koishi-plugin-best-cave 2.2.8 → 2.3.0

package/lib/index.js

@@ -431,62 +431,38 @@ async function handleFileUploads(ctx, config, fileManager, logger2, reviewManage
   try {
     const downloadedMedia = [];
     const imageHashesToStore = [];
-    const existingHashes = hashManager ? await ctx.database.get("cave_hash", { type: { $ne: "simhash" } }) : [];
-    const existingColorPHashes = existingHashes.filter((h4) => h4.type === "phash_color");
-    const existingDHashes = existingHashes.filter((h4) => h4.type === "dhash_gray");
-    const existingSubHashObjects = existingHashes.filter((h4) => h4.type.startsWith("sub_phash_"));
+    const allExistingImageHashes = hashManager ? await ctx.database.get("cave_hash", { type: { $ne: "simhash" } }) : [];
+    const existingGlobalHashes = allExistingImageHashes.filter((h4) => h4.type === "phash_g");
+    const existingQuadrantHashes = allExistingImageHashes.filter((h4) => h4.type.startsWith("phash_q"));
     for (const media of mediaToToSave) {
       const buffer = Buffer.from(await ctx.http.get(media.sourceUrl, { responseType: "arraybuffer", timeout: 3e4 }));
       downloadedMedia.push({ fileName: media.fileName, buffer });
       if (hashManager && [".png", ".jpg", ".jpeg", ".webp"].includes(path2.extname(media.fileName).toLowerCase())) {
-        const { colorPHash, dHash, subHashes } = await hashManager.generateAllImageHashes(buffer);
-        let caveToDelete = null;
-        let highestCombinedSimilarity = 0;
-        const similarityScores = /* @__PURE__ */ new Map();
-        for (const existing of existingColorPHashes) {
-          const similarity = hashManager.calculateSimilarity(colorPHash, existing.hash);
+        const { globalHash, quadrantHashes } = await hashManager.generateAllImageHashes(buffer);
+        for (const existing of existingGlobalHashes) {
+          const similarity = hashManager.calculateSimilarity(globalHash, existing.hash);
           if (similarity >= config.imageWholeThreshold) {
-            if (!similarityScores.has(existing.cave)) similarityScores.set(existing.cave, {});
-            similarityScores.get(existing.cave).colorSim = similarity;
+            await session.send(`图片与回声洞（${existing.cave}）的相似度（${similarity.toFixed(2)}%）超过阈值`);
+            await ctx.database.upsert("cave", [{ id: cave.id, status: "delete" }]);
+            cleanupPendingDeletions(ctx, fileManager, logger2, reusableIds);
+            return;
           }
         }
-        for (const existing of existingDHashes) {
-          const similarity = hashManager.calculateSimilarity(dHash, existing.hash);
-          if (similarity >= config.imageWholeThreshold) {
-            if (!similarityScores.has(existing.cave)) similarityScores.set(existing.cave, {});
-            similarityScores.get(existing.cave).dSim = similarity;
-          }
-        }
-        for (const [caveId, scores] of similarityScores.entries()) {
-          if (scores.colorSim && scores.dSim) {
-            caveToDelete = caveId;
-            highestCombinedSimilarity = scores.colorSim;
-            break;
-          }
-        }
-        if (caveToDelete) {
-          await session.send(`图片与回声洞（${caveToDelete}）的相似度为 ${(highestCombinedSimilarity * 100).toFixed(2)}%，超过阈值`);
-          await ctx.database.upsert("cave", [{ id: cave.id, status: "delete" }]);
-          cleanupPendingDeletions(ctx, fileManager, logger2, reusableIds);
-          return;
-        }
         const notifiedPartialCaves = /* @__PURE__ */ new Set();
-        for (const newSubHash of Object.values(subHashes)) {
-          for (const existing of existingSubHashObjects) {
+        for (const newSubHash of Object.values(quadrantHashes)) {
+          for (const existing of existingQuadrantHashes) {
             if (notifiedPartialCaves.has(existing.cave)) continue;
-            const similarity = hashManager.calculateSimilarity(newSubHash, existing.hash);
-            if (similarity >= config.imagePartThreshold) {
-              await session.send(`图片局部与回声洞（${existing.cave}）的相似度为 ${(similarity * 100).toFixed(2)}%`);
+            if (newSubHash === existing.hash) {
+              await session.send(`图片与回声洞（${existing.cave}）局部相同`);
               notifiedPartialCaves.add(existing.cave);
             }
           }
         }
-        imageHashesToStore.push({ hash: colorPHash, type: "phash_color" });
-        imageHashesToStore.push({ hash: dHash, type: "dhash_gray" });
-        imageHashesToStore.push({ hash: subHashes.q1, type: "sub_phash_q1" });
-        imageHashesToStore.push({ hash: subHashes.q2, type: "sub_phash_q2" });
-        imageHashesToStore.push({ hash: subHashes.q3, type: "sub_phash_q3" });
-        imageHashesToStore.push({ hash: subHashes.q4, type: "sub_phash_q4" });
+        imageHashesToStore.push({ hash: globalHash, type: "phash_g" });
+        imageHashesToStore.push({ hash: quadrantHashes.q1, type: "phash_q1" });
+        imageHashesToStore.push({ hash: quadrantHashes.q2, type: "phash_q2" });
+        imageHashesToStore.push({ hash: quadrantHashes.q3, type: "phash_q3" });
+        imageHashesToStore.push({ hash: quadrantHashes.q4, type: "phash_q4" });
       }
     }
     await Promise.all(downloadedMedia.map((item) => fileManager.saveFile(item.fileName, item.buffer)));
@@ -606,9 +582,9 @@ var HashManager = class {
   /**
    * @constructor
    * @param ctx - Koishi 上下文，用于数据库操作。
-   * @param config - 插件配置，用于获取相似度阈值。
+   * @param config - 插件配置，用于获取相似度阈值等。
    * @param logger - 日志记录器实例。
-   * @param fileManager - 文件管理器实例，用于处理历史数据。
+   * @param fileManager - 文件管理器实例，用于读取图片文件。
    */
   constructor(ctx, config, logger2, fileManager) {
     this.ctx = ctx;
@@ -627,7 +603,7 @@ var HashManager = class {
     __name(this, "HashManager");
   }
   /**
-   * @description 注册与哈希校验相关的子命令。
+   * @description 注册与哈希功能相关的 `.hash` 和 `.check` 子命令。
    * @param cave - 主 `cave` 命令实例。
    */
   registerCommands(cave) {
@@ -637,7 +613,7 @@ var HashManager = class {
         return "此指令仅限在管理群组中使用";
       }
     }, "adminCheck");
-    cave.subcommand(".hash", "校验回声洞").usage("校验所有回声洞，补全所有哈希记录。").action(async (argv) => {
+    cave.subcommand(".hash", "校验回声洞").usage("校验缺失哈希的回声洞，补全哈希记录。").action(async (argv) => {
       const checkResult = adminCheck(argv);
       if (checkResult) return checkResult;
       await argv.session.send("正在处理，请稍候...");
@@ -648,7 +624,7 @@ var HashManager = class {
         return `操作失败: ${error.message}`;
       }
     });
-    cave.subcommand(".check", "检查回声洞").usage("检查所有已存在哈希的回声洞的相似度。").action(async (argv) => {
+    cave.subcommand(".check", "检查相似度").usage("检查所有回声洞，找出相似度过高的内容。").action(async (argv) => {
       const checkResult = adminCheck(argv);
       if (checkResult) return checkResult;
       await argv.session.send("正在检查，请稍候...");
@@ -662,249 +638,160 @@ var HashManager = class {
   }
   /**
    * @description 检查数据库中所有回声洞，为没有哈希记录的历史数据生成哈希。
-   * @returns {Promise<string>} 一个包含操作结果的报告字符串。
+   * @returns 一个包含操作结果的报告字符串。
    */
   async generateHashesForHistoricalCaves() {
     const allCaves = await this.ctx.database.get("cave", { status: "active" });
-    const existingHashes = await this.ctx.database.get("cave_hash", {}, { fields: ["cave", "hash", "type"] });
+    const existingHashes = await this.ctx.database.get("cave_hash", {});
     const existingHashSet = new Set(existingHashes.map((h4) => `${h4.cave}-${h4.hash}-${h4.type}`));
-    const processedCaveIds = new Set(existingHashes.map((h4) => h4.cave));
-    const cavesToProcess = allCaves.filter((cave) => !processedCaveIds.has(cave.id));
-    const totalToProcessCount = cavesToProcess.length;
-    if (totalToProcessCount === 0) {
-      return "无需补全回声洞哈希";
-    }
-    this.logger.info(`开始补全 ${totalToProcessCount} 个回声洞的哈希...`);
+    if (allCaves.length === 0) return "无需补全回声洞哈希";
+    this.logger.info(`开始补全 ${allCaves.length} 个回声洞的哈希...`);
     let hashesToInsert = [];
-    const batchHashSet = /* @__PURE__ */ new Set();
     let processedCaveCount = 0;
     let totalHashesGenerated = 0;
     let errorCount = 0;
     const flushBatch = /* @__PURE__ */ __name(async () => {
-      const batchSize = hashesToInsert.length;
-      if (batchSize === 0) return;
+      if (hashesToInsert.length === 0) return;
       await this.ctx.database.upsert("cave_hash", hashesToInsert);
-      totalHashesGenerated += batchSize;
-      this.logger.info(`正在导入 ${batchSize} 条回声洞哈希... (已处理 ${processedCaveCount}/${totalToProcessCount})`);
+      totalHashesGenerated += hashesToInsert.length;
+      this.logger.info(`[${processedCaveCount}/${allCaves.length}] 正在导入 ${hashesToInsert.length} 条回声洞哈希...`);
       hashesToInsert = [];
-      batchHashSet.clear();
     }, "flushBatch");
-    for (const cave of cavesToProcess) {
+    for (const cave of allCaves) {
       processedCaveCount++;
       try {
         const newHashesForCave = await this.generateAllHashesForCave(cave);
         for (const hashObj of newHashesForCave) {
           const uniqueKey = `${hashObj.cave}-${hashObj.hash}-${hashObj.type}`;
-          if (!existingHashSet.has(uniqueKey) && !batchHashSet.has(uniqueKey)) {
+          if (!existingHashSet.has(uniqueKey)) {
             hashesToInsert.push(hashObj);
-            batchHashSet.add(uniqueKey);
+            existingHashSet.add(uniqueKey);
           }
         }
+        if (hashesToInsert.length >= 100) {
+          await flushBatch();
+        }
       } catch (error) {
         errorCount++;
-        this.logger.warn(`补全回声洞（${cave.id}）时发生错误: ${error.message}`);
-        continue;
-      }
-      if (hashesToInsert.length >= 100) {
-        await flushBatch();
+        this.logger.warn(`补全回声洞（${cave.id}）哈希时发生错误: ${error.message}`);
       }
     }
     await flushBatch();
-    return `已补全 ${totalToProcessCount} 个回声洞的 ${totalHashesGenerated} 条哈希（失败 ${errorCount} 条）`;
+    return `已补全 ${allCaves.length} 个回声洞的 ${totalHashesGenerated} 条哈希（失败 ${errorCount} 条）`;
   }
   /**
-   * @description 为单个回声洞对象生成所有类型的哈希。
+   * @description 为单个回声洞对象生成所有类型的哈希（文本+图片）。
    * @param cave - 回声洞对象。
-   * @returns {Promise<CaveHashObject[]>} 生成的哈希对象数组。
+   * @returns 生成的哈希对象数组。
    */
   async generateAllHashesForCave(cave) {
-    const allHashes = [];
+    const tempHashes = [];
+    const uniqueHashTracker = /* @__PURE__ */ new Set();
+    const addUniqueHash = /* @__PURE__ */ __name((hashObj) => {
+      const key = `${hashObj.hash}-${hashObj.type}`;
+      if (!uniqueHashTracker.has(key)) {
+        tempHashes.push(hashObj);
+        uniqueHashTracker.add(key);
+      }
+    }, "addUniqueHash");
     const combinedText = cave.elements.filter((el) => el.type === "text" && el.content).map((el) => el.content).join(" ");
     if (combinedText) {
       const textHash = this.generateTextSimhash(combinedText);
-      if (textHash) {
-        allHashes.push({ cave: cave.id, hash: textHash, type: "simhash" });
-      }
+      if (textHash) addUniqueHash({ cave: cave.id, hash: textHash, type: "simhash" });
     }
     for (const el of cave.elements.filter((el2) => el2.type === "image" && el2.file)) {
       try {
         const imageBuffer = await this.fileManager.readFile(el.file);
-        const imageHashes = await this.generateAllImageHashes(imageBuffer);
-        allHashes.push({ cave: cave.id, hash: imageHashes.colorPHash, type: "phash_color" });
-        allHashes.push({ cave: cave.id, hash: imageHashes.dHash, type: "dhash_gray" });
-        allHashes.push({ cave: cave.id, hash: imageHashes.subHashes.q1, type: "sub_phash_q1" });
-        allHashes.push({ cave: cave.id, hash: imageHashes.subHashes.q2, type: "sub_phash_q2" });
-        allHashes.push({ cave: cave.id, hash: imageHashes.subHashes.q3, type: "sub_phash_q3" });
-        allHashes.push({ cave: cave.id, hash: imageHashes.subHashes.q4, type: "sub_phash_q4" });
+        const { globalHash, quadrantHashes } = await this.generateAllImageHashes(imageBuffer);
+        addUniqueHash({ cave: cave.id, hash: globalHash, type: "phash_g" });
+        addUniqueHash({ cave: cave.id, hash: quadrantHashes.q1, type: "phash_q1" });
+        addUniqueHash({ cave: cave.id, hash: quadrantHashes.q2, type: "phash_q2" });
+        addUniqueHash({ cave: cave.id, hash: quadrantHashes.q3, type: "phash_q3" });
+        addUniqueHash({ cave: cave.id, hash: quadrantHashes.q4, type: "phash_q4" });
       } catch (e) {
-        this.logger.warn(`无法为回声洞（${cave.id}）的内容（${el.file}）生成哈希:`, e);
+        this.logger.warn(`无法为回声洞（${cave.id}）的图片（${el.file}）生成哈希:`, e);
       }
     }
-    return allHashes;
+    return tempHashes;
   }
   /**
-   * @description 为单个图片Buffer生成所有类型的哈希。
-   * @param imageBuffer - 图片的Buffer数据。
-   * @returns {Promise<object>} 包含所有图片哈希的对象。
-   */
-  async generateAllImageHashes(imageBuffer) {
-    const [colorPHash, dHash, subHashes] = await Promise.all([
-      this.generateColorPHash(imageBuffer),
-      this.generateDHash(imageBuffer),
-      this.generateImageSubHashes(imageBuffer)
-    ]);
-    return { colorPHash, dHash, subHashes };
-  }
-  /**
-   * @description 对回声洞进行混合策略的相似度与重复内容检查。
-   * @returns {Promise<string>} 一个包含操作结果的报告字符串。
+   * @description 对数据库中所有哈希进行两两比较，找出相似度过高的内容。
+   * @returns 一个包含检查结果的报告字符串。
    */
   async checkForSimilarCaves() {
     const allHashes = await this.ctx.database.get("cave_hash", {});
-    const caves = await this.ctx.database.get("cave", { status: "active" }, { fields: ["id"] });
-    const allCaveIds = caves.map((c) => c.id);
-    const hashGroups = {
-      simhash: /* @__PURE__ */ new Map(),
-      phash_color: /* @__PURE__ */ new Map(),
-      dhash_gray: /* @__PURE__ */ new Map()
-    };
-    const subHashGroups = /* @__PURE__ */ new Map();
+    const allCaveIds = [...new Set(allHashes.map((h4) => h4.cave))];
+    const textHashes = /* @__PURE__ */ new Map();
+    const globalHashes = /* @__PURE__ */ new Map();
+    const quadrantHashes = /* @__PURE__ */ new Map();
     for (const hash of allHashes) {
-      if (hashGroups[hash.type]) {
-        if (!hashGroups[hash.type].has(hash.cave)) hashGroups[hash.type].set(hash.cave, []);
-        hashGroups[hash.type].get(hash.cave).push(hash.hash);
-      } else if (hash.type.startsWith("sub_phash_")) {
-        if (!subHashGroups.has(hash.cave)) subHashGroups.set(hash.cave, []);
-        subHashGroups.get(hash.cave).push(hash.hash);
+      if (hash.type === "simhash") {
+        textHashes.set(hash.cave, hash.hash);
+      } else if (hash.type === "phash_g") {
+        globalHashes.set(hash.cave, hash.hash);
+      } else if (hash.type.startsWith("phash_q")) {
+        if (!quadrantHashes.has(hash.cave)) quadrantHashes.set(hash.cave, /* @__PURE__ */ new Set());
+        quadrantHashes.get(hash.cave).add(hash.hash);
       }
     }
     const similarPairs = {
       text: /* @__PURE__ */ new Set(),
-      image_color: /* @__PURE__ */ new Set(),
-      image_dhash: /* @__PURE__ */ new Set(),
-      image_part: /* @__PURE__ */ new Set()
+      global: /* @__PURE__ */ new Set(),
+      partial: /* @__PURE__ */ new Set()
     };
     for (let i = 0; i < allCaveIds.length; i++) {
       for (let j = i + 1; j < allCaveIds.length; j++) {
         const id1 = allCaveIds[i];
         const id2 = allCaveIds[j];
-        const simhash1 = hashGroups.simhash.get(id1)?.[0];
-        const simhash2 = hashGroups.simhash.get(id2)?.[0];
-        if (simhash1 && simhash2) {
-          const sim = this.calculateSimilarity(simhash1, simhash2);
-          if (sim >= this.config.textThreshold) {
-            similarPairs.text.add(`${id1} & ${id2} = ${(sim * 100).toFixed(2)}%`);
+        const pair = [id1, id2].sort((a, b) => a - b).join(" & ");
+        const text1 = textHashes.get(id1);
+        const text2 = textHashes.get(id2);
+        if (text1 && text2) {
+          const similarity = this.calculateSimilarity(text1, text2);
+          if (similarity >= this.config.textThreshold) {
+            similarPairs.text.add(`${pair} = ${similarity.toFixed(2)}%`);
           }
         }
-        const colorHashes1 = hashGroups.phash_color.get(id1) || [];
-        const colorHashes2 = hashGroups.phash_color.get(id2) || [];
-        for (const h1 of colorHashes1) {
-          for (const h22 of colorHashes2) {
-            const sim = this.calculateSimilarity(h1, h22);
-            if (sim >= this.config.imageWholeThreshold) {
-              similarPairs.image_color.add(`${id1} & ${id2} = ${(sim * 100).toFixed(2)}%`);
-            }
+        const global1 = globalHashes.get(id1);
+        const global2 = globalHashes.get(id2);
+        if (global1 && global2) {
+          const similarity = this.calculateSimilarity(global1, global2);
+          if (similarity >= this.config.imageWholeThreshold) {
+            similarPairs.global.add(`${pair} = ${similarity.toFixed(2)}%`);
           }
         }
-        const dHashes1 = hashGroups.dhash_gray.get(id1) || [];
-        const dHashes2 = hashGroups.dhash_gray.get(id2) || [];
-        for (const h1 of dHashes1) {
-          for (const h22 of dHashes2) {
-            const sim = this.calculateSimilarity(h1, h22);
-            if (sim >= this.config.imageWholeThreshold) {
-              similarPairs.image_dhash.add(`${id1} & ${id2} = ${(sim * 100).toFixed(2)}%`);
+        const quads1 = quadrantHashes.get(id1);
+        const quads2 = quadrantHashes.get(id2);
+        if (quads1 && quads2 && quads1.size > 0 && quads2.size > 0) {
+          let matchFound = false;
+          for (const h1 of quads1) {
+            if (quads2.has(h1)) {
+              matchFound = true;
+              break;
             }
           }
-        }
-        const subHashes1 = subHashGroups.get(id1) || [];
-        const subHashes2 = subHashGroups.get(id2) || [];
-        if (subHashes1.length > 0 && subHashes2.length > 0) {
-          let maxPartSim = 0;
-          for (const h1 of subHashes1) {
-            for (const h22 of subHashes2) {
-              const sim = this.calculateSimilarity(h1, h22);
-              if (sim > maxPartSim) {
-                maxPartSim = sim;
-              }
-            }
-          }
-          if (maxPartSim >= this.config.imagePartThreshold) {
-            similarPairs.image_part.add(`${id1} & ${id2} = ${(maxPartSim * 100).toFixed(2)}%`);
+          if (matchFound) {
+            similarPairs.partial.add(pair);
           }
         }
       }
     }
-    const totalFindings = similarPairs.text.size + similarPairs.image_color.size + similarPairs.image_dhash.size + similarPairs.image_part.size;
+    const totalFindings = similarPairs.text.size + similarPairs.global.size + similarPairs.partial.size;
     if (totalFindings === 0) return "未发现高相似度的内容";
     let report = `已发现 ${totalFindings} 组高相似度的内容:`;
-    if (similarPairs.text.size > 0) report += "\n文本近似:\n" + [...similarPairs.text].join("\n");
-    if (similarPairs.image_color.size > 0) report += "\n图片颜色相似:\n" + [...similarPairs.image_color].join("\n");
-    if (similarPairs.image_dhash.size > 0) report += "\n图片结构相似:\n" + [...similarPairs.image_dhash].join("\n");
-    if (similarPairs.image_part.size > 0) report += "\n图片局部近似:\n" + [...similarPairs.image_part].join("\n");
+    if (similarPairs.text.size > 0) report += "\n文本内容相似:\n" + [...similarPairs.text].join("\n");
+    if (similarPairs.global.size > 0) report += "\n图片整体相似:\n" + [...similarPairs.global].join("\n");
+    if (similarPairs.partial.size > 0) report += "\n图片局部相同:\n" + [...similarPairs.partial].join("\n");
     return report.trim();
   }
   /**
-   * @description 从单通道原始像素数据计算pHash。
-   * @param channelData - 单通道的像素值数组。
-   * @param size - 图像的边长（例如16）。
-   * @returns {string} 该通道的二进制哈希字符串。
-   */
-  _calculateHashFromRawChannel(channelData, size) {
-    const totalLuminance = channelData.reduce((acc, val) => acc + val, 0);
-    const avgLuminance = totalLuminance / (size * size);
-    return channelData.map((lum) => lum > avgLuminance ? "1" : "0").join("");
-  }
-  /**
-   * @description 生成768位颜色感知哈希（Color pHash）。
-   * @param imageBuffer - 图片的 Buffer 数据。
-   * @returns {Promise<string>} 768位二进制哈希对应的192位十六进制字符串。
-   */
-  async generateColorPHash(imageBuffer) {
-    const { data, info } = await (0, import_sharp.default)(imageBuffer).resize(16, 16, { fit: "fill" }).removeAlpha().raw().toBuffer({ resolveWithObject: true });
-    const { channels } = info;
-    const r = [], g = [], b = [];
-    for (let i = 0; i < data.length; i += channels) {
-      r.push(data[i]);
-      g.push(data[i + 1]);
-      b.push(data[i + 2]);
-    }
-    const rHash = this._calculateHashFromRawChannel(r, 16);
-    const gHash = this._calculateHashFromRawChannel(g, 16);
-    const bHash = this._calculateHashFromRawChannel(b, 16);
-    const combinedHash = rHash + gHash + bHash;
-    let hex = "";
-    for (let i = 0; i < combinedHash.length; i += 4) {
-      hex += parseInt(combinedHash.substring(i, i + 4), 2).toString(16);
-    }
-    return hex.padStart(192, "0");
-  }
-  /**
-   * @description 生成256位差异哈希（dHash）。
-   * @param imageBuffer - 图片的 Buffer 数据。
-   * @returns {Promise<string>} 256位二进制哈希对应的64位十六进制字符串。
-   */
-  async generateDHash(imageBuffer) {
-    const pixels = await (0, import_sharp.default)(imageBuffer).grayscale().resize(17, 16, { fit: "fill" }).raw().toBuffer();
-    let hash = "";
-    for (let y = 0; y < 16; y++) {
-      for (let x = 0; x < 16; x++) {
-        const i = y * 17 + x;
-        hash += pixels[i] > pixels[i + 1] ? "1" : "0";
-      }
-    }
-    return BigInt("0b" + hash).toString(16).padStart(64, "0");
-  }
-  /**
-   * @description 将图片切割为4个象限并为每个象限生成Color pHash。
-   * @param imageBuffer - 图片的 Buffer 数据。
-   * @returns {Promise<object>} 包含四个象限哈希的对象。
+   * @description 为单个图片Buffer生成全局pHash和四个象限的局部pHash。
+   * @param imageBuffer - 图片的Buffer数据。
+   * @returns 包含全局哈希和四象限哈希的对象。
    */
-  async generateImageSubHashes(imageBuffer) {
+  async generateAllImageHashes(imageBuffer) {
+    const globalHash = await this._generatePHash(imageBuffer, 256);
     const { width, height } = await (0, import_sharp.default)(imageBuffer).metadata();
-    if (!width || !height || width < 16 || height < 16) {
-      const fallbackHash = await this.generateColorPHash(imageBuffer);
-      return { q1: fallbackHash, q2: fallbackHash, q3: fallbackHash, q4: fallbackHash };
-    }
     const w2 = Math.floor(width / 2), h22 = Math.floor(height / 2);
     const regions = [
       { left: 0, top: 0, width: w2, height: h22 },
@@ -914,17 +801,73 @@ var HashManager = class {
     ];
     const [q1, q2, q3, q4] = await Promise.all(
       regions.map((region) => {
-        if (region.width < 8 || region.height < 8) return this.generateColorPHash(imageBuffer);
-        return (0, import_sharp.default)(imageBuffer).extract(region).toBuffer().then((b) => this.generateColorPHash(b));
+        if (region.width < 16 || region.height < 16) return this._generatePHash(imageBuffer, 64);
+        return (0, import_sharp.default)(imageBuffer).extract(region).toBuffer().then((b) => this._generatePHash(b, 64));
       })
     );
-    return { q1, q2, q3, q4 };
+    return { globalHash, quadrantHashes: { q1, q2, q3, q4 } };
+  }
+  /**
+   * @description 执行二维离散余弦变换 (DCT-II)。
+   * @param matrix - 输入的 N x N 像素亮度矩阵。
+   * @returns DCT变换后的 N x N 系数矩阵。
+   */
+  _dct2D(matrix) {
+    const N = matrix.length;
+    if (N === 0) return [];
+    const cosines = Array.from(
+      { length: N },
+      (_, i) => Array.from({ length: N }, (_2, j) => Math.cos(Math.PI * (2 * i + 1) * j / (2 * N)))
+    );
+    const applyDct1D = /* @__PURE__ */ __name((input) => {
+      const output = new Array(N).fill(0);
+      const scale = Math.sqrt(2 / N);
+      for (let k = 0; k < N; k++) {
+        let sum = 0;
+        for (let n = 0; n < N; n++) {
+          sum += input[n] * cosines[n][k];
+        }
+        output[k] = scale * sum;
+      }
+      output[0] /= Math.sqrt(2);
+      return output;
+    }, "applyDct1D");
+    const tempMatrix = matrix.map((row) => applyDct1D(row));
+    const transposed = tempMatrix[0].map((_, col) => tempMatrix.map((row) => row[col]));
+    const dctResult = transposed.map((row) => applyDct1D(row));
+    return dctResult[0].map((_, col) => dctResult.map((row) => row[col]));
   }
   /**
-   * @description 计算两个十六进制哈希字符串之间的汉明距离。
-   * @param hex1 - 第一个十六进制哈希字符串。
-   * @param hex2 - 第二个十六进制哈希字符串。
-   * @returns {number} 两个哈希之间的距离。
+   * @description pHash 算法核心实现。
+   * @param imageBuffer - 图片的Buffer。
+   * @param size - 期望的哈希位数 (必须是完全平方数, 如 64 或 256)。
+   * @returns 十六进制pHash字符串。
+   */
+  async _generatePHash(imageBuffer, size) {
+    const dctSize = 32;
+    const hashGridSize = Math.sqrt(size);
+    if (!Number.isInteger(hashGridSize)) throw new Error("哈希位数必须是完全平方数");
+    const pixels = await (0, import_sharp.default)(imageBuffer).grayscale().resize(dctSize, dctSize, { fit: "fill" }).raw().toBuffer();
+    const matrix = [];
+    for (let y = 0; y < dctSize; y++) {
+      matrix.push(Array.from(pixels.slice(y * dctSize, (y + 1) * dctSize)));
+    }
+    const dctMatrix = this._dct2D(matrix);
+    const coefficients = [];
+    for (let y = 0; y < hashGridSize; y++) {
+      for (let x = 0; x < hashGridSize; x++) {
+        coefficients.push(dctMatrix[y][x]);
+      }
+    }
+    const median = [...coefficients.slice(1)].sort((a, b) => a - b)[Math.floor((coefficients.length - 1) / 2)];
+    const binaryHash = coefficients.map((val) => val > median ? "1" : "0").join("");
+    return BigInt("0b" + binaryHash).toString(16).padStart(size / 4, "0");
+  }
+  /**
+   * @description 计算两个十六进制哈希字符串之间的汉明距离 (不同位的数量)。
+   * @param hex1 - 第一个哈希。
+   * @param hex2 - 第二个哈希。
+   * @returns 汉明距离。
    */
   calculateHammingDistance(hex1, hex2) {
     let distance = 0;
@@ -937,26 +880,24 @@ var HashManager = class {
     return distance;
   }
   /**
-   * @description 根据汉明距离计算图片或文本哈希的相似度。
-   * @param hex1 - 第一个十六进制哈希字符串。
-   * @param hex2 - 第二个十六进制哈希字符串。
-   * @returns {number} 范围在0到1之间的相似度得分。
+   * @description 根据汉明距离计算相似度百分比。
+   * @param hex1 - 第一个哈希。
+   * @param hex2 - 第二个哈希。
+   * @returns 相似度 (0-100)。
    */
   calculateSimilarity(hex1, hex2) {
     const distance = this.calculateHammingDistance(hex1, hex2);
     const hashLength = Math.max(hex1.length, hex2.length) * 4;
-    return hashLength === 0 ? 1 : 1 - distance / hashLength;
+    return hashLength === 0 ? 100 : (1 - distance / hashLength) * 100;
   }
   /**
-   * @description 为文本生成基于 Simhash 算法的哈希字符串。
+   * @description 为文本生成 64 位 Simhash 字符串。
    * @param text - 需要处理的文本。
-   * @returns {string} 64位二进制 Simhash 对应的16位十六进制字符串。
+   * @returns 16位十六进制 Simhash 字符串。
    */
   generateTextSimhash(text) {
     const cleanText = (text || "").toLowerCase().replace(/\s+/g, "");
-    if (!cleanText) {
-      return "";
-    }
+    if (!cleanText) return "";
     const n = 2;
     const tokens = /* @__PURE__ */ new Set();
     if (cleanText.length < n) {
@@ -967,9 +908,7 @@ var HashManager = class {
       }
     }
     const tokenArray = Array.from(tokens);
-    if (tokenArray.length === 0) {
-      return "";
-    }
+    if (tokenArray.length === 0) return "";
     const vector = new Array(64).fill(0);
     tokenArray.forEach((token) => {
       const hash = crypto.createHash("md5").update(token).digest();
@@ -983,8 +922,8 @@ var HashManager = class {
 };
 function hexToBinary(hex) {
   let bin = "";
-  for (let i = 0; i < hex.length; i++) {
-    bin += parseInt(hex[i], 16).toString(2).padStart(4, "0");
+  for (const char of hex) {
+    bin += parseInt(char, 16).toString(2).padStart(4, "0");
   }
   return bin;
 }
@@ -1018,9 +957,8 @@ var Config = import_koishi3.Schema.intersect([
   import_koishi3.Schema.object({
     enableReview: import_koishi3.Schema.boolean().default(false).description("启用审核"),
     enableSimilarity: import_koishi3.Schema.boolean().default(false).description("启用查重"),
-    textThreshold: import_koishi3.Schema.number().min(0).max(1).step(0.01).default(0.9).description("文本相似度阈值"),
-    imageWholeThreshold: import_koishi3.Schema.number().min(0).max(1).step(0.01).default(0.9).description("图片整体相似度阈值"),
-    imagePartThreshold: import_koishi3.Schema.number().min(0).max(1).step(0.01).default(0.95).description("图片局部相似度阈值")
+    textThreshold: import_koishi3.Schema.number().min(0).max(100).step(0.01).default(95).description("文本相似度阈值 (%)"),
+    imageWholeThreshold: import_koishi3.Schema.number().min(0).max(100).step(0.01).default(95).description("图片相似度阈值 (%)")
   }).description("复核配置"),
   import_koishi3.Schema.object({
     localPath: import_koishi3.Schema.string().description("文件映射路径"),
@@ -1097,7 +1035,7 @@ function apply(ctx, config) {
             for (const existing of existingTextHashes) {
               const similarity = hashManager.calculateSimilarity(newSimhash, existing.hash);
               if (similarity >= config.textThreshold) {
-                return `文本与回声洞（${existing.cave}）的相似度为 ${(similarity * 100).toFixed(2)}%，超过阈值`;
+                return `文本与回声洞（${existing.cave}）的相似度（${similarity.toFixed(2)}%）超过阈值`;
               }
             }
             textHashesToStore.push({ hash: newSimhash, type: "simhash" });

package/package.json

@@ -1,7 +1,7 @@
 {
   "name": "koishi-plugin-best-cave",
   "description": "功能强大、高度可定制的回声洞。支持丰富的媒体类型、内容查重、人工审核、用户昵称、数据迁移以及本地/S3 双重文件存储后端。",
-  "version": "2.2.8",
+  "version": "2.3.0",
   "contributors": [
     "Yis_Rime <yis_rime@outlook.com>"
   ],

package/readme.md

@@ -8,13 +8,14 @@
 
 - **丰富的内容形式**：不止于文本，轻松发布包含图片、视频、音频甚至文件的混合内容。插件能自动解析回复或引用的消息，并将其完整存入回声洞。
 - **灵活的存储后端**：媒体文件可存储在 **本地服务器** (`data/cave` 目录)，或配置使用 **AWS S3** 兼容的云端对象存储。支持通过公共URL、本地文件路径或Base64三种方式发送媒体。
-- **内容相似度检查**：(可选) 启用后，插件会在添加时自动计算文本（Simhash）和图片（pHash）的哈希值，拒绝与现有内容相似度过高的投稿，有效防止重复。
+- **高级内容查重**：(可选) 启用后，插件会在添加时自动计算文本（Simhash）和图片（pHash，包括整体及分块哈希）的哈希值，拒绝与现有内容相似度过高的投稿，并能对局部相似的图片进行提示，有效防止重复。
 - **完善的审核机制**：(可选) 启用后，所有新投稿都将进入待审核状态，并通知管理群组。只有管理员审核通过后，内容才会对用户可见，确保内容质量。
 - **精细的作用域**：通过 `perChannel` 配置，可设定回声洞是在所有群聊中共享（全局模式），还是在每个群聊中独立（分群模式）。
 - **专属用户昵称**：(可选) 用户可以为自己在回声洞中的发言设置一个专属昵称，增加趣味性。
 - **便捷的数据管理**：(可选) 管理员可通过指令轻松地将所有回声洞数据导出为 `JSON` 文件备份，或从文件中恢复数据，迁移无忧。
-- **强大的维护工具**：管理员可以通过 `cave.hash` 指令为历史数据批量生成哈希值，并获取一份所有内容的相似度报告。
+- **强大的维护工具**：管理员可以通过 `cave.hash` 指令为历史数据批量生成哈希值，并通过 `cave.check` 获取一份所有内容的相似度报告。
 - **权限分离**：普通用户可删除自己的投稿。审核、数据管理等高级操作则仅限在指定的 **管理群组** 内由管理员执行。
+- **智能ID管理**：采用ID回收和空缺扫描机制，确保回声洞序号紧凑，并能高效处理大量删除和添加操作。
 
 ## 📖 指令说明
 
@@ -23,7 +24,7 @@
 | 指令 | 别名/选项 | 说明 |
 | :--- | :--- | :--- |
 | `cave` | | 随机查看一条回声洞。 |
-| `cave.add [内容]` | `cave -a [内容]` | 添加一条新的回声洞。可直接跟内容，也可回复/引用消息，或等待机器人提示后发送。 |
+| `cave.add [内容]` | `cave -a [内容]` | 添加一条新的回声洞。可直接跟内容，也可回复/引用消息，或等待机器人提示后在一分钟内发送。 |
 | `cave.view <序号>` | `cave -g <序号>` | 查看指定序号的回声洞。 |
 | `cave.del <序号>` | `cave -r <序号>` | 删除指定序号的回声洞。仅投稿人或在管理群组内的管理员可操作。 |
 | `cave.list` | `cave -l` | 查询并列出自己投稿过的所有回声洞序号及总数。 |
@@ -41,7 +42,8 @@
 | `cave.review.N [序号]` | `enableReview: true` | **(仅限管理群组)** 拒绝审核。若不提供序号，则拒绝所有待审核内容。 |
 | `cave.export` | `enableIO: true` | **(仅限管理群组)** 将所有`active`状态的回声洞导出到 `cave_export.json`。 |
 | `cave.import` | `enableIO: true` | **(仅限管理群组)** 从 `cave_import.json` 文件中导入数据。 |
-| `cave.hash` | `enableSimilarity: true` | **(仅限管理群组)** 校验所有历史数据，补全哈希并检查内容相似度。 |
+| `cave.hash` | `enableSimilarity: true` | **(仅限管理群组)** 校验所有历史数据，为缺失哈希的回声洞补全记录。 |
+| `cave.check` | `enableSimilarity: true` | **(仅限管理群组)** 检查所有回声洞的哈希，生成一份关于文本和图片相似度的报告。 |
 
 ## ⚙️ 配置说明
 
@@ -60,10 +62,10 @@
 
 | 配置项 | 类型 | 默认值 | 说明 |
 | :--- | :--- | :--- | :--- |
-| `enableReview` | `boolean` | `false` | 是否启用审核机制。 |
+| `enableReview` | `boolean` | `false` | 是否启用审核机制。启用后，新投稿将进入`pending`状态。 |
 | `enableSimilarity` | `boolean` | `false` | 是否启用内容相似度检查（查重）。 |
-| `textThreshold` | `number` | `0.9` | 文本相似度阈值 (0-1)。超过此值将被拒绝。 |
-| `imageThreshold` | `number` | `0.9` | 图片相似度阈值 (0-1)。超过此值将被拒绝。 |
+| `textThreshold` | `number` | `95` | **文本**相似度阈值 (0-100)。基于Simhash汉明距离计算，超过此值将被拒绝。 |
+| `imageWholeThreshold` | `number` | `95` | **图片整体**相似度阈值 (0-100)。基于pHash汉明距离计算，超过此值将被拒绝。 |
 
 ### 存储配置
 
@@ -83,7 +85,8 @@
 1. **媒体发送方式**：插件会按以下优先级决定如何发送图片、视频等媒体文件：
     1. **S3 公共URL**：如果 `enableS3` 和 `publicUrl` 已配置。
     2. **本地文件路径**：如果 `localPath` 已配置。
-    3. **Base64 编码**：如果以上两项均未配置，将文件转为 Base64 发送（可能受平台大小限制）。
-2. **文件存储权限**：若使用本地存储，请确保 Koishi 拥有对 `data/cave` 目录的读写权限。若使用 S3，请确保 Access Key 权限和存储桶策略配置正确。
+    3. **Base64 编码**：如果以上两项均未配置，将文件转为 Base64 发送（可能受平台大小限制或支持问题）。
+2. **文件存储权限**：若使用本地存储，请确保 Koishi 拥有对 `data/cave` 目录的读写权限。若使用 S3，请确保 Access Key 权限和存储桶策略（如ACL设为`public-read`）配置正确。
 3. **异步删除**：删除操作（`cave.del` 或审核拒绝）会将内容状态标记为 `delete`，然后由后台任务异步清理关联的文件和数据库条目，以避免阻塞当前指令。
-4. **数据迁移**：导入功能会读取插件数据目录下的 `cave_import.json`。导出功能则会生成 `cave_export.json`。请在操作前放置或备份好相应文件。
+4. **数据迁移**：导入功能会读取插件数据目录下的 `cave_import.json`。导出功能则会生成 `cave_export.json`。请在操作前放置或备份好相应文件。导入时，ID会从现有最大ID开始自增，不会覆盖或修改老数据。
+5. **查重机制**：图片查重不仅比较整图，还会比较图片的四个象限。如果象限完全一致，会发送提示但不会直接拒绝，为识别拼接图、裁剪图等提供了依据。

package/lib/HashManager.d.ts

@@ -1,116 +0,0 @@
-import { Context, Logger } from 'koishi';
-import { Config, CaveObject } from './index';
-import { FileManager } from './FileManager';
-/**
- * @description 数据库 `cave_hash` 表的完整对象模型。
- */
-export interface CaveHashObject {
-    cave: number;
-    hash: string;
-    type: 'simhash' | 'phash_color' | 'dhash_gray' | 'sub_phash_q1' | 'sub_phash_q2' | 'sub_phash_q3' | 'sub_phash_q4';
-}
-/**
- * @class HashManager
- * @description 封装了所有与文本和图片哈希生成、相似度比较、以及相关命令的功能。
- * 实现了高精度的混合策略查重方案。
- */
-export declare class HashManager {
-    private ctx;
-    private config;
-    private logger;
-    private fileManager;
-    /**
-     * @constructor
-     * @param ctx - Koishi 上下文，用于数据库操作。
-     * @param config - 插件配置，用于获取相似度阈值。
-     * @param logger - 日志记录器实例。
-     * @param fileManager - 文件管理器实例，用于处理历史数据。
-     */
-    constructor(ctx: Context, config: Config, logger: Logger, fileManager: FileManager);
-    /**
-     * @description 注册与哈希校验相关的子命令。
-     * @param cave - 主 `cave` 命令实例。
-     */
-    registerCommands(cave: any): void;
-    /**
-     * @description 检查数据库中所有回声洞，为没有哈希记录的历史数据生成哈希。
-     * @returns {Promise<string>} 一个包含操作结果的报告字符串。
-     */
-    generateHashesForHistoricalCaves(): Promise<string>;
-    /**
-     * @description 为单个回声洞对象生成所有类型的哈希。
-     * @param cave - 回声洞对象。
-     * @returns {Promise<CaveHashObject[]>} 生成的哈希对象数组。
-     */
-    generateAllHashesForCave(cave: Pick<CaveObject, 'id' | 'elements'>): Promise<CaveHashObject[]>;
-    /**
-     * @description 为单个图片Buffer生成所有类型的哈希。
-     * @param imageBuffer - 图片的Buffer数据。
-     * @returns {Promise<object>} 包含所有图片哈希的对象。
-     */
-    generateAllImageHashes(imageBuffer: Buffer): Promise<{
-        colorPHash: string;
-        dHash: string;
-        subHashes: {
-            q1: string;
-            q2: string;
-            q3: string;
-            q4: string;
-        };
-    }>;
-    /**
-     * @description 对回声洞进行混合策略的相似度与重复内容检查。
-     * @returns {Promise<string>} 一个包含操作结果的报告字符串。
-     */
-    checkForSimilarCaves(): Promise<string>;
-    /**
-     * @description 从单通道原始像素数据计算pHash。
-     * @param channelData - 单通道的像素值数组。
-     * @param size - 图像的边长（例如16）。
-     * @returns {string} 该通道的二进制哈希字符串。
-     */
-    private _calculateHashFromRawChannel;
-    /**
-     * @description 生成768位颜色感知哈希（Color pHash）。
-     * @param imageBuffer - 图片的 Buffer 数据。
-     * @returns {Promise<string>} 768位二进制哈希对应的192位十六进制字符串。
-     */
-    generateColorPHash(imageBuffer: Buffer): Promise<string>;
-    /**
-     * @description 生成256位差异哈希（dHash）。
-     * @param imageBuffer - 图片的 Buffer 数据。
-     * @returns {Promise<string>} 256位二进制哈希对应的64位十六进制字符串。
-     */
-    generateDHash(imageBuffer: Buffer): Promise<string>;
-    /**
-     * @description 将图片切割为4个象限并为每个象限生成Color pHash。
-     * @param imageBuffer - 图片的 Buffer 数据。
-     * @returns {Promise<object>} 包含四个象限哈希的对象。
-     */
-    generateImageSubHashes(imageBuffer: Buffer): Promise<{
-        q1: string;
-        q2: string;
-        q3: string;
-        q4: string;
-    }>;
-    /**
-     * @description 计算两个十六进制哈希字符串之间的汉明距离。
-     * @param hex1 - 第一个十六进制哈希字符串。
-     * @param hex2 - 第二个十六进制哈希字符串。
-     * @returns {number} 两个哈希之间的距离。
-     */
-    calculateHammingDistance(hex1: string, hex2: string): number;
-    /**
-     * @description 根据汉明距离计算图片或文本哈希的相似度。
-     * @param hex1 - 第一个十六进制哈希字符串。
-     * @param hex2 - 第二个十六进制哈希字符串。
-     * @returns {number} 范围在0到1之间的相似度得分。
-     */
-    calculateSimilarity(hex1: string, hex2: string): number;
-    /**
-     * @description 为文本生成基于 Simhash 算法的哈希字符串。
-     * @param text - 需要处理的文本。
-     * @returns {string} 64位二进制 Simhash 对应的16位十六进制字符串。
-     */
-    generateTextSimhash(text: string): string;
-}

package/lib/Utils.d.ts

@@ -1,71 +0,0 @@
-import { Context, h, Logger, Session } from 'koishi';
-import { CaveObject, Config, StoredElement } from './index';
-import { FileManager } from './FileManager';
-import { HashManager, CaveHashObject } from './HashManager';
-import { ReviewManager } from './ReviewManager';
-/**
- * @description 将数据库存储的 StoredElement[] 转换为 Koishi 的 h() 元素数组。
- * @param elements 从数据库读取的元素数组。
- * @returns 转换后的 h() 元素数组。
- */
-export declare function storedFormatToHElements(elements: StoredElement[]): h[];
-/**
- * @description 构建一条用于发送的完整回声洞消息，处理不同存储后端的资源链接。
- * @param cave 回声洞对象。
- * @param config 插件配置。
- * @param fileManager 文件管理器实例。
- * @param logger 日志记录器实例。
- * @returns 包含 h() 元素和字符串的消息数组。
- */
-export declare function buildCaveMessage(cave: CaveObject, config: Config, fileManager: FileManager, logger: Logger): Promise<(string | h)[]>;
-/**
- * @description 清理数据库中标记为 'delete' 状态的回声洞及其关联文件和哈希。
- * @param ctx Koishi 上下文。
- * @param fileManager 文件管理器实例。
- * @param logger 日志记录器实例。
- * @param reusableIds 可复用 ID 的内存缓存。
- */
-export declare function cleanupPendingDeletions(ctx: Context, fileManager: FileManager, logger: Logger, reusableIds: Set<number>): Promise<void>;
-/**
- * @description 根据配置和会话，生成数据库查询的范围条件。
- * @param session 当前会话。
- * @param config 插件配置。
- * @param includeStatus 是否包含 status: 'active' 条件，默认为 true。
- * @returns 数据库查询条件对象。
- */
-export declare function getScopeQuery(session: Session, config: Config, includeStatus?: boolean): object;
-/**
- * @description 获取下一个可用的回声洞 ID，采用“回收ID > 扫描空缺 > 最大ID+1”策略。
- * @param ctx Koishi 上下文。
- * @param query 查询范围条件。
- * @param reusableIds 可复用 ID 的内存缓存。
- * @returns 可用的新 ID。
- */
-export declare function getNextCaveId(ctx: Context, query: object, reusableIds: Set<number>): Promise<number>;
-/**
- * @description 检查用户是否处于指令冷却中。
- * @returns 若在冷却中则提示字符串，否则 null。
- */
-export declare function checkCooldown(session: Session, config: Config, lastUsed: Map<string, number>): string | null;
-/**
- * @description 更新指定频道的指令使用时间戳。
- */
-export declare function updateCooldownTimestamp(session: Session, config: Config, lastUsed: Map<string, number>): void;
-/**
- * @description 解析消息元素，分离出文本和待下载的媒体文件。
- * @param sourceElements 原始的 Koishi 消息元素数组。
- * @param newId 这条回声洞的新 ID。
- * @param session 触发操作的会话。
- * @returns 包含数据库元素和待保存媒体列表的对象。
- */
-export declare function processMessageElements(sourceElements: h[], newId: number, session: Session): Promise<{
-    finalElementsForDb: StoredElement[];
-    mediaToSave: {
-        sourceUrl: string;
-        fileName: string;
-    }[];
-}>;
-export declare function handleFileUploads(ctx: Context, config: Config, fileManager: FileManager, logger: Logger, reviewManager: ReviewManager, cave: CaveObject, mediaToToSave: {
-    sourceUrl: string;
-    fileName: string;
-}[], reusableIds: Set<number>, session: Session, hashManager: HashManager, textHashesToStore: Omit<CaveHashObject, 'cave'>[]): Promise<void>;

package/lib/index.d.ts

@@ -1,54 +0,0 @@
-import { Context, Schema } from 'koishi';
-import { CaveHashObject } from './HashManager';
-export declare const name = "best-cave";
-export declare const inject: string[];
-export declare const usage = "\n<div style=\"border-radius: 10px; border: 1px solid #ddd; padding: 16px; margin-bottom: 20px; box-shadow: 0 2px 5px rgba(0,0,0,0.1);\">\n  <h2 style=\"margin-top: 0; color: #4a6ee0;\">\uD83D\uDCCC \u63D2\u4EF6\u8BF4\u660E</h2>\n  <p>\uD83D\uDCD6 <strong>\u4F7F\u7528\u6587\u6863</strong>\uFF1A\u8BF7\u70B9\u51FB\u5DE6\u4E0A\u89D2\u7684 <strong>\u63D2\u4EF6\u4E3B\u9875</strong> \u67E5\u770B\u63D2\u4EF6\u4F7F\u7528\u6587\u6863</p>\n  <p>\uD83D\uDD0D <strong>\u66F4\u591A\u63D2\u4EF6</strong>\uFF1A\u53EF\u8BBF\u95EE <a href=\"https://github.com/YisRime\" style=\"color:#4a6ee0;text-decoration:none;\">\u82E1\u6DDE\u7684 GitHub</a> \u67E5\u770B\u672C\u4EBA\u7684\u6240\u6709\u63D2\u4EF6</p>\n</div>\n<div style=\"border-radius: 10px; border: 1px solid #ddd; padding: 16px; margin-bottom: 20px; box-shadow: 0 2px 5px rgba(0,0,0,0.1);\">\n  <h2 style=\"margin-top: 0; color: #e0574a;\">\u2764\uFE0F \u652F\u6301\u4E0E\u53CD\u9988</h2>\n  <p>\uD83C\uDF1F \u559C\u6B22\u8FD9\u4E2A\u63D2\u4EF6\uFF1F\u8BF7\u5728 <a href=\"https://github.com/YisRime\" style=\"color:#e0574a;text-decoration:none;\">GitHub</a> \u4E0A\u7ED9\u6211\u4E00\u4E2A Star\uFF01</p>\n  <p>\uD83D\uDC1B \u9047\u5230\u95EE\u9898\uFF1F\u8BF7\u901A\u8FC7 <strong>Issues</strong> \u63D0\u4EA4\u53CD\u9988\uFF0C\u6216\u52A0\u5165 QQ \u7FA4 <a href=\"https://qm.qq.com/q/PdLMx9Jowq\" style=\"color:#e0574a;text-decoration:none;\"><strong>855571375</strong></a> \u8FDB\u884C\u4EA4\u6D41</p>\n</div>\n";
-/**
- * @description 存储在数据库中的单个消息元素。
- */
-export interface StoredElement {
-    type: 'text' | 'image' | 'video' | 'audio' | 'file';
-    content?: string;
-    file?: string;
-}
-/**
- * @description 数据库 `cave` 表的完整对象模型。
- */
-export interface CaveObject {
-    id: number;
-    elements: StoredElement[];
-    channelId: string;
-    userId: string;
-    userName: string;
-    status: 'active' | 'delete' | 'pending' | 'preload';
-    time: Date;
-}
-declare module 'koishi' {
-    interface Tables {
-        cave: CaveObject;
-        cave_hash: CaveHashObject;
-    }
-}
-export interface Config {
-    coolDown: number;
-    perChannel: boolean;
-    adminChannel: string;
-    enableProfile: boolean;
-    enableIO: boolean;
-    enableReview: boolean;
-    caveFormat: string;
-    enableSimilarity: boolean;
-    textThreshold: number;
-    imageWholeThreshold: number;
-    imagePartThreshold: number;
-    localPath?: string;
-    enableS3: boolean;
-    endpoint?: string;
-    region?: string;
-    accessKeyId?: string;
-    secretAccessKey?: string;
-    bucket?: string;
-    publicUrl?: string;
-}
-export declare const Config: Schema<Config>;
-export declare function apply(ctx: Context, config: Config): void;