KiraAI 部署教程 v1.6.6

v1.6.6版本

仓库:

Release v1.6.6 · xxynet/KiraAI

deepwiki:

xxynet/KiraAI | DeepWiki

部署开始

Release NapCat v4.14.13 · NapNeko/NapCatQQ

打开url 6099 NapCat WebUI

打开url 5267 KiraAI Admin Panel

这个要填

部署完毕

记忆部分是怎么做的

KiraAI 的记忆系统由 MemoryManager 实现，分为两类记忆：

会话记忆（chat_memory）：按会话 ID 存储对话历史，用于上下文。
核心记忆（core_memory）：全局持久知识，注入到每次提示中。

记忆以文件形式持久化在 data/memory/ 目录，并在消息处理时被读取和更新，同时通过 WebUI 提供管理接口。

记忆类型与存储

类型	存储文件	结构	用途
会话记忆	`data/memory/chat_memory.json`	`{session_id: [chunk1, chunk2, ...]}`，每个 chunk 为消息列表	提供对话上下文
核心记忆	`data/memory/core.txt`	纯文本行列表	全局知识，注入提示词

会话记忆在 MemoryManager.__init__ 中加载，并在每次更新后自动保存为 JSON memory_manager.py:26-28 。
核心记忆在 get_core_memory() 中逐行读取并格式化为带行号的字符串 memory_manager.py:99-106 。

关键操作

读取与写入

fetch_memory(session)：展开会话的所有 chunk 为消息列表，用于构建 LLM 上下文 memory_manager.py:60-70 。
update_memory(session, new_chunk)：追加新 chunk，并根据 max_memory_length 滑动裁剪，然后保存文件 memory_manager.py:85-91 。
write_memory(session, memory)：直接覆写整个会话记忆（WebUI 使用） memory_manager.py:79-83 。

长度限制

max_memory_length 来自配置（默认 10），在 update_memory 中用于裁剪最旧的 chunk memory_manager.py:19 memory_manager.py:88-89 。

与消息处理集成

在 MessageProcessor.handle_im_message 中：

获取会话记忆 session_memory = self.memory_manager.fetch_memory(sid) message_manager.py:169 。
获取核心记忆 core_memory = self.memory_manager.get_core_memory() message_manager.py:171 。
将两者传入 PromptManager 生成提示（如 get_agent_prompt），其中 {core_memory} 会被替换 agent.txt:33-35 。
LLM 响应后，将新消息（含工具调用结果）作为 new_chunk 更新到会话记忆 message_manager.py:215-220 。

WebUI 管理接口

列出所有会话：GET /api/sessions，从 memory_manager.chat_memory 读取并统计消息数 app.py:1370-1392 。
获取单个会话记忆：GET /api/sessions/{session_id}，调用 memory_manager.read_memory 返回原始 chunk 结构 app.py:1399-1420 。
更新会话记忆：PUT /api/sessions/{session_id}，调用 memory_manager.write_memory 直接覆写 app.py:1427-1436 。

记忆流程图

复制代码

Notes

会话记忆按 chunk 组织，每个 chunk 通常对应一次处理回合（含用户消息、工具调用、助手回复）。
核心记忆为纯文本，可手动编辑 data/memory/core.txt，重启后生效。
WebUI 的会话管理直接操作内存中的 chat_memory 并持久化，适合调试或清理。
记忆文件路径可在 MemoryManager 初始化时自定义，默认为 data/memory/chat_memory.json 与 data/memory/core.txt memory_manager.py:16-17 。

Wiki pages you might want to explore:

表情调用是怎么做的

AI 通过 StickerManager 加载的 sticker.json（id→desc+path）建立映射，PromptManager 将可用 id 与描述注入系统提示，LLM 用 <sticker>id</sticker> 调用，MessageProcessor 再根据 id 从 sticker_dict 取路径并转为 base64 发送。WebUI 提供管理接口。

复制代码

关键环节

1）映射来源：sticker.json

位置：data/config/sticker.json，结构为 {"sticker_id": {"desc": "...", "path": "filename"}} sticker_manager.py:11-12 。
StickerManager 在初始化时加载到 self.sticker_dict sticker_manager.py:26-49 。

2）让 AI 知道可用 sticker：提示注入

PromptManager._load_sticker_prompt 遍历 sticker_dict，生成 [id] desc 文本并注入系统提示，定义 <sticker> 标签用法 prompt_manager.py:73-82 。
在 _load_format_prompt 中将 sticker_prompt 填入格式提示，供 LLM 在 XML 中调用 prompt_manager.py:91-102 。

3）LLM 调用与解析

LLM 输出 <sticker>1</sticker>，MessageProcessor._parse_xml_msg 从 sticker_dict 取 path，转为 base64，构造 MessageType.Sticker message_manager.py:304-311 。

4）发送

QQAdapter 将 MessageType.Sticker 作为 base64 图片发送 qq.py:436-437 。

5）管理与自动注册

WebUI 提供增删改查接口（/api/stickers），可上传图片并指定 id 与 desc app.py:1145-1172 。
StickerManager.scan_and_register_sticker 定期扫描 data/sticker 目录，对未注册文件调用 LLM 生成描述并自动注册到 sticker.json sticker_manager.py:147-176 。

示例

复制代码

{  "1": {"desc": "开心笑", "path": "happy.png"},  "2": {"desc": "无语", "path": "speechless.webp"} }

系统提示将包含：

复制代码

[1] 开心笑  
[2] 无语

LLM 可用 <sticker>1</sticker>，解析时找到 happy.png 并转 base64 发送。

Notes

sticker_id 为字符串，通常为数字自增，也支持自定义字符串（需唯一） sticker_manager.py:121-134 。
若解析时 sticker_id 不存在，会报错并跳过发送 message_manager.py:310-311 。
WebUI 的 Stickers 页面仅用于管理，不影响运行时映射逻辑 app.py:1094-1137 。

Wiki pages you might want to explore: