Bug: 自学习插件能抓到用户消息，但没有获取Bot 回复并存入数据库，导致ExpressionPatternLearner 始终提取 0 个模式

[Ewingsal]

Plugin Version

Next-2.0.6

AstrBot Version

v4.19.4

Database Type

SQLite (default)

Operating System

Linux

Bug Description

自学习插件目前可以正常抓取用户消息，但似乎不会把 Bot 的回复写入学习数据库。

这会直接导致 ExpressionPatternLearner 无法建立“用户 → Bot”的对话对，因此风格学习始终出现：

• 提取 0 个模式
• 没有对话风格结果
• 没有情感模式结果
• 没有语言特征结果
• 没有话题偏好结果
• 人格学习审查/更新建议始终为空或无实质变化

已经核实了用户消息确实被正常抓取、AstrBot 确实正常生成并发送了 Bot 回复、用户消息被存入了数据库但数据库中始终没有 Bot 回复记录、ExpressionPatternLearner 实际已经被调用，但结果始终为空

因此，当前实际表现是：

• 用户消息会被抓取
• Bot 回复会被正常发送
• 但 Bot 回复不会进入学习数据库
• ExpressionPatternLearner 被调用了，但拿不到有效样本
• 风格学习始终提取 0 个模式

另外，我检查了save_bot_message函数的调用链发现
它只在这一条路径里会被调用：

• 文件：services/response/intelligent_responder.py
• 逻辑：在 直接生成 Bot 文本回复 的那条函数里
  先：
• 调 llm_adapter.refine_chat_complet ion(...)
• 拿到 response_text
• 然后才：
• await self.db_manager.save_bot_message (...)
• await self._record_response(...)

但插件主入口 main.py 当前只明确注册了这些和消息相关的钩子：

• @filter.event_message_type(...) → 只处理入站消息
• @filter.on_llm_request() → 只在 LLM 请求前注入内容

没有看到：

• @filter.on_decorating_result()
• 发送后回调
• 回复完成后的钩子
• 专门记录 bot 出站消息的钩子

所以从主入口看，它没有一条稳定的“发完回复后落 bot 消息”的接线。

因此，现在看到的bot_messages = 0，感觉是代码逻辑造成的问题。

Steps to Reproduce

1.在群里发一条肯定会触发回复的话
2.确保 AstrBot 确实回了一句
3.立刻执行一次强制学习
4.用 sqlite3 查这三项：
sqlite3 /home/hm/.openclaw/workspace/data/self_learning_data/messages.db
5.然后执行：
SELECT COUNT(*) FROM bot_messages;

SELECT group_id, sender_id, sender_name, message
FROM raw_messages
ORDER BY id DESC
LIMIT 20;

SELECT COUNT(*) FROM expression_patterns;
6.看到提示无法提取风格即复现成功

Expected Behavior

bot消息也被存入数据苦，用户和bot消息对成功建立，ExpressionPatternLearner 成功提取风格

Error Logs

[2026-03-10 23:08:55.295] [Core] [INFO] [respond.stage:184]: Prepare to send - <USER_ID_SHORT>/<USER_ID_FULL>: 开始强制学习周期 for group <GROUP_ID>... 
[2026-03-10 23:08:55.300] [Plug] [INFO] [state.affection_manager:1059]: 开始处理消息交互: group_id=<GROUP_ID>, user_id=<USER_ID_SHORT>..., message_len=14 
[2026-03-10 23:08:55.695] [Plug] [INFO] [core_learning.progressive_learning:244]: 开始处理 33 条消息（relearn_mode=False） 
[2026-03-10 23:08:55.695] [Plug] [INFO] [core_learning.progressive_learning:651]: 对话风格学习模式：直接学习 33 条原始消息（跳过LLM筛选） 
[2026-03-10 23:08:55.803] [Plug] [INFO] [state.affection_manager:1063]: 交互类型分析结果: chat (group: <GROUP_ID>) 
[2026-03-10 23:08:55.836] [Plug] [INFO] [state.affection_manager:1068]: 好感度更新成功: 用户<USER_ID_SHORT>... 在群<GROUP_ID> 的好感度从 5 变为 5 (变化: 0) 
[2026-03-10 23:08:56.061] [Plug] [INFO] [integration.maibot_adapters:422]: 学习质量评估详情: prompt_improvement=0.000, pattern_improvement=0.000, memory_growth=0.000, knowledge_growth=0.000, overall_quality=0.000 
[2026-03-10 23:08:56.062] [Plug] [INFO] [integration.maibot_adapters:428]: Before prompt长度: 2106, After prompt长度: 2106 
[2026-03-10 23:08:56.062] [Plug] [INFO] [integration.maibot_adapters:433]: before和after完全相同 
[2026-03-10 23:08:56.084] [Plug] [INFO] [core_learning.progressive_learning:1134]: 对话风格学习记录已保存 (ID: 9)，处理 33 条消息，提取 0 个模式 
[2026-03-10 23:08:56.087] [Plug] [INFO] [core_learning.progressive_learning:859]: 应用人格更新 for group <GROUP_ID>
[2026-03-10 23:08:56.107] [Plug] [INFO] [persona.persona_backup_manager:61]: 人格备份创建成功，备份ID: True 
[2026-03-10 23:08:56.124] [Plug] [INFO] [persona.persona_backup_manager:61]: 人格备份创建成功，备份ID: True 
[2026-03-10 23:08:56.125] [Plug] [INFO] [analysis.expression_pattern_learner:159]: 为群组 default 触发表达模式学习，消息数量: 33 
[2026-03-10 23:08:56.126] [Plug] [WARN] [v4.19.4] [analysis.expression_pattern_learner:180]: 群组 default 表达模式学习未获得有效结果 
[2026-03-10 23:08:56.129] [Plug] [INFO] [core_learning.progressive_learning:313]: 学习更新已应用（对话风格学习已完成，人格学习已加入审查），质量得分: 0.000 for group <GROUP_ID>
[2026-03-10 23:08:56.160] [Plug] [INFO] [core_learning.progressive_learning:363]: 学习批次完成，耗时: 0.47秒 
[2026-03-10 23:08:56.162] [Core] [INFO] [respond.stage:184]: Prepare to send - <USER_ID_SHORT>/<USER_ID_FULL>: 强制学习周期完成 for group <GROUP_ID>

Relevant Configuration

## 运行环境                                                                 
                                                                               
   - AstrBot: `v4.19.4`                                                        
   - 插件: `astrbot_plugin_self_learning (Next-2.0.6)`                         
   - 平台: 飞书 / Lark 群聊                                                    
   - WebUI: 已启用                                                             
   - 消息抓取: 已启用                                                          
   - 自动学习: 已启用                                                          
   - 实时学习: 未启用                                                                                                                                                                                                           
                                                                               
   ## 当前相关配置                                                             
                                                                               
                                                                        
   {                                                                           
   "enable_message_capture": true,                                             
   "enable_auto_learning": true,                                               
   "enable_realtime_learning": false,                                          
   "enable_web_interface": true                                                
   }

Additional Context

No response

[github-actions]

🤖 Issue 审查报告

优先级: 🟠 high

📋 用户处理意见

问题摘要: 当前版本在多数平台/通道下只记录入站(raw_messages)但没有稳定地在“Bot 回复发送完成后”落库到 bot_messages，导致 ExpressionPatternLearner 无法组成 user→bot 对话对而始终提取 0 个模式。

问题分类: 代码问题

该问题需要开发者修复，请等待后续版本更新。

---

🔧 开发者修复建议（点击展开）

技术摘要: Bot 出站消息落库逻辑只存在于 intelligent_responder 的“直接生成回复”路径，未通过 AstrBot 的统一回复后钩子覆盖所有回复路径（包含非 LLM/非该 responder、或平台适配器直接发送的回复）。需要在 main.py 注册回复结果/发送后钩子并统一调用 save_bot_message。

相关模块: message capture, hooks, response, database, expression pattern learning

相关文件: main.py, services/response/intelligent_responder.py, services/hooks/llm_hook_handler.py, services/database/sqlalchemy_database_manager.py, repositories/bot_message_repository.py, models/orm/message.py, services/analysis/expression_pattern_learner.py, services/core_learning/message_collector.py

根因分析: 根据问题描述与现有代码结构，bot_messages 的写入依赖 services/response/intelligent_responder.py 内部在拿到 response_text 后调用 db_manager.save_bot_message(...)；但 main.py 仅注册了入站消息钩子（event_message_type）与 LLM 请求前钩子（on_llm_request），缺少对“LLM 返回结果/最终发送内容”的钩子（如 on_decorating_result / 发送后回调）。因此当回复不是经由 IntelligentResponder 的 refine_chat_completion 这条路径产生/发送时，不会触发 save_bot_message，导致数据库长期为 0，从而 services/analysis/expression_pattern_learner.py 在构造对话对时无样本可用。

修复建议: 1) 在 main.py 增加一个覆盖面更广的出站记录钩子：优先使用 AstrBot 提供的“结果装饰/发送前后”回调（例如 filter.on_decorating_result() 或等价回调，取决于 AstrBot 插件 API），在回调中拿到最终将发送的 bot 文本、group_id、会话/消息关联信息，然后调用 services/database/sqlalchemy_database_manager.py 的 save_bot_message(...)。
2) 将保存逻辑从 IntelligentResponder 私有路径抽成一个独立服务（如 services/core_learning/message_collector.py 或新增 services/hooks/outbound_message_recorder.py），由 main.py 的出站钩子与 IntelligentResponder 双方调用，避免重复与漏记。
3) 为 ExpressionPatternLearner 的训练数据准备层增加降级策略：当 bot_messages 缺失时，至少记录 raw_messages 中 is_bot/self 标记的消息（如果 AstrBot 能提供），或在保存 bot_message 时同时写入 raw_messages 并标记 sender_type='bot'，保证对话对可构建。
4) 增加契约测试：在 tests/unit 新增用例，模拟一次入站+一次出站（通过钩子路径），断言 bot_messages 计数+1 且 expression_pattern_learner 能取到对话对。

---

_{🤖 此报告由 AI 自动生成，已分析仓库源码，仅供参考。开发者会尽快审阅您的 issue。}

[NickCharlie]

感谢反馈，正在修复