项目介绍
AniaBot 是一个基于 Go 语言开发的高性能、插件驱动型多平台机器人框架。它通过可插拔的适配器接入各平台 —— QQ 经 NapCat 以 OneBot v11 协议、QQ 官方经 QQ 开放平台 API v2（WebSocket 网关，无需公网地址）、飞书/Lark 经官方 SDK（WebSocket 长连接 / Webhook）、Telegram 经 Bot API（长轮询，无需公网地址）、Discord 经 discordgo（Gateway WebSocket，无需公网地址）——并内置了一套由 OpenAI 兼容大模型驱动的 AI 对话引擎 —— 支持工具调用（Tool Use）、MCP（Model Context Protocol）、Skill 系统与 AI 定时任务。
设计理念
AniaBot 的核心哲学是 「一切皆为插件」：
- 框架本身只做三件事：连接平台适配器、分发消息事件、管理插件生命周期
- 所有功能 —— 包括 AI 对话、防撤回、复读机 —— 都是插件，与你将要编写的插件地位完全平等
- 内置插件同时也是最好的开发参考：它们的写法就是你写自定义插件的写法
多平台模型
框架把所有平台归一化为 OneBot v11 消息段格式（OB11Segment{Type, Data}）作为通用消息形态，适配器在边界做双向翻译。多平台可并存（QQ + QQ 官方 + 飞书 + Telegram + Discord 同时在线）：
- ID 前缀体系：QQ 统一使用
qq:前缀（如qq:123456789，旧版裸数字数据会在升级时自动迁移），其他平台也统一加前缀（如 QQ 官方qo:、飞书fs:、Telegramtg:、Discorddc:，消息 ID 形如dc:<channel_id>:<message_id>）；core 按前缀路由到对应适配器 - 能力分层：公共能力（发群/私聊消息、查消息/群/历史）在
bot.Bot，平台专属能力（合并转发、戳一戳、rkey 等）在可选接口bot.QQ，插件类型断言探测、自动退化 - 新增平台 = 实现一个适配器包 +
cmd/main.go加一行空白导入，框架核心零改动（见 快速开始）
整体架构
核心特性
⚡ 高性能事件处理
WebSocket 适配器采用 工作池（Worker Pool）+ 消息队列 模型：连接层只负责收发，事件解析与插件分发在独立的工作协程中完成。worker_count 设为 0 时按 CPU 核数自动调整，队列长度可通过 worker_queue_size 配置。
🧩 中间件式插件链
插件按 Order 从小到大排序执行，消息事件返回 false 即可阻断后续插件 —— 就像 Web 框架的中间件：
LevelLog(-1000) → LevelNormal(0) → LevelPostHandle(1000)
日志插件 业务插件 AI 对话（兜底响应）🤖 完整的 AI Agent 能力
- 工具调用：内置时间、联网搜索、网页浏览、梗图、消息历史、文件发送等工具，反射自动生成 JSON Schema，无需手写
- MCP 集成：接入任意 MCP Server（stdio / SSE / Streamable HTTP），两阶段懒加载避免上下文爆炸
- Skill 系统：把领域知识封装为 Skill，AI 按需阅读
- 上下文管理：按 token 预算管理对话窗口，超过 80% 自动让 LLM 总结压缩，历史持久化、重启不丢
- AI 定时任务：AI 自己也能创建 cron 任务 —— 「每天早上 8 点给我发今日天气」一句话即可
💾 双层存储，自动隔离
| 层级 | 接口 | 后端 | 适用场景 |
|---|---|---|---|
| 缓存层 | Storage | 内存（默认）/ Redis | 热数据、TTL、分布式锁、列表 |
| 持久化层 | PersistentStorage | SQLite（默认）/ MySQL | 用户数据、配置、历史记录 |
框架在注入时按插件名自动做命名空间隔离，插件之间永远不会键冲突。所有 SQL 后端均为纯 Go 驱动，交叉编译无忧。
适用场景
- 🤖 智能群助手：接入 DeepSeek / GPT / Qwen 等模型，@机器人 即可对话，还能联网搜索、识别图片
- 📰 定时推送：新闻、天气、提醒事项，cron 表达式精确控制
- 🛡️ 群管理：防撤回、消息回顾、入群欢迎（需自行扩展）
- 🛠️ 自动化 Agent：开启 bash / file 工具后，AI 可以直接操作宿主机完成任务（默认关闭，按需开启）
深入理解
对实现原理感兴趣？从 技术原理总览 开始：
- 框架核心原理 —— 多平台归一化、事件分发管线、插件生命周期、配置中心、双层存储
- AI 引擎（一）LLM 客户端与对话循环 —— 三种 LLM API 格式后端、重试与备用模型、多轮工具调用循环
- AI 引擎（二）上下文、历史与记忆 —— token 预算上下文窗口、LLM 压缩、行级历史持久化、长期记忆
- AI 引擎（三）工具、MCP 与高级编排 —— 反射式工具 Schema、MCP 两阶段懒加载、定时任务、子代理、团队