list

.env

@@ -0,0 +1,4 @@
+# .env 文件
+TELEGRAM_BOT_TOKEN=
+NVIDIA_API_KEY=
+ALLOWED_USERS=

README.md

@@ -0,0 +1,102 @@
+# 🤖 AI 代理机器人 (TG Bot)
+
+一个基于 NVIDIA API 的多模态 Telegram 聊天机器人，具备自主搜索、深度阅读、图片识别及长期记忆管理能力。
+
+## ✨ 核心特性
+
+### 1. 灵活的核心架构
+- **API 适配层**：默认对接 `https://integrate.api.nvidia.com/v1/chat/completions`，完全兼容所有 NVIDIA NeMo 微服务及第三方 OpenAI 协议接口。
+- **动态模型切换**：内置 `/model` 指令，实时并发检测所有注册模型的可用性（显示 ✅/❌ 状态），一键无缝切换推理引擎。
+- **主脚本配置**：所有核心参数（API 地址、密钥、模型列表）均在 `tg_bot.py` 顶部配置，无需额外配置文件即可快速迁移或私有化部署。
+
+### 2. 智能 Agent 能力
+- **自主决策流程**：
+  - 🔍 **Web Search**：优先使用搜索引擎获取最新信息。
+  - 📄 **Web Fetch**：自动判断是否需要深度阅读全文（包含防 PDF 陷阱机制）。
+  - 🖼️ **Image Search**：支持按关键词实时检索图片并返回 Markdown 格式展示。
+  - 🧠 **Memory Mgmt**：内置单用户级长期记忆存储 (`user_memory.json`)，支持添加、查询、删除关键个人偏好。
+- **上下文优化**：
+  - 自动压缩长对话历史，保留 System Prompt 和最近 20 轮有效信息。
+  - 防止重复抓取同一 URL，节省 Token 消耗。
+
+### 3. 输出优化
+- **移动端友好**：强制禁用 Markdown 表格，转换为清晰的无序列表格式，完美适配 Telegram 客户端渲染。
+- **流式状态反馈**：发送消息后立即编辑占位符文字（如“正在搜索..."、“正在深度阅读...”），提升交互体验。
+
+---
+
+## 🚀 快速开始
+
+### 1. 环境依赖
+确保已安装 Python 3.8+ 及以下库：
+```bash
+pip install pyTelegramBotAPI python-dotenv duckduckgo-search beautifulsoup4 requests urllib3
+```
+
+### 2. 环境变量配置 (.env)
+在项目根目录创建 `.env` 文件填入凭证：
+```ini
+# Telegram Bot Token
+TELEGRAM_BOT_TOKEN=your_telegram_token_here
+
+# NVIDIA API Key (或其他兼容接口的 Key)
+NVIDIA_API_KEY=nvapi-your-key-here
+
+# 允许使用的用户 ID (逗号分隔，为空则不限)
+ALLOWED_USERS=123456789,987654321
+```
+
+### 3. 运行程序
+```bash
+cd E:\AI_Workspace
+python tg_bot.py
+```
+
+---
+
+## ⚙️ 高级定制指南
+
+### 修改 API 地址与模型
+如需适配非 NVIDIA 官方接口（例如本地 Ollama 或其他云厂商）：
+
+1. 打开 `tg_bot.py`。
+2. 定位至 **核心配置区**（约第 25 行）：
+   ```python
+   NVIDIA_API_URL = "https://integrate.api.nvidia.com/v1/chat/completions" # 修改此处
+   DEFAULT_MODEL = "openai/gpt-oss-120b"                                  # 修改默认模型
+   ```
+3. 更新 `MODEL_MAP` 字典以匹配新提供商支持的模型 ID：
+   ```python
+   MODEL_MAP = {
+       "my-custom-model": "namespace/model-id", # 格式：display_name: api_model_id
+       ...
+   }
+   ```
+
+### 扩展自定义工具
+在 `TOOLS` 列表中定义新的 Function Schema，并在 `execute_*` 系列函数中实现具体逻辑。
+
+---
+
+## 📂 项目结构
+
+| 文件名 | 说明 |
+| :--- | :--- |
+| `tg_bot.py` | **主程序**。包含核心逻辑、Tool 定义、API 调用及 Telegram 事件处理。 |
+| `.env` | **敏感配置**。Token 与 API Key 存放处，严禁提交到公共仓库。 |
+| `user_memory.json` | **运行时自动生成**。存储每个 ChatID 对应的长期记忆数据。 |
+| `README.md` | **本项目文档**。 |
+
+---
+
+## 💡 常见问题 (FAQ)
+
+- **Q: 为什么某些模型显示 ❌？**
+  A: 可能是网络超时或 API Key 权限不足。检查 `.env` 中的 Key 是否正确，并确保网络能访问目标端点。
+- **Q: 内存占用过高怎么办？**
+  A: 每次重启程序会重置 `chat_memory` 缓存（但保留 `user_memory.json` 中的持久记忆）。长时间运行建议定期 `/reset` 清理过长的上下文窗口。
+- **Q: 图片如何处理？**
+  A: 上传的图片会被编码为 Base64 并通过 `image_url` 字段发送给支持视觉的模型；若需搜图，请使用自然语言描述意图（如“帮我找一张...的照片”），触发 `image_search` 工具。
+
+---
+*最后更新时间：2026 年 03 月 14 日*

tg_bot.py

@@ -0,0 +1,490 @@
+import os
+import json
+import base64
+import datetime
+import requests
+import urllib3
+urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)
+import telebot
+from telebot import types
+from concurrent.futures import ThreadPoolExecutor, as_completed
+from dotenv import load_dotenv
+from ddgs import DDGS
+from bs4 import BeautifulSoup
+
+# ================= 1. 核心配置与环境变量 =================
+load_dotenv()
+
+TELEGRAM_BOT_TOKEN = os.getenv('TELEGRAM_BOT_TOKEN')
+NVIDIA_API_KEY = os.getenv('NVIDIA_API_KEY')
+NVIDIA_API_URL = "https://integrate.api.nvidia.com/v1/chat/completions"
+
+# 解析允许的用户 ID 列表
+try:
+    ALLOWED_USERS = [int(u.strip()) for u in os.getenv('ALLOWED_USERS', '').split(',') if u.strip()]
+except ValueError:
+    ALLOWED_USERS = []
+
+
+MODEL_MAP = {
+    "gpt-oss-120b": "openai/gpt-oss-120b",
+    "qwen3-next-80b-a3b-thinking": "qwen/qwen3-next-80b-a3b-thinking",    
+    "qwen3.5-122b-a10b": "qwen/qwen3.5-122b-a10b",  
+    "qwen3.5-397b-a17b": "qwen/qwen3.5-397b-a17b",   
+    "qwen3-coder-480b-a35b-instruct": "qwen/qwen3-coder-480b-a35b-instruct",
+    "kimi-k2.5": "moonshotai/kimi-k2.5",  
+    "llama-3.1-70b-instruct": "meta/llama-3.1-70b-instruct",
+    "llama-3.1-405b-instruct": "meta/llama-3.1-405b-instruct",
+    "llama-3.3-70b-instruct": "meta/llama-3.3-70b-instruct",  
+    "deepseek-v3.2": "deepseek-ai/deepseek-v3.2",
+    "deepseek-v3.1": "deepseek-ai/deepseek-v3.1",
+    "deepseek-v3.1-terminus": "deepseek-ai/deepseek-v3.1-terminus",
+    "minimax-m2.5": "minimaxai/minimax-m2.5",   
+    "mistral-large-3-675b-instruct-2512": "mistralai/mistral-large-3-675b-instruct-2512" , 
+}
+
+
+DEFAULT_MODEL = "openai/gpt-oss-120b"
+CTX_SIZE = 16000 
+
+bot = telebot.TeleBot(TELEGRAM_BOT_TOKEN)
+chat_memory = {}
+
+# ================= 记忆持久化模块 =================
+MEMORY_FILE = "user_memory.json"
+
+def load_memory():
+    if os.path.exists(MEMORY_FILE):
+        with open(MEMORY_FILE, 'r', encoding='utf-8') as f:
+            return json.load(f)
+    return {}
+
+def save_memory(data):
+    with open(MEMORY_FILE, 'w', encoding='utf-8') as f:
+        json.dump(data, f, ensure_ascii=False, indent=2)
+
+def execute_manage_memory(chat_id, action, content=None):
+    memories = load_memory()
+    user_mem = memories.get(str(chat_id), [])
+
+    if action == "add" and content:
+        if content not in user_mem:
+            user_mem.append(content)
+            memories[str(chat_id)] = user_mem
+            save_memory(memories)
+        return f"已成功将 '{content}' 添加到长期记忆。"
+    elif action == "delete" and content:
+        # 模糊匹配删除
+        user_mem = [m for m in user_mem if content not in m]
+        memories[str(chat_id)] = user_mem
+        save_memory(memories)
+        return f"已删除包含 '{content}' 的记忆。"
+    elif action == "list":
+        if not user_mem: return "当前没有任何长期记忆。"
+        return "【用户当前记忆列表】:\n" + "\n".join([f"- {m}" for m in user_mem])
+    return "操作无效或缺少 content 参数。"
+
+user_selected_model = {}
+
+# ================= 2. 注册 TG 快捷菜单 =================
+def setup_bot_commands():
+    try:
+        commands = [
+            types.BotCommand("start", "🚀 启动并查看帮助"),
+            types.BotCommand("model", "🧠 切换 AI 模型"),
+            types.BotCommand("reset", "🧹 清空对话记忆")
+        ]
+        bot.set_my_commands(commands)
+        print("✅ Telegram 快捷菜单注册成功！")
+    except Exception as e:
+        print(f"❌ 快捷菜单注册失败: {e}")
+
+# ================= 3. 工具库 (Tools Definition) =================
+# 这是大模型的“使用说明书”
+# ================= 3. 工具库 (Tools Definition) =================
+TOOLS = [
+    {
+        "type": "function",
+        "function": {
+            "name": "web_search",
+            "description": "搜索互联网并返回最新的标题、链接和摘要。",
+            "parameters": {
+                "type": "object",
+                "properties": {
+                    "query": {"type": "string", "description": "搜索关键词"}
+                },
+                "required": ["query"]
+            }
+        }
+    },
+    {
+        "type": "function",
+        "function": {
+            "name": "web_fetch",
+            "description": "抓取特定网页的正文。遇到需要深度阅读的内容时调用。",
+            "parameters": {
+                "type": "object",
+                "properties": {
+                    "url": {"type": "string", "description": "网页URL"}
+                },
+                "required": ["url"]
+            }
+        }
+    },
+    # 👇 新增：图片搜索
+    {
+        "type": "function",
+        "function": {
+            "name": "image_search",
+            "description": "按关键词搜索图片并返回图片的直链。当用户需要找图、看图时调用。",
+            "parameters": {
+                "type": "object",
+                "properties": {
+                    "query": {"type": "string", "description": "图片搜索关键词"}
+                },
+                "required": ["query"]
+            }
+        }
+    },
+    # 👇 新增：主动记忆
+    {
+        "type": "function",
+        "function": {
+            "name": "manage_memory",
+            "description": "读取、添加或删除关于用户的长期记忆（偏好、习惯、身份等）。当用户说'记住...'或'你记得我什么'时调用。",
+            "parameters": {
+                "type": "object",
+                "properties": {
+                    "action": {"type": "string", "enum": ["add", "list", "delete"], "description": "操作类型"},
+                    "content": {"type": "string", "description": "要添加或删除的具体记忆内容（list操作时可留空）"}
+                },
+                "required": ["action"]
+            }
+        }
+    }
+]
+
+# 👇 紧接着加上搜图的执行逻辑（和 web_search 放在一起）
+def execute_image_search(query):
+    print(f"🖼️ [Agent] 正在搜图: {query}")
+    try:
+        with DDGS(timeout=15) as ddgs:
+            results = list(ddgs.images(query, max_results=3))
+            if not results: return "未找到相关图片。"
+            # 直接返回 Markdown 格式给大模型，让它输出给用户
+            return "\n".join([f"![{r['title']}]({r['image']})" for r in results])
+    except Exception as e:
+        return f"图片搜索失败: {e}"
+
+# 实际的工具执行函数
+def execute_web_search(query):
+    print(f"🔍 [Agent] 正在搜索: {query}")
+    try:
+        with DDGS(timeout=15) as ddgs:
+            results = list(ddgs.text(query, max_results=5))
+            if not results: return "未找到相关结果。"
+            
+            formatted = ""
+            for i, r in enumerate(results):
+                formatted += f"[{i+1}] {r['title']}\nURL: {r['href']}\n摘要: {r['body']}\n\n"
+            return formatted
+    except Exception as e:
+        return f"搜索失败: {e}"
+
+def execute_web_fetch(url):
+    print(f"📄 [Agent] 正在阅读网页: {url}")
+    
+    # 【新增】防 PDF 陷阱机制
+    if url.lower().endswith('.pdf'):
+        print("⚠️ [Agent] 拦截 PDF 读取，提示模型切换策略。")
+        return "【工具报错】：该链接是 PDF 文件，当前工具无法解析二进制内容。如果是论文，请尝试读取该论文的 HTML 摘要页（如将 /pdf/ 替换为 /abs/），或重新搜索相关的科技新闻报道。"
+
+    headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36'}
+    try:
+        res = requests.get(url, headers=headers, timeout=10, verify=False)
+        res.raise_for_status()
+        soup = BeautifulSoup(res.text, 'html.parser')
+        
+        for tag in soup(['script', 'style', 'nav', 'footer', 'header']):
+            tag.decompose()
+        text = '\n'.join([line.strip() for line in soup.get_text().splitlines() if line.strip()])
+        return text[:3500] 
+    except Exception as e:
+        return f"网页抓取失败: {e}"
+
+# ================= 4. 核心逻辑与 API 调用 =================
+def get_chat_history(chat_id):
+    today = datetime.date.today().strftime("%Y年%m月%d日")
+
+    # 强化版系统提示词：增加负面约束与正面示例
+    ADVANCED_SYSTEM_PROMPT = f"""当前时间是 {today}。你是一个强大的多模态 AI 助手。
+
+【核心行动手册】
+1. **知识调用**：你的自身知识库极其渊博！对于通用知识、编程基础、历史常识、常规聊天等，【必须】直接回答，**绝对禁止**调用工具！只有实时资讯或极冷门知识才允许使用 `web_search`。
+2. **工具节制（极度重要）**：你的上下文记忆极其有限！
+   - 搜新闻或列表时，**仅依靠 web_search 的摘要即可作答**，绝对禁止为了完美而去 web_fetch 每一篇文章！
+   - 一旦收集到能基本回答用户问题的信息，必须**立即停止调用工具**并输出最终结果。
+2. **排版极端禁令**：**绝对严禁**使用 Markdown 表格语法（即包含 | 和 - 的结构）。Telegram 无法正常渲染表格，会导致用户体验极差。
+3. **强制替代格式**：如果需要对比或列举数据，请严格按照以下格式：
+   
+   ### [类别名称/标题]
+   - **项目 A**：描述内容
+   - **项目 B**：描述内容
+   ---
+   *(重复上述结构直到完成对比)*
+
+4. **手机端优化**：必须使用【加粗标题】和【- 分点列表】。
+
+【执行反馈】
+- 哪怕模型内部逻辑认为表格更清晰，也必须为了 Telegram 的兼容性将其转化为上述列表格式。"""
+
+    # 👇 每次都刷新系统提示词，确保最新的约束生效
+    if chat_id not in chat_memory:
+        chat_memory[chat_id] = [{"role": "system", "content": ADVANCED_SYSTEM_PROMPT}]
+    else:
+        # 确保索引 0 的 system 消息始终包含最新的 Prompt
+        chat_memory[chat_id][0]["content"] = ADVANCED_SYSTEM_PROMPT
+    
+    # === 上下文自动压缩机制 ===
+    current_history = chat_memory[chat_id]
+    # 如果对话轮数过多，剔除最旧的一轮 user 和 assistant 回复，保留索引 0 的 system
+    while len(current_history) > 20:
+        current_history.pop(1)
+        
+    return current_history
+
+# 👇 注意增加了 status_msg 参数
+def chat_with_agent(chat_id, user_message, status_msg, max_loops=15):
+    history = get_chat_history(chat_id)
+    history.append(user_message)
+    
+    headers = {'Authorization': f'Bearer {NVIDIA_API_KEY}', 'Content-Type': 'application/json'}
+    model = user_selected_model.get(chat_id, DEFAULT_MODEL)
+    print(f"🧠 当前使用模型: {model}") # --- 新增日志 ---
+
+    # 👇 新增：本轮防重复抓取记录（Token 保护机制）
+    visited_urls = set()
+
+    for loop in range(max_loops):
+        print(f"🔄 思考循环: 第 {loop + 1} 次") # --- 新增日志 ---
+        payload = {"model": model, "messages": history, "tools": TOOLS, "temperature": 0.6, "max_tokens": 4096}
+        
+        try:
+            print("🌐 正在请求 NVIDIA API...") # --- 新增日志 ---
+            response = requests.post(NVIDIA_API_URL, headers=headers, json=payload, timeout=120)
+            response.raise_for_status()
+            print("🌐 API 请求成功") # --- 新增日志 ---
+        except requests.exceptions.ReadTimeout as e:
+            print(f"❌ API 超时: {e}") # --- 新增日志 ---
+            return "❌ API 接口超时，请稍后再试或切换模型。"
+        except Exception as e:
+             print(f"❌ API 请求异常: {e}") # --- 新增日志 ---
+             return f"❌ API 请求异常: {e}"
+             
+        data = response.json()
+        message = data['choices'][0]['message']
+        
+        if not message.get("tool_calls"):
+            print("🏁 模型决定直接回复，无工具调用") # --- 新增日志 ---
+            
+            final_content = message.get("content")
+            # 修复：确保将 None 或纯空格转为空字符串处理
+            if not final_content or not str(final_content).strip():
+                print("⚠️ 警告：模型返回了空文本，触发保护机制。")
+                final_content = "【系统提示】：由于检索的信息量过大，模型未能成功生成文字回复。这通常是因为查阅了太多网页导致上下文超载。\n\n💡 **建议**：请发送 `/reset` 清空记忆，然后要求我“只搜索不深入阅读”，或者缩小搜索范围。"
+            
+            # 修复：这里必须使用 final_content，而不是 message["content"]
+            history.append({"role": "assistant", "content": final_content})
+            return final_content
+        
+        history.append(message)
+        print(f"🛠️ 模型决定调用 {len(message['tool_calls'])} 个工具") # --- 新增日志 ---
+        
+        for tool_call in message["tool_calls"]:
+            func_name = tool_call["function"]["name"]
+            
+            try:
+                args = json.loads(tool_call["function"]["arguments"])
+            except json.JSONDecodeError as e:
+                print(f"⚠️ 工具参数解析失败: {e}") # --- 新增日志 ---
+                args = {}
+
+            tool_result = ""
+            
+            # 👇 动态修改那条 Telegram 消息！
+            if func_name == "web_search":
+                print(f"执行工具: web_search, 参数: {args}") # --- 新增日志 ---
+                bot.edit_message_text(f"🔍 正在检索: `{args.get('query', '')}`", chat_id=chat_id, message_id=status_msg.message_id, parse_mode="Markdown")
+                tool_result = execute_web_search(args.get("query", ""))
+                
+            elif func_name == "web_fetch":
+                url = args.get("url", "").strip()
+                
+                # 👇 新增：防止模型传一个空的网址过来浪费时间
+                if not url:
+                    print("🛑 拦截空网址抓取")
+                    tool_result = "【系统警告】：你提供了一个空的 URL！请检查搜索结果，提取正确的 href 链接后再调用 web_fetch 工具。"
+                # 下面是原有的去重逻辑
+                elif url in visited_urls:
+                    print(f"🛑 拦截重复抓取，保护 Token: {url}")
+                    bot.edit_message_text(f"🛑 拦截重复阅读，节省 Token...", chat_id=chat_id, message_id=status_msg.message_id)
+                    tool_result = "【系统警告】：您已经抓取并阅读过该 URL 的内容，内容已在您的上下文记忆中，请勿重复调用 web_fetch 浪费 Token！请基于已有信息回答，或搜索新的线索。"
+                else:
+                    visited_urls.add(url)
+                    print(f"执行工具: web_fetch, 参数: {args}")
+                    bot.edit_message_text(f"📄 正在深度阅读网页...", chat_id=chat_id, message_id=status_msg.message_id, parse_mode="Markdown")
+                    tool_result = execute_web_fetch(url)
+                    
+            elif func_name == "image_search":
+                print(f"执行工具: image_search, 参数: {args}") # --- 新增日志 ---
+                bot.edit_message_text(f"🖼️ 正在搜图: `{args.get('query', '')}`", chat_id=chat_id, message_id=status_msg.message_id, parse_mode="Markdown")
+                tool_result = execute_image_search(args.get("query", ""))
+            elif func_name == "manage_memory":
+                print(f"执行工具: manage_memory, 参数: {args}") # --- 新增日志 ---
+                bot.edit_message_text(f"🧠 正在整理记忆...", chat_id=chat_id, message_id=status_msg.message_id)
+                tool_result = execute_manage_memory(chat_id, args.get("action", ""), args.get("content", ""))
+            else:
+                 print(f"⚠️ 未知工具: {func_name}") # --- 新增日志 ---
+            
+            history.append({
+                "role": "tool",
+                "tool_call_id": tool_call["id"],
+                "name": func_name,
+                "content": tool_result
+            })
+            
+            # 查完资料后，更新状态为“整理回答中”
+            bot.edit_message_text("✍️ 正在整理最终回答...", chat_id=chat_id, message_id=status_msg.message_id)
+            print("✍️ 工具执行完毕，准备进行下一轮循环") # --- 新增日志 ---
+            
+    print("❌ 思考循环达到上限") # --- 新增日志 ---
+    return "思考深度超过限制，未能得出最终结论。"
+
+def check_model_status(model_id):
+    """测试单个模型是否可用，返回布尔值 (True/False)"""
+    headers = {
+        "Authorization": f"Bearer {NVIDIA_API_KEY}",
+        "Content-Type": "application/json"
+    }
+    payload = {
+        "model": model_id,
+        "messages": [{"role": "user", "content": "hi"}],
+        "max_tokens": 1  # 只需要1个token来探测连通性
+    }
+    try:
+        # 注意：这里把 timeout 设置为 8 秒。
+        # 因为这是用户点菜单时的实时检测，等太久体验不好。8秒连不上就视为不可用。
+        res = requests.post(NVIDIA_API_URL, headers=headers, json=payload, timeout=8)
+        return res.status_code == 200
+    except Exception:
+        return False
+
+# ================= 5. 消息处理与入口 =================
+def check_auth(message):
+    if not ALLOWED_USERS or message.from_user.id not in ALLOWED_USERS:
+        print(f"⚠️ 拦截非法访问: {message.from_user.id}")
+        return False
+    return True
+
+@bot.message_handler(commands=['start', 'help'])
+def send_welcome(message):
+    if not check_auth(message): return
+    bot.reply_to(message, "👋 **全功能 Agent 已上线**\n\n• 我能自主决定何时搜索、何时阅读网页\n• `/model` 切换引擎\n• `/reset` 清空记忆", parse_mode="Markdown")
+
+@bot.message_handler(commands=['model'])
+def show_model_menu(message):
+    if not check_auth(message): return
+    
+    # 1. 先发一条提示消息，因为测速需要几秒钟
+    status_msg = bot.reply_to(message, "⏳ 正在并发检测各节点的 API 连通性，请稍候...")
+    
+    # 2. 并发测试所有模型
+    model_status = {}
+    with ThreadPoolExecutor(max_workers=len(MODEL_MAP)) as executor:
+        # 提交所有测试任务
+        future_to_model = {executor.submit(check_model_status, v): k for k, v in MODEL_MAP.items()}
+        
+        # 收集测试结果
+        for future in as_completed(future_to_model):
+            model_name = future_to_model[future]
+            try:
+                is_ok = future.result()
+            except Exception:
+                is_ok = False
+            model_status[model_name] = is_ok
+
+    # 3. 动态构建带 ✅/❌ 状态的键盘
+    markup = types.InlineKeyboardMarkup(row_width=1)
+    for name, model_id in MODEL_MAP.items():
+        status_icon = "✅" if model_status.get(name) else "❌"
+        # 按钮文本带图标，但 callback_data 保持原样，这样不影响后续切换逻辑
+        btn_text = f"{status_icon} {name}"
+        markup.add(types.InlineKeyboardButton(text=btn_text, callback_data=f"set_model_{name}"))
+    
+    # 4. 把刚才的“等待中”消息修改为真正的菜单
+    bot.edit_message_text(
+        text="请选择思考引擎（✅ 可用 / ❌ 异常或超时）：",
+        chat_id=message.chat.id,
+        message_id=status_msg.message_id,
+        reply_markup=markup
+    )
+
+@bot.callback_query_handler(func=lambda call: call.data.startswith('set_model_'))
+def handle_model_selection(call):
+    name = call.data.replace('set_model_', '')
+    user_selected_model[call.message.chat.id] = MODEL_MAP[name]
+    bot.edit_message_text(chat_id=call.message.chat.id, message_id=call.message.message_id, text=f"✅ 已切换至: {name}")
+
+@bot.message_handler(commands=['reset'])
+def reset_memory(message):
+    if not check_auth(message): return
+    if message.chat.id in chat_memory: del chat_memory[message.chat.id]
+    bot.reply_to(message, "🧹 对话上下文及工具执行记录已清空。")
+
+@bot.message_handler(content_types=['text', 'photo'])
+def handle_message(message):
+    if not check_auth(message): return
+    if message.text and message.text.startswith('/'): return
+
+    chat_id = message.chat.id
+    user_text = message.text or message.caption or "请描述图片"
+    
+    # --- 新增日志 ---
+    print(f"\n[{datetime.datetime.now().strftime('%H:%M:%S')}] 收到用户 {chat_id} 的消息: {user_text[:20]}...")
+    
+    current_content = [{"type": "text", "text": user_text}]
+    if message.photo:
+        try:
+            file_info = bot.get_file(message.photo[-1].file_id)
+            img_b64 = base64.b64encode(bot.download_file(file_info.file_path)).decode('utf-8')
+            current_content.append({"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{img_b64}"}})
+            print("📸 已接收并处理图片附件") # --- 新增日志 ---
+        except Exception as e: 
+            print(f"❌ 图片处理失败: {e}") # --- 新增日志 ---
+    
+    user_message = {"role": "user", "content": current_content}
+    
+    # 👇 视觉感核心：先发送一条状态占位消息
+    status_msg = bot.reply_to(message, "⏳ 思考中...")
+    print("⏳ 已发送状态占位消息") # --- 新增日志 ---
+
+    try:
+        # 把占位消息的 ID 传给 agent
+        reply = chat_with_agent(chat_id, user_message, status_msg)
+        
+        # 最终生成完毕后，覆盖那条状态消息
+        try:
+            bot.edit_message_text(reply, chat_id=chat_id, message_id=status_msg.message_id, parse_mode="Markdown")
+        except Exception:
+            bot.edit_message_text(reply, chat_id=chat_id, message_id=status_msg.message_id)
+        
+        print("✅ 最终回复已发送") # --- 新增日志 ---
+            
+    except Exception as e:
+        print(f"❌ 系统异常: {e}") # --- 新增日志 ---
+        bot.edit_message_text(f"❌ 系统异常: {e}", chat_id=chat_id, message_id=status_msg.message_id)
+
+if __name__ == "__main__":
+    setup_bot_commands()
+    print("🚀 Bot 开始运行...")
+    bot.infinity_polling()