★ FEATURED ARTICLE 上一章把机器人环境跑通之后这一章就该啃词库了。很多第一次接触词库的朋友容易把词库理解成“一堆自动回复的文本”其实远远不止。词库是机器人的行为逻辑它决定了机器人看到什么消息就回什么内容、在什么场景下触发什么动作、优先级怎么排、正则怎么匹配、要不要调用接口返回动态数据。这一章我会围绕手机端管理词库这条主线把文件结构、触发规则、常用语法、高频场景、排错手段和一些维护心得一次性讲清楚。这章内容比较长但我建议你边看边动手改因为词库这种东西光看是记不住的。你装好编辑器、翻到词库目录、亲手改一条词条、再发一条测试消息看它有没有命中这个过程走一遍后面所有细节都顺了。1. 词库不是一堆回复文本而是机器人的行为逻辑1.1 没有词库的机器人等于一个空壳机器人本身只是一个消息收发框架真正让它“像个人”的是词库。比如群里有人说“你好”机器人回一句“你好呀”这是词库有人说“查天气 北京”机器人返回一条天气信息这也是词库有人在群里刷屏机器人提醒“发言频率太快请冷静一下”这依然是词库。所以词库实际承担了三件事人设、知识库、功能入口。人设回复的语气、口头禅、表情风格都由词库里的回复文本决定。知识库能回答什么问题、能聊什么话题本质上是词条覆盖范围的集合。功能入口很多机器人的扩展功能查天气、查物流、签到、抽签都需要靠词库里的触发词来“唤起”词库负责把用户的话术翻译成机器人能执行的命令。手机端管理词库时这三件事如果混在同一个文件里后期维护会非常痛苦。我的习惯是按功能拆文件不按人设拆文件。人设相关的词条虽然分散在各个文件里但命名上统一加“语气”前缀后面会讲到具体命名方案。1.2 静态词库、规则词库和接口词库手机端改词库时先要判断你正在改的是哪一类词条因为它们的写法完全不同类型本质例子维护难度静态词库触发词对应固定回复“你好” - “你好呀”低规则词库用正则或通配符匹配一类消息“今天XX” - “今天也要加油哦”中接口词库触发后调用外部数据或脚本“天气 北京” - 返回天气高很多人把规则词库和接口词库混为一谈其实不是一回事。规则词库是“匹配逻辑”接口词库是“数据来源”。一条完整的接口词条往往由“触发词 参数提取 接口调用 结果格式化”四部分组成词库能写好的只是触发词和格式化部分接口调用得靠框架的扩展模块提供。在第二章这个阶段我建议你先吃透静态词库和规则词库接口词库放到下一章讲。我的理由是静态词库打底规则词库练正则思维这两个都熟了接口词库只是加一层“取数据”的动作水到渠成。1.3 手机端管理词库和电脑端到底差在哪电脑端管理词库直接打开文件、搜索、批量替换、用本地正则工具验证都很方便。手机端最大的问题是编辑器弱、路径隐蔽、编码易错、难以批量操作。我用手机管理词库快两年了最大的感受是手机端不是不能做而是必须建立一套“手机友好”的维护习惯。比如文件名尽量用英文和数字不搞中文长名字触发词前后不要留空格保存时指定UTF-8无BOM改完立刻在群里发一条测试消息。这些习惯一旦养成手机端管词库的速度并不比电脑端慢很多。接下来的内容全部以“手机端操作”为主线但原理部分同样适用于电脑端你对照着自己的环境看就行。2. 文件结构与触发规则先把手机端的目录布局弄清楚2.1 一份词库文件在目录里长什么样不同框架的词库目录结构略有差异但核心思路一致。以我用的这套环境为例词库放在配置目录下的wordLibrary文件夹里每个.txt文件代表一类词条data/ bots/ qq/ wordLibrary/ welcome.txt chat_fun.txt weather.txt guard.txt手机端打开文件管理器后很多朋友容易迷路因为这类目录往往藏在应用私有目录或子目录里。我的建议是先在电脑端登录机器人后台看词库目录到底在哪个绝对路径下再用手机文件管理器跳转。不要靠记忆一层层找安卓文件管理器首页的“快速访问”能省不少时间。词库文件本身的格式很关键。我用的规则是一行一条词条用把触发词和回复内容分开。下面是一个简单的例子你好你好呀今天心情不错吧 早上好早安新的一天也要元气满满哦有些框架用#做分隔符有些用固定段落格式。这个没有统一标准你以自己环境的文档为准。但第二章里我会用演示因为它在手机上更好辨认不容易把触发词和回复内容看混。2.2 从消息进来到词条被命中到底发生了什么手机端调词库最常犯的错是不知道机器人为什么没回你。所以你得先理解触发链路。一条消息进入机器人后大致会经历这几步消息到达框架的消息处理器框架判断消息类型群消息、私聊、事件匹配器开始扫描词库文件中的每一行按优先级顺序逐条尝试匹配触发词命中某条词条后取出对应的回复文本替换回复文本中的变量如昵称、日期然后发送。手机端排错时可以按这个链路倒推消息有没有到达机器人有没有匹配到词条回复有没有被拦截这三个问题对应三个不同的排查方向。后面第六章我会给一份完整的排错流程。2.3 触发优先级和群/全局作用域词库不是“谁先出现谁就命中”的它有一套优先级规则。不同框架细节不同但大方向一致精确匹配优先于模糊匹配前缀精确匹配优先于包含匹配事件触发优先于普通文本触发用户自定义词库优先于框架默认词库同一词库内排在前面的词条优先于后面的。手机端改词库时最要命的场景是你加了一个“你好”词条但机器人回的还是旧内容。大概率不是没生效而是有一条优先级更高的词条“你好呀”先命中了。这种问题肉眼很难发现我的做法是新增词条前先在词库目录里全局搜一遍触发词看看有没有重复。搜不到再新增。作用域同样重要。全局词库在所有群里生效分组词库只对指定群生效私聊词库只在一对一聊天时生效。很多新人在全局词库里写了“早上好”又在一个测试群里写了另一条“早上好”结果测试群里永远只回测试群那份全局那份好像在“失效”。其实逻辑没毛病就是作用域优先级在起作用。手机端管多级词库时文件名一定要写清楚作用域否则过两周你自己都不记得哪个是哪个。3. 手机端编辑与上传编码、命名、换行这类细节能坑掉半天时间3.1 手机选编辑器要注意什么我见过不少朋友直接用手机自带的“文本查看器”打开词库文件看完直接编辑保存结果机器人那边一片乱码。不是文件坏了而是编码错了。词库文件在绝大多数框架里都要求UTF-8 无 BOM编码。手机自带笔记类应用保存时很可能保存成带 BOM 的 UTF-8或者更糟糕保存成本地系统默认编码。带 BOM 的文件在加载时文件头那几个特殊字节会被当成字符混进第一条词条的触发词里导致第一条永远匹配不上。所以手机端首选支持手动选择编码的文本编辑器不要用系统自带查看器。至少要支持以下三项打开文件时能显示文件编码能按 UTF-8 无 BOM 保存能显示不可见字符空格、回车方便排查触发词前后多余空格。配置完编辑器后先做一个测试新建一个只有一行测试测试成功的文本文件保存为 UTF-8 无 BOM传到词库目录里让机器人加载发一条“测试”看是否回复“测试成功”。这一步能确认你的编辑器、传输方式、文件路径全是通的后面再大批量改就放心了。3.2 路径导航和手机上传的几种方式手机上传词库文件我试过三种方式按省事程度排序局域网文件管理电脑和手机连同一个 WiFi在机器人框架后台开启文件管理入口用手机浏览器上传.txt文件到词库目录。这是最推荐的路径不容易错。FTP/SFTP 工具在手机装第三方 FTP 客户端直接连接机器人所在主机的文件服务。适合机器人部署在局域网服务器上的情况。云盘中转电脑改好文件传到网盘手机从网盘下载后再放入本地目录。优点是通用缺点是流程长而且下载到“下载目录”后还得手动移动路径容易乱。我个人强烈建议优先走第一种。因为手机浏览器上传到机器人后台文件直接就落在正确目录了不存在“文件管理器找不到目录”的尴尬。安卓手机自带的文件管理器默认不显示隐藏目录词库文件夹名字又不带点还算好找。但如果你在目录里死活找不到wordLibrary大概率是当前路径不对而不是文件夹不存在。去机器人后台看一眼实际路径别瞎猜。3.3 高频踩坑UTF-8 BOM、CRLF、中文文件名手机端改词库翻车主要集中在三个点我挨个说第一个是编码问题。前面说过UTF-8 带 BOM 会让第一条词条触发词多出不可见字符。判断方法很简单在文本编辑器里看文件信息如果显示UTF-8 BOM就重新保存为UTF-8 无 BOM。部分编辑器显示的是 “UTF-8 with signature”也是同一个意思。第二个是换行符问题。很多框架对词库文件的行末换行符敏感Windows 记事本编辑过的文件容易带 CRLF 换行而手机上常见的是 LF 换行。有些框架在加载 CRLF 文件时会在某些词条后面多带一个不可见字符导致匹配失败。手机端改完文件后我建议在编辑器里把换行符统一成 LF。这个选项通常在“换行符类型”设置里选 LF 保存即可。第三个是中文文件名问题。手机端很方便建中文文件名但部分框架在读取中文文件名时会出现编码错乱导致整个文件加载失败。如果你发现“某个文件里的词条全都不生效”先检查文件名是不是纯中文。我的习惯是文件名一律用英文小写加数字前缀例如01_welcome.txt、02_chat_fun.txt中文说明写在文件里的注释行。有一个细节容易被忽略手机输入法会自动补齐标点。你在词库文件里写正则表达式时输入一个左中括号[输入法可能自动补一个右中括号]多出来这个字符直接导致正则语法错误。所以手机上写正则我建议直接关闭“符号自动配对”或者写完保存前整行检查一遍。4. 词库语法从入门到够用精确匹配、正则、随机回复与变量4.1 基础语法触发词加回复文本先别急着上复杂语法把最基本的写对再说。词库文件每一行是一条规则用分隔触发词和回复你好你好呀 我回来了欢迎回家 晚安做个好梦明天见手机端操作时最容易出问题的是触发词前后多了空格。比如你复制文本时带上一个空格你好你好呀看起来没区别但触发词实际上是你好而不是你好机器人永远匹配不上。这个问题在手机屏幕上非常难发现因为空格太隐蔽。所以我一直强调在文本编辑器里打开“显示空格”选项一眼就能扫出问题。另外触发词不要写太长不要带标点。手机端一句话触发词匹配率最高的是 2 到 6 个字的短语。超过 8 个字用户手一抖打错一个字就没法命中了。4.2 正则表达式的基本写作方法词库真正做到“聪明”靠的是正则。用正则你可以匹配一类消息而不是一条固定消息。在我这套词库语法里以regex:开头的行会被当成正则规则regex:^今天天气.*$今天天气整体不错适合出门走走 regex:^我想看(.)$你想看$1对吧这个我记下了 regex:^连吃个饭都不会吗$干饭才是第一生产力正则几个最常用的符号我用大白话解释一下.匹配任意一个字符。比如今.能匹配“今天”“今晚”“今晚”。*重复前面的字符任意次。比如.*就是“任意内容”。^匹配开头。^你好只匹配以“你好”开头的消息。$匹配结尾。晚安$只匹配以“晚安”结尾的消息。[]匹配中括号里的任意一个字符。比如[上中下]午能匹配“上午”“中午”“下午”。()捕获分组把匹配到的内容存起来方便在回复里引用。|或。比如你好|您好匹配其中任意一个。手机端写正则最大的问题是输入法打反斜杠很麻烦。正则里常用的\d、\s这类转义字符在手机上切换符号键盘很费劲。我的建议是固定几个常用正则模板复制粘贴修改而不是每次手打。比如匹配数字就用\d匹配任意内容就用.*这两个够应付大多数场景。4.3 随机回复与占位变量词库如果每一条都固定回复机器人会显得很机械。所以几乎所有词库系统都支持随机回复。拟合法的写法有差异但逻辑相同。我用的写法是在回复内容里放多个选项用|分隔加一个随机标记你好$随机|你好呀|嗨你来啦|今天想聊点什么 我饿了$随机|去吃饭吧|我也饿了要不一起点外卖|干饭第一注意这里的|是随机分隔符所以回复内容里本身不要用|否则会把一条回复拆成两条候选。手机端输入中文时如果你用的是某种带智能断句的输入法打完|后可能会自动加空格保存后随机分隔逻辑就乱了。所以保存前一定检查整行。变量方面最常用的是日期、星期、群号、昵称。比如今天是$week$今天是$week$好好上班也要记得休息哦 欢迎新朋友$nick$欢迎新朋友$nick$记得看群公告变量名外面是$符号具体可用变量每个框架不同。手机端调词库时如果变量名拼错机器人会直接把原样字符串发出去比如“欢迎新朋友 $nick$”。所以每次新增变量后我在心里记一遍完整变量名不凭记忆缩写。4.4 用真实词条把语法串起来语法干讲没意思我放一组实际在用的词条你可以直接抄走改你好你好呀欢迎来聊天 你好呀$随机|你今天气色不错|有什么新鲜事 在吗在的随时可以聊 找谁你说我帮你叫 你是机器人吗我是机器人但今天也可以当你的树洞 你吃饭了吗$随机|吃了你呢|还没想约饭吗这一组全部是静态词库加上两条正则你会发现机器人突然“活”了不少。手机端分批改的时候建议一次只加 5 到 10 条加完立刻测试。一次加几十条如果报错你根本不知道是哪一条出的问题。5. 几个高频场景的词库写法5.1 群欢迎和群活跃场景让机器人融进群体群欢迎词是词库最常见的场景。但严格来说欢迎新成员属于“事件触发”不是普通文本触发。很多框架里这种事件要走专门的事件词库而不是普通关键词匹配。词条大概长这样event:member_in欢迎新朋友$nick$进群先看公告哦普通聊天场景里高频词条往往围绕群成员日常互动展开。比如“龙王”梗在群里特别常见就可以放一条龙王$随机|龙王在此今日水群谁也别跟我抢|你们先聊我快交班了|这位龙王大人请手下留情这种词条没有技术含量但胜在贴合群氛围。我的经验是娱乐向词条优先级不要设太高否则一进群就乱回容易被群友讨厌。5.2 咨询查询场景把用户的话术转成命令查天气、查物流、查快递这类需求严格讲不是词库单独能搞定的。词库在这件事里扮演的是“翻译官”把用户口语化的一句话转成机器人扩展模块能识别的命令。以天气查询为例词库里会写regex:^天气\s*([\u4e00-\u9fa5])$weather query city$1 regex:^查一下(.)的天气$weather query city$1第一行匹配“天气 北京”第二行匹配“查一下北京的天气”。两行命中后触发词后面的内容会作为参数传给天气扩展模块。我在这里不展开接口实现因为那是下一章的事。但你要记住词库要做的是一句话翻译成命令不要期望它自己去取数据。手机端写这类带参数的正则时注意中文字符范围。上面例子里的[\u4e00-\u9fa5]是中文匹配的通用写法但不同框架的正则引擎对 Unicode 的支持程度不一样。如果发现“天气北京”命中不了先确认是不是\u4e00这种写法不被支持改成.也可以。5.3 安全合规提醒类词条必须写但容易忽略词库不光是用来聊天搞笑也该承担一部分“安全看门”的职责。比如群内如果有人发广告、发不当内容词库可以命中并给出提醒。但这类提醒词条有个大坑不要写得太阴阳怪气也不要直接怼人。比如regex:.*加微信.*请勿在群里发布引流信息合作请私聊群主 regex:.*代开发票.*该内容可能涉及违规广告已提醒管理员留意这类词条本质上不是“骂人”而是“守护群聊环境”所以回复语气要中立克制。手机端维护这类词条时特别注意触发词里不要包含具体个人任何信息也不要写可能引发争议的内容宁可漏判不要误伤。还有一个很关键的原则不要在词库里存放任何隐私内容。词库加载后每个群成员都有可能通过触发词间接看到回复把敏感信息写进词库等于把秘密贴到了公告栏。这条务必记住。6. 调试和排错机器人没回复时你该按什么顺序查6.1 手机端日志怎么看词库加载和匹配的日志一般会输出到机器人运行目录下的logs文件夹。手机端查看日志我通常用文本编辑器直接打开当天的日志文件关键字搜“命中”或“matched”。不同框架日志格式不同但关键字都差不多。如果你连日志在哪个目录都找不到回后台设置页面翻一下“日志目录”别自己猜。有些框架支持在手机浏览器后台直接查看实时日志那种更省事。手机屏幕看日志有个技巧拉到最后几条从下往上读。因为最新发生的匹配记录都在文件尾部从头看会被无关信息淹没。6.2 完整的排查链路从消息到回复的逐个检查很多朋友遇到“机器人不回消息”就一脸懵其实按链路排查非常快。我按优先级排了一遍机器人本身在不在线先随便发一条固定的系统命令比如查看状态确认机器人进程没有挂。如果压根没收到任何东西就不是词库问题。消息是否进入匹配器看日志里有没有收到这条消息。连日志里都没有说明消息被上层拦截了可能是群设置或权限配置问题。是否有词条命中搜日志里的触发词看有没有匹配记录。没有命中记录去检查词库文件编码、文件是否加载、触发词是否前后带空格。命中后有没有回复如果日志显示命中但没发出去看回复文本里变量是否正确看是否触发了发言频率限制看是不是被管理员权限覆盖。优先级是否被抢占如果命中了一条但不是你想要的那条检查全局词库和分组词库的优先级设置。这套流程在手机端也能走只是你需要在文件管理器和日志之间来回切换。但我建议你第一次排错时老老实实走一遍完整流程比瞎改词库快得多。6.3 改词库前的备份和恢复手机端改词库比电脑端更容易误操作因为屏幕小、编辑区显示不全很容易把一整行内容删掉而不自知。所以备份不是可选步骤是必选步骤。我改任何词库文件之前都会复制一份原文件到同级目录文件名加一个.bak后缀。万一改乱了直接删掉当前文件把.bak复制回原名一条命令都不用敲。如果连.bak都没弄框架后台一般也会自动生成若干天前的备份。去找“备份”目录按时间恢复最近一份即可。这里提醒一句恢复备份后一定要重启加载词库否则旧文件不会自动生效你会以为备份也坏了。手机端恢复备份还有一个细节.bak文件复制回原名后检查一下文件编码因为有些复制过程会把编码改掉。用你前面设置的编辑器重新确认一下编码和换行符再加载。7. 进阶心得如何设计一套别人维护起来不骂你的词库7.1 用文件名和注释管理词库词库文件多了以后最怕的情况是“看着文件名不知道里面是什么”。所以我推荐一套命名法目前我一直在用数字前缀表示模块顺序英文小写表示用途作用域写在文件名末尾。举个例子01_welcome_global.txt 02_chat_fun_global.txt 03_weather_cmd_global.txt 04_guard_group1.txt这样无论谁打开目录一眼就能看出这个文件是干什么的、影响哪些群。手机端文件排序按名称排列时数字前缀还能保证文件按顺序排好不会有“chat”跑到“welcome”前面的情况。文件内部的注释也很重要。注释行写法各框架不同一般是以#或//开头。我会在文件头部写三行注释# 文件功能群欢迎词 # 维护人me # 最后更新时间2025-02-01手机端不在电脑上维护人的信息尤其重要。一个人维护还好一旦多个人维护你看到一条不生效的词条时能通过注释定位到“上一次谁改的、什么时候改的”省一大圈时间。7.2 兜底回复和触发词去重机器人最尴尬的状态是“冷不丁收到一条消息然后沉默”。为了避免冷场我建议在最后一个词库里加一条兜底回复regex:.*$随机|嗯嗯收到|我在呢|这个话题我有点接不住你换个话题吧注意这条正则匹配所有消息所以只适合放在一个作用域的最底部或者放在优先级最低的词库文件里。你要是把这个放在最上面那所有其他词条全部失效。手机端非常容易犯这个错因为你在文件末尾加一行是最顺手的位置但它其实影响全局。去重逻辑前面提过一次这里再加强调。新增词条前先在词库目录里全局搜一遍触发词。手机端如果没有全局搜索功能就一个个打开txt文件用编辑器自带搜索。这一步确实麻烦但能避免“两条词条互相打架”的玄学问题。7.3 性能和规模手机端词库别贪大手机端管词库文件太多、正则太复杂最终会导致两件事加载变慢和匹配变慢。机器人每收到一条消息都要把规则过一遍。规则越复杂消耗越大。我的经验是正则规则控制在 50 条以内静态词条控制在 500 条以内。超出这个规模大部分问题不是功能不够而是你该停下来想想匹配逻辑能不能简化。比如大量.*开头的正则能改成前缀精确匹配就改大量相似触发词能合并成正则就合并。手机上编辑慢所以高效表达比堆量更重要。最后说一句实在话手机端管理词库不是最优解但它胜在方便。你在地铁上、午休时掏出手机就能改词条这个生产力是不可替代的。所以别觉得“手机改词库是临时方案”把它当成一种正经的维护方式前面说的那套习惯都做到位体验不会比电脑差多少。我自己的习惯是每次改完词条后都会在测试群里发一条触发消息确认回复正确才放下手机。热重载通常秒级生效如果没生效就手动重载一次千万别直接杀进程杀进程在手机端经常把词库目录权限搞乱得不偿失。
阅读完成 · 觉得有帮助？
