chattercatcher 0.1.24 → 0.1.26

package/README.md

@@ -59,8 +59,11 @@ ChatterCatcher 是一个早期 MVP。它已经具备飞书长连接接入、本
 
 - **无 native 向量库依赖**：语义向量写入 SQLite，避免 LanceDB 平台包在不同 macOS/CPU 架构上安装失败。
 - **SQLite FTS + embedding 混合 RAG**：关键词和语义检索并行召回，回答前必须先找到本地证据。
+- **相对时间归一化**：自动将”今天””明天””今晚”等相对时间表述转换为具体日期。所有 LLM 路径（会话摘要、RAG 问答、Agent 工具循环）统一注入当前时间并强调时间推导规则，让回答中的日期始终准确。
+- **群内定时任务**：在群里用自然语言创建 cron 定时任务，支持”每天 9 点总结昨天群聊”等日常需求。创建、查看、删除都在群里一句话搞定，任务限定当前群聊不能跨群。
+- **工具循环智能兜底**：当 Agent 多轮工具调用达到上限时，自动用对话历史生成最终答案，不再返回含混的”操作已提交”提示。
 - **自动识别飞书机器人身份**：可通过 App ID / App Secret 自动获取 `botOpenId`，减少手动配置错误。
-- **会话记忆块**：把 10 分钟窗口、静默 2 分钟后的碎片聊天整理成 episode summary，让“我要发一个 API key”与后续短消息保持上下文关联。
+- **会话记忆块**：把 10 分钟窗口、静默 2 分钟后的碎片聊天整理成 episode summary，让”我要发一个 API key”与后续短消息保持上下文关联。
 - **敏感摘要保护**：会话摘要会脱敏疑似 token/API key；原始消息仍保留在本地，方便必要时追溯。
 
 当前核心方向是：
@@ -121,7 +124,9 @@ ChatterCatcher 是一个早期 MVP。它已经具备飞书长连接接入、本
 | 消息入库 | 普通文本消息写入 SQLite；`@` 提问直接回答并跳过入库 |
 | 会话记忆块 | 默认 10 分钟窗口 + 2 分钟静默期，把碎片聊天整理成可检索 episode summary，并关联原始消息 |
 | RAG 检索 | SQLite FTS 关键词检索、SQLite embedding 向量检索、episode summary 检索、混合重排、证据来源保留 |
-| 问答 | OpenAI-compatible chat completions、证据不足时说不知道、回答带引用 |
+| 时间归一化 | 自动将相对时间（今天/明天/今晚）推导为具体日期，覆盖会话摘要、RAG 问答、Agent 工具循环全部 LLM 路径 |
+| 问答 | OpenAI-compatible chat completions、Agent 多轮工具调用、证据不足时说不知道、回答带引用、工具循环耗尽智能兜底 |
+| 定时任务 | 群内自然语言创建 cron 定时任务（如"每天 9 点总结昨天群聊"），限定当前群聊，支持创建/查看/删除 |
 | 引用格式 | 展示“谁在什么时候说了什么”，避免暴露 `ou_` / `oc_` 等 opaque id |
 | 文件知识源 | 支持 txt、md、json、csv、tsv、log、docx、pdf 导入和解析 |
 | CLI | setup、settings、doctor、gateway、process、index、files、export、restore |
@@ -250,12 +255,14 @@ http://127.0.0.1:3878
 期望回答类似：
 
 ```text
-后天 13:40 [S1]。
+最近一次编程课是 2026-04-28 13:40 [S1]。
 
 引用：
-[S1] 群成员在 2026-04-26 13:36 说：“编程课的时间改成了后天13:40”
+[S1] 群成员在 2026-04-26 13:36 说：”编程课的时间改成了后天13:40”
 ```
 
+注意：原文说的是”后天”，但 ChatterCatcher 已根据消息时间戳自动推导为具体日期。
+
 ---
 
 ## 常用命令
@@ -275,6 +282,8 @@ http://127.0.0.1:3878
 | `chattercatcher files jobs` | 查看文件解析任务 |
 | `chattercatcher export --out <file>` | 导出本地知识库数据，不含密钥 |
 | `chattercatcher restore <file>` | 从导出文件恢复 |
+| `chattercatcher cron list` | 列出所有定时任务 |
+| `chattercatcher cron run` | 手动触发到期定时任务 |
 
 ---
 
@@ -301,6 +310,28 @@ chattercatcher process episodes
 
 ---
 
+## 群内定时任务
+
+在群里用自然语言即可创建定时任务。ChatterCatcher 会把自然语言时间描述自动转换为 cron 表达式：
+
+```text
+@小陈 每天 9 点总结昨天群聊
+@小陈 每周一上午 10 点提醒大家报备周末计划
+@小陈 查看定时任务
+@小陈 删除 job-abc123
+```
+
+定时任务限定在当前群聊内，不能跨群查看或操作其他群的任务。
+
+CLI 管理：
+
+```bash
+chattercatcher cron list          # 查看所有定时任务
+chattercatcher cron run           # 手动触发到期任务
+```
+
+---
+
 ## 本地数据目录
 
 默认数据目录：
@@ -391,6 +422,14 @@ npm install -g chattercatcher@latest
 
 摘要层会脱敏疑似 API key、token、cookie、私钥和 URL 凭据；原始消息仍然只保存在本地数据库，用于必要时追溯证据。
 
+### ChatterCatcher 能理解"明天""今晚"这种相对时间吗？
+
+可以。ChatterCatcher 会自动识别消息的时间戳，将"今天""明天""今晚""下周三"等相对表述推导为具体日期写入摘要和回答。你不需要在每次提问时手工推算日期。
+
+### 定时任务怎么用？会不会跨群操作？
+
+在群里 @ 机器人说"每天 9 点总结昨天群聊"即可创建定时任务。用"查看定时任务"列出当前群的任务，"删除 xxx"删掉指定任务。定时任务限定在当前群聊，不会跨群查看或操作。
+
 ### Web UI 可以暴露到公网吗？
 
 默认不建议。ChatterCatcher 面向家庭隐私数据，默认只监听 `127.0.0.1`。

package/dist/cli.js

@@ -8,7 +8,7 @@ import fs14 from "fs/promises";
 // package.json
 var package_default = {
   name: "chattercatcher",
-  version: "0.1.24",
+  version: "0.1.26",
   description: "\u672C\u5730\u4F18\u5148\u7684\u98DE\u4E66/Lark \u5BB6\u5EAD\u7FA4\u77E5\u8BC6\u5E93\u673A\u5668\u4EBA",
   type: "module",
   main: "dist/index.js",
@@ -3773,19 +3773,36 @@ function stripMentions(text, mentions) {
   }
   return result.replace(/@/g, " ").replace(/\s+/g, " ").trim();
 }
-var FEISHU_TOOL_SYSTEM_PROMPT = "\u4F60\u662F\u98DE\u4E66\u7FA4\u804A\u52A9\u624B\u3002\u4F60\u53EF\u4EE5\u5148\u641C\u7D22\u672C\u5730\u77E5\u8BC6\u6765\u56DE\u7B54\u95EE\u9898\uFF1B\u5F53\u7528\u6237\u660E\u786E\u8981\u6C42\u521B\u5EFA\u3001\u67E5\u770B\u6216\u5220\u9664\u7FA4\u6D88\u606F\u5B9A\u65F6\u4EFB\u52A1\u65F6\uFF0C\u4E5F\u53EF\u4EE5\u8C03\u7528\u5B9A\u65F6\u4EFB\u52A1\u5DE5\u5177\u3002\u5B9A\u65F6\u4EFB\u52A1\u5DE5\u5177\u53EA\u7BA1\u7406\u5F53\u524D\u7FA4\u804A\uFF0C\u4E0D\u80FD\u8DE8\u7FA4\u64CD\u4F5C\u3002\u82E5\u7528\u6237\u7528\u81EA\u7136\u8BED\u8A00\u63CF\u8FF0\u65F6\u95F4\uFF0C\u4F60\u9700\u8981\u5148\u5C06\u5176\u8F6C\u6362\u4E3A\u4E94\u5B57\u6BB5 cron \u8868\u8FBE\u5F0F\uFF08\u5206 \u65F6 \u65E5 \u6708 \u5468\uFF09\uFF0C\u518D\u8C03\u7528\u5DE5\u5177\u3002\u5F53\u524D\u65F6\u95F4\u4F1A\u63D0\u4F9B\u7ED9\u4F60\u3002\u68C0\u7D22\u8BC1\u636E\u4E2D\u7684\u65F6\u95F4\u6233\u662F\u6D88\u606F\u88AB\u53D1\u9001\u65F6\u7684\u771F\u5B9E\u65F6\u95F4\u3002\u56DE\u7B54\u65F6\u82E5\u6D89\u53CA\u76F8\u5BF9\u65F6\u95F4\u8868\u8FF0\uFF08\u5982\u6D88\u606F\u4E2D\u8BF4\u201C\u660E\u5929\u201D\u201C\u4ECA\u665A\u201D\uFF09\uFF0C\u5FC5\u987B\u57FA\u4E8E\u8BC1\u636E\u4E2D\u6BCF\u6761\u6D88\u606F\u7684\u65F6\u95F4\u6233\u63A8\u5BFC\u4E3A\u5177\u4F53\u65E5\u671F\uFF0C\u4E0D\u8981\u7167\u642C\u539F\u6587\u7684\u76F8\u5BF9\u8868\u8FF0\u3002\u5BF9\u4E8E\u4E00\u822C\u95EE\u7B54\uFF0C\u5148\u6309\u9700\u8C03\u7528\u641C\u7D22\u5DE5\u5177\uFF0C\u518D\u57FA\u4E8E\u5DE5\u5177\u8FD4\u56DE\u7684\u8BC1\u636E\u76F4\u63A5\u7ED9\u51FA\u6700\u7EC8\u7B54\u6848\uFF1B\u82E5\u5F15\u7528\u4E86\u68C0\u7D22\u7ED3\u679C\uFF0C\u8981\u5728\u7B54\u6848\u91CC\u76F4\u63A5\u5199\u51FA\u5F15\u7528\u5185\u5BB9\u3002\u4E0D\u8981\u58F0\u79F0\u5B8C\u6210\u4E86\u672A\u5B9E\u9645\u8C03\u7528\u7684\u64CD\u4F5C\u3002";
+var FEISHU_TOOL_SYSTEM_PROMPT = `\u4F60\u662F\u98DE\u4E66\u7FA4\u804A\u52A9\u624B\u3002\u4F60\u53EF\u4EE5\u5148\u641C\u7D22\u672C\u5730\u77E5\u8BC6\u6765\u56DE\u7B54\u95EE\u9898\uFF1B\u5F53\u7528\u6237\u660E\u786E\u8981\u6C42\u521B\u5EFA\u3001\u67E5\u770B\u6216\u5220\u9664\u7FA4\u6D88\u606F\u5B9A\u65F6\u4EFB\u52A1\u65F6\uFF0C\u4E5F\u53EF\u4EE5\u8C03\u7528\u5B9A\u65F6\u4EFB\u52A1\u5DE5\u5177\u3002\u5B9A\u65F6\u4EFB\u52A1\u5DE5\u5177\u53EA\u7BA1\u7406\u5F53\u524D\u7FA4\u804A\uFF0C\u4E0D\u80FD\u8DE8\u7FA4\u64CD\u4F5C\u3002\u82E5\u7528\u6237\u7528\u81EA\u7136\u8BED\u8A00\u63CF\u8FF0\u65F6\u95F4\uFF0C\u4F60\u9700\u8981\u5148\u5C06\u5176\u8F6C\u6362\u4E3A\u4E94\u5B57\u6BB5 cron \u8868\u8FBE\u5F0F\uFF08\u5206 \u65F6 \u65E5 \u6708 \u5468\uFF09\uFF0C\u518D\u8C03\u7528\u5DE5\u5177\u3002\u5F53\u524D\u65F6\u95F4\u4F1A\u63D0\u4F9B\u7ED9\u4F60\u3002\u68C0\u7D22\u8BC1\u636E\u4E2D\u7684\u65F6\u95F4\u6233\u662F\u6D88\u606F\u88AB\u53D1\u9001\u65F6\u7684\u771F\u5B9E\u65F6\u95F4\u3002\u56DE\u7B54\u65F6\u82E5\u6D89\u53CA\u76F8\u5BF9\u65F6\u95F4\u8868\u8FF0\uFF08\u5982\u6D88\u606F\u4E2D\u8BF4\u201D\u660E\u5929\u201D\u201D\u4ECA\u665A\u201D\uFF09\uFF0C\u5FC5\u987B\u57FA\u4E8E\u8BC1\u636E\u4E2D\u6BCF\u6761\u6D88\u606F\u7684\u65F6\u95F4\u6233\u63A8\u5BFC\u4E3A\u5177\u4F53\u65E5\u671F\uFF0C\u4E0D\u8981\u7167\u642C\u539F\u6587\u7684\u76F8\u5BF9\u8868\u8FF0\u3002\u5BF9\u4E8E\u4E00\u822C\u95EE\u7B54\uFF0C\u5148\u6309\u9700\u8C03\u7528\u641C\u7D22\u5DE5\u5177\uFF0C\u518D\u57FA\u4E8E\u5DE5\u5177\u8FD4\u56DE\u7684\u8BC1\u636E\u76F4\u63A5\u7ED9\u51FA\u6700\u7EC8\u7B54\u6848\uFF1B\u82E5\u5F15\u7528\u4E86\u68C0\u7D22\u7ED3\u679C\uFF0C\u8981\u5728\u7B54\u6848\u91CC\u76F4\u63A5\u5199\u51FA\u5F15\u7528\u5185\u5BB9\u3002\u4E0D\u8981\u58F0\u79F0\u5B8C\u6210\u4E86\u672A\u5B9E\u9645\u8C03\u7528\u7684\u64CD\u4F5C\u3002\u91CD\u8981\uFF1A\u4F60\u7684\u56DE\u7B54\u5FC5\u987B\u662F\u9762\u5411\u7FA4\u6210\u5458\u7684\u81EA\u7136\u8BED\u8A00\uFF0C\u7EDD\u5BF9\u4E0D\u80FD\u8F93\u51FA JSON\u3001\u5DE5\u5177\u8C03\u7528\u7EC6\u8282\u6216\u539F\u59CB\u7684\u641C\u7D22\u7ED3\u679C\u683C\u5F0F\u3002\u7528\u6237\u53EA\u5E94\u770B\u5230\u4F60\u6574\u5408\u540E\u7684\u6700\u7EC8\u7B54\u6848\u3002`;
 var DEFAULT_MAX_MODEL_TURNS = 4;
 var DEFAULT_MAX_TOOL_CALLS = 8;
 var FEISHU_TOOL_LOOP_FALLBACK = "\u5B9A\u65F6\u4EFB\u52A1\u64CD\u4F5C\u5DF2\u63D0\u4EA4\uFF0C\u4F46\u6A21\u578B\u6CA1\u6709\u751F\u6210\u6700\u7EC8\u56DE\u590D\u3002";
 var FEISHU_TOOL_LOOP_LIMIT_REACHED = "\u5DE5\u5177\u8C03\u7528\u6B21\u6570\u5DF2\u8FBE\u5230\u4E0A\u9650\uFF0C\u8BF7\u7F29\u5C0F\u8BF7\u6C42\u540E\u91CD\u8BD5\u3002";
 function toToolResultContent(value) {
-  return typeof value === "string" ? value : JSON.stringify(value);
+  if (typeof value === "string") return value;
+  return JSON.stringify(value);
+}
+function isEvidenceBlockArray(value) {
+  return Array.isArray(value) && value.length > 0 && typeof value[0]?.text === "string";
+}
+function formatEvidenceBlocks(blocks) {
+  return blocks.map((block, index2) => {
+    const source = block.source;
+    const sender = source.sender ? `${source.sender} ` : "";
+    const timestamp = source.timestamp ? `(${source.timestamp.slice(0, 19).replace("T", " ")})` : "";
+    const header = `[\u8BC1\u636E${index2 + 1}] ${sender}${timestamp}:`;
+    return `${header}
+${block.text}`;
+  }).join("\n\n");
 }
 function toToolErrorContent(message) {
   return JSON.stringify({ ok: false, error: message });
 }
 async function executeFeishuTool(tool, input2) {
   const result = await tool.execute(input2);
+  if (isEvidenceBlockArray(result)) {
+    return formatEvidenceBlocks(result);
+  }
   return toToolResultContent(result);
 }
 async function runFeishuToolLoop(input2) {
@@ -3843,7 +3860,15 @@ async function runFeishuToolLoop(input2) {
       }
     }
   }
-  return FEISHU_TOOL_LOOP_FALLBACK;
+  try {
+    const salvageAnswer = await input2.model.complete([
+      ...messages,
+      { role: "system", content: "\u8BF7\u57FA\u4E8E\u4EE5\u4E0A\u6240\u6709\u5DE5\u5177\u8FD4\u56DE\u7684\u4FE1\u606F\uFF0C\u76F4\u63A5\u7ED9\u51FA\u6700\u7EC8\u7B54\u6848\u3002\u4E0D\u8981\u518D\u8C03\u7528\u5DE5\u5177\u3002" }
+    ]);
+    return salvageAnswer || "\u62B1\u6B49\uFF0C\u56DE\u7B54\u751F\u6210\u5931\u8D25\uFF0C\u8BF7\u7A0D\u540E\u91CD\u8BD5\u3002";
+  } catch {
+    return "\u62B1\u6B49\uFF0C\u56DE\u7B54\u751F\u6210\u5931\u8D25\uFF0C\u8BF7\u7A0D\u540E\u91CD\u8BD5\u3002";
+  }
 }
 function isMentionForBot(mention, config) {
   if (!config.feishu.botOpenId) {