回答时选择R1模型的概率
 model_v3_probability = 0.1 # 麦麦回答时选择V3模型的概率
 model_r1_distill_probability = 0.1 # 麦麦回答时选择R1蒸馏模型的概率
@@ -36,13 +36,13 @@ enable_advance_output = true # 开启后输出更多日志,false关闭true开启
 [groups]
 
 talk_allowed = [
-    #可以回复消息的群
+    123456,12345678
-]
+]  #可以回复消息的群
 
 talk_frequency_down = [
-    #降低回复频率的群
+    123456,12345678
-]
+]  #降低回复频率的群
 
 ban_user_id = [
-     #禁止回复消息的QQ号
+     123456,12345678
-]
+]  #禁止回复消息的QQ号

docker-compose.yml

@@ -32,7 +32,7 @@ services:
     environment:
       - tz=Asia/Shanghai
     expose:
-      - "8080:8080"
+      - "8080"
     restart: always
     depends_on:
       - mongodb

env.example

@@ -15,10 +15,8 @@ MONGODB_USERNAME = ""  # 默认空值
 MONGODB_PASSWORD = ""  # 默认空值
 MONGODB_AUTH_SOURCE = ""  # 默认空值
 
-#key and url
+#api配置项
-CHAT_ANY_WHERE_KEY=
 SILICONFLOW_KEY=
-CHAT_ANY_WHERE_BASE_URL=https://api.chatanywhere.tech/v1
 SILICONFLOW_BASE_URL=https://api.siliconflow.cn/v1/
 DEEP_SEEK_KEY=
 DEEP_SEEK_BASE_URL=https://api.deepseek.com/v1

src/plugins/chat/config.py

@@ -108,7 +108,7 @@ class BotConfig:
                 
         return config 
     
-global_config = BotConfig.load_config("./src/plugins/chat/bot_config.toml")
+global_config = BotConfig.load_config(".bot_config.toml")
 
 from dotenv import load_dotenv
 current_dir = os.path.dirname(os.path.abspath(__file__))

src/plugins/schedule/schedule_generator.py

@@ -29,7 +29,10 @@ Database.initialize(
 
 class ScheduleGenerator:
     def __init__(self):
-        self.llm_scheduler = LLMModel(model_name="Pro/deepseek-ai/DeepSeek-V3")
+        if global_config.API_USING == "siliconflow":
+            self.llm_scheduler = LLMModel(model_name="Pro/deepseek-ai/DeepSeek-V3")
+        elif global_config.API_USING == "deepseek":
+            self.llm_scheduler = LLMModel(model_name="deepseek-chat",api_using="deepseek")
         self.db = Database.get_instance()
         
         today = datetime.datetime.now()

src/plugins/schedule/schedule_llm_module.py

@@ -8,11 +8,19 @@ load_dotenv()
 
 class LLMModel:
     # def __init__(self, model_name="deepseek-ai/DeepSeek-R1-Distill-Qwen-32B", **kwargs):
-    def __init__(self, model_name="Pro/deepseek-ai/DeepSeek-R1", **kwargs):
+    def __init__(self, model_name="Pro/deepseek-ai/DeepSeek-R1",api_using=None, **kwargs):
-        self.model_name = model_name
+        if api_using == "deepseek":
+            self.api_key = os.getenv("DEEPSEEK_API_KEY")
+            self.base_url = os.getenv("DEEPSEEK_BASE_URL")
+            if model_name != "Pro/deepseek-ai/DeepSeek-R1":
+                self.model_name = model_name
+            else:
+                self.model_name = "deepseek-reasoner"
+        else:
+            self.api_key = os.getenv("SILICONFLOW_KEY")
+            self.base_url = os.getenv("SILICONFLOW_BASE_URL")
+            self.model_name = model_name
         self.params = kwargs
-        self.api_key = os.getenv("SILICONFLOW_KEY")
-        self.base_url = os.getenv("SILICONFLOW_BASE_URL")
 
     def generate_response(self, prompt: str) -> Tuple[str, str]:
         """根据输入的提示生成模型的响应"""