🚀 进化完成：全能 Telegram AI Bot V2.0 —— 多模型矩阵、持久化记忆与深层调研模式#

1. 它长了“眼睛”和“腿”：实时联网与深度阅读#

普通的 AI 知识库通常停留在几个月前。

• 实时搜索：当你问“今天科技圈有什么大事？”它会启动内置的 web_search 工具，通过搜索引擎抓取最新动态。
• 深度阅读：它不只是看个标题。通过 web_fetch 功能，它可以潜入网页内部，抓取数千字的正文进行深度总结。
• 引用模式 (/cite on)：拒绝 AI 幻觉！开启后，它的每一个回答都会附带原始链接，让你随时复核信息来源。

2. 它拥有“永恒记忆”：SQLite 数据库驱动#

大部分 Bot 重启就“失忆”，但 TeleIntelliChat V2.0 引入了工业级的 SQLite 数据库。

• 长期记忆 (/memory)：你可以告诉它“我喜欢简洁的回答”或者“我在学习 Python”。这些信息会被永久存入数据库。
• 跨会话保留：哪怕机器人关机重启，它依然记得你的偏好。只有当你输入 /memory clear 时，它才会忘记。

3. 模型“大阅兵”：多厂商自动路由#

不用再纠结用 GPT-4 还是 Qwen 还是 Llama。

• 一键切换 (/model)：系统内置了动态探活机制，会自动检测 NVIDIA、OpenAI 等多个平台的模型是否在线。
• 性能监控：你可以实时看到哪个模型反应最快、哪个最聪明，随时根据需求切换“大脑”。

4. 它是“透明”的助理：SRE 级监控统计#

想知道自己用了多少 Token？花了多少钱？

• 统计面板 (/stats)：直接输入命令，查看过去 24 小时的 Token 消耗、成功率和最常使用的工具。
• 成本控制：管理员可以精准限制上下文长度 (CTX_SIZE)，防止 Token 意外爆表。

1. 核心目录结构#

项目采用了清晰的模块化设计，所有的配置都通过 .env 文件一键管理：

Plaintext

1
tg_bot/
2
├─ tg_bot.py            # 核心逻辑：大脑所在
3
├─ .env                 # 神经中枢：所有的 API Key 和参数都在这里
4
├─ requirements.txt     # 项目依赖
5
├─ bot_data.db          # 记忆细胞：SQLite 数据库 首次自动创建
6
└─ bot.log              # 运行日志：所有的动作都有迹可循 首次自动创建

2. 生产环境的“不计成本”配置#

如果你追求极致的回答质量（比如做每日新闻简报），我们为你准备了**“高质量模式”**配置：

• 更大的胃口：CTX_SIZE=22000，让它能读完一整篇长文。
• 更深的思考：MAX_TOOL_LOOPS=10，允许它反复搜索 10 次直到找到满意答案。
• 自动补救：开启 EMPTY_CONTENT_RETRY_ON，如果模型由于网络波动没说话，它会自动重试，直到产出结果。

启动 Bot#

1
python tg_bot.py   # Win
2
python3 tg_bot.py  # Macos Liunx

1. 这个机器人能做什么#

这是一个支持多模型、联网搜索、网页阅读、图片理解、长期记忆的 AI 助手。
你可以把它理解为“会聊天 + 会查资料 + 会记住偏好 + 可控成本”的私人助手。

核心能力：

• 普通问答：日常聊天、知识问答、写作润色、代码问题。
• 联网检索：可调用搜索与网页抓取工具，回答实时信息问题。
• 图片输入：支持图片场景下的理解与分析（受模型能力影响）。
• 长期记忆：记录你的偏好、身份信息、长期任务背景。
• 引用模式：开启后联网回答会尽量附来源链接。
• 成本控制：支持 /reset 清空会话上下文，减少 token 消耗。

2. 快速开始#

1. 在 Telegram 打开机器人并发送 /start。
2. 直接发送你的问题，例如：
   • “帮我总结一下今天 AI 领域的重点新闻”
   • “这段 Python 报错怎么修”
3. 如果切换了话题，建议先发送 /reset 再问新问题。

为什么建议 /reset：
上下文越长，模型每次请求带上的历史内容越多，token 成本越高。
切换话题时清空上下文，通常能明显降低消耗并提升回答稳定性。

3. 命令总览#

菜单可点按命令：

• /start、/model、/refreshmodels、/currentmodel、/reset、/memory、/stats、/cite

需要手动补参数输入的命令：

• /start：查看欢迎信息和能力简介。
• /model：打开模型菜单并切换模型。
• /refreshmodels：强制刷新模型可用性状态（菜单可点按）。
• /model refresh：强制刷新模型可用性状态（文本命令写法，和上面等价）。
• /currentmodel：查看当前配置与最近一次实际使用的模型。
• /reset：清空当前会话上下文，不会清空长期记忆。
• /memory：查看长期记忆列表（等价于 /memory list）。
• /memory add <fact|preference|task|other> <内容>：新增一条长期记忆。
• /memory delete <关键词>：按关键词删除匹配记忆。
• /memory clear：清空所有长期记忆。
• /stats：查看最近 24 小时调用统计。
• /cite on：开启引用模式（联网回答附来源）。
• /cite off：关闭引用模式。

4. 模型选择建议#

使用 /model 可以手动选择模型，也可以回到自动路由模式。

推荐策略：

• 日常通用问答：自动路由。
• 代码任务：优先代码类模型。
• 强实时问题：可优先选择更适合联网任务的模型。
• 需要稳定成本：保持固定模型，搭配频繁 /reset。

5. /reset 的正确用法（重点）#

/reset 只清空当前会话上下文，不会删除长期记忆。

建议你在以下场景使用：

• 话题从 A 完全切到 B。
• 连续多轮后感觉回答开始“跑偏”。
• 想主动降低 token 消耗。
• 想让模型“忘记刚才的临时上下文”重新开始。

示例：

1. 你刚问完“Python 异步调试问题”。
2. 接下来要问“旅游路线建议”。
3. 先发 /reset，再发旅游问题。

6. 长期记忆怎么用#

长期记忆用于“跨会话保留信息”，例如你的习惯和偏好。

记忆分类说明：

• fact：稳定事实。例如“我在上海工作”。
• preference：偏好。例如“我喜欢简洁风格回答”。
• task：长期目标。例如“我在准备面试，重点是后端设计”。
• other：其他信息。

常用操作：

• 新增：/memory add preference 回答尽量用中文并给步骤
• 查看：/memory list
• 删除：/memory delete 中文
• 清空：/memory clear

建议：

• 只存“长期有价值的信息”，不要把一次性问题存进去。
• 如果记忆过多且无关，及时删除，避免干扰回答。

7. 引用模式怎么用#

当你需要“可追溯”答案时，开启引用模式：

• /cite on

适合场景：

• 新闻、政策、市场、产品版本等实时信息。
• 你需要复核来源链接。

当你只想快速结果时，可关闭：

• /cite off

8. 统计面板怎么看#

/stats 返回最近 24 小时的运行统计，通常包括：

• 总事件数
• Prompt Tokens
• Completion Tokens
• 失败次数
• 高频模型
• 高频工具

用途：

• 观察是否有异常消耗。
• 评估是否需要更频繁使用 /reset。
• 了解自己常用模型和工具情况。

9. 图片输入说明#

你可以直接发送图片并附文字问题，例如：

• “这张图里有什么关键信息？”
• “帮我提取图中流程并总结”

注意：

• 是否能进行高质量视觉理解，取决于当前所选模型。
• 如果当前模型不支持视觉能力，系统会自动降级处理并给出提示。

10. 常见问题（FAQ）#

Q1：为什么有时回答变慢？
A：可能因为联网搜索、网页抓取、模型负载或上下文过长。可先 /reset 再试。

Q2：为什么有时回答不够准确？
A：实时问题建议开启 /cite on，并明确时间范围与地区范围。

Q3：/reset 会不会把我的长期偏好清掉？
A：不会。/reset 只清当前会话上下文。长期记忆用 /memory clear 才会清空。

Q4：怎么最省 token？
A：固定模型 + 话题切换时 /reset + 问题描述更具体 + 避免冗长来回。

Q5：模型菜单里有些显示不可用怎么办？
A：发送 /refreshmodels（或 /model refresh）强制刷新状态，或切换其他可用模型。

11. 最佳实践（推荐）#

1. 每次提问写清目标、约束、输出格式。
2. 实时问题先开 /cite on，拿到来源后再深入。
3. 话题切换时一定 /reset。
4. 把长期有价值信息写进 /memory，临时信息不要存。
5. 通过 /stats 定期观察 token 和失败率。