# webot

**Repository Path**: iovVis/webot

## Basic Information

- **Project Name**: webot
- **Description**: we chat robot.
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-04-20
- **Last Updated**: 2026-07-18

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# webot
WeChat robot framework based on cv.

1.Use it as a common agent of an organization, intercommunication between customers and employees.  
2.LLM Wiki methodology by Dr. Karpathy instead of the traditional RAG.  
3.Friendly for modifications.  

## 1.Quick Start
### step 1 Setting up Pycharm IDE (Optional).  
![img.png](docs/images/img.png)
### step 2 Some import python packages.  
```commandline
uv add torch torchvision torchaudio
uv pip install paddlepaddle-gpu==3.0.0 --default-index https://www.paddlepaddle.org.cn/packages/stable/cu118/  
uv pip install "paddleocr[all]"
```
### step 3 Give a try.
```python
import paddle
print("CUDA available:", paddle.is_compiled_with_cuda())
```

## 2.Design Consideration
### 2.1AgentLoop的ticker
（1）UI层的Timer会5秒一次触发，在窗口的事件处理函数中，主要功能是调用AgentLoop的ticker函数，根据结果绘制到界面上。  
（2）UI窗口创建的时候会附带MainLoop的实例agent被创建。UI起来之后，点击“开始监控”按钮，定时器启动，“停止监控”，定时器关闭。  
（3）MainLoop的ticker函数完成核心功能是每个ticker周期观察一次界面（发现红点），产生任务。按照目前的机制，Agent起来之前的红点不处理，只记录到_seen_chats中，只有是Agent运行起来之后，新到来的消息，Agent才会根据rules.json中设置的哪些联系人以及群需要自动回复，以及回复的规则去处理。
【注意】这个设计是比较合理的，就是尽量让新消息由人去处理而不是Agent已启动，就把所有消息都自动处理掉。  
（4）Agent目前处理消息是每次处理一个联系人，在_handle_one中处理。这个函数内部再按照模板处理或者大模型处理。
（5）Agent（MainLoop）处理消息采用队列，每次只读一个需要处理的红点联系人（在rules.json）中，截屏读取当前信息，然后写任务队列。
### 2.2微信操作技巧
（1）发送文件，需要利用QT6的Mimedata，设置为剪切板格式。  
（2）保存文件，需要利用QT6的Mimedata，直接粘贴到文件夹（import shutil）。  
（3）当激活窗口等操作后，最好要等个半秒时间，再进行截图、图片特征查找等操作，不然容易失败（刷新不及时）。  
（4）关于logger的知识点：logging.logging.getLogger(name)，是一个工厂单例范式，只要name相同，会返回同样一个logger，不会给新的。如果name是a.b.c这种，会自动建立logger的层次关系，底层继承上层的LEVEL。但不会继承handler、formatter、filter等。子层logger如果有handler，则用handler处理日志，然后把消息往父级logger传播。  
### 2.3需要解决的问题
（1）聊天联系人面板的联系人姓名...  
（2）识别会在面板比较窄的时候出现错误  
（3）后端消息处理引擎还没有实现，LLM直接回复为实现。  
（4）ticker读取指令任务队列，通过搜索联系人，回复消息，然后需要退出聊天状态。  
（5）双屏报错。  
（6）载入paddleOCR会界面凝固一段时间。  
（7）Agent如何切入两个不同的进程。  
（8）两次聊天新消息处理之间有过多消息导致无重叠会漏信息。  
（9）想要把架构MainLoop和ReplyWorker变为两个自主Agent。    
（10）关于日志logging的问题：在导入paddleOCR模型后，logging的日志级别会被paddleOCR代码修改，导致无法正常输出。（FIX）
### 2.4业务需求（陶研冰）
（1）如何通过微格、微课实训视频去进行评价  
（2）如何两性一度智能批改上传的教学设计