🐱 Cat Sticker — 猫猫表情包技能系统

图片来源声明：本技能内置的所有表情包图片均来源于互联网公开渠道搜集整理，仅供个人学习与研究使用。如有侵权请联系删除。

📌 技能简介

Cat Sticker 是一款为 AI 对话场景设计的自动表情包匹配技能。夜玖会根据用户输入的文本内容，自动分析情绪关键词，从 161 张内置表情图中挑选最匹配的一张附在回复中，让对话更加生动可爱。

主要特点：

• 🧠 智能情绪分析 — 支持撒娇、开心、害羞、难过、生气、惊讶等 21 种情绪识别
• 🎲 概率触发机制 — 可调节表情发送频率，不再每句都发
• 🔄 智能冷却 — 避免连续发送同一张表情
• ⚙️ 灵活配置 — 支持指令实时调整概率、开关、冷却轮数
• 🐱 纯离线运行 — 无需联网，零依赖

📁 文件结构

cat-sticker/
├── SKILL.md              # 本文件，技能说明文档
├── cat_sticker_skill.py  # 🐱 核心 Python 模块（纯函数，无第三方依赖）
├── custom_stickers.json  # 表情元数据库（161条记录，含文件名与描述）
├── sticker_config.json   # 用户配置文件（首次运行自动生成）
├── sticker_cooldown.json # 冷却状态记录（运行中自动维护）
└── __stickers/          # 表情图片目录（161张 PNG 图片）

🚀 安装方式

方式一：通过 ClawHub 安装（推荐）

clawhub install cat-sticker

方式二：手动安装

# 克隆到本地技能目录
git clone <repository-url> /path/to/your/skills/cat-sticker

📖 使用方法

基础调用

import sys
sys.path.insert(0, "/path/to/cat-sticker")
import cat_sticker_skill as cs

# 分析文本情绪并返回表情
result = cs.pick_sticker("我好开心喵~")
print(result)
# 输出示例：
# {
#     "triggered": True,
#     "sticker_path": "/path/to/cat-sticker/__stickers/sticker_xxx.png",
#     "description": "开心的猫猫",
#     "emotion": "开心",
#     "confidence": 0.85,
#     "message": "我好开心喵~",
#     "cooldown_remaining": 2
# }

强制指定情绪

# 不分析文本，强制使用指定情绪分类
result = cs.pick_sticker("hello", explicit_emotion="开心")

覆盖概率阈值

# 强制触发（概率 = 1.0）
result = cs.pick_sticker("我难过", probability=1.0)

关闭表情功能

result = cs.pick_sticker("正常文本", override_enable=False)
# 返回 triggered: False

处理配置指令

# 解析并执行用户发送的指令
cmd_result = cs.handle_command("表情概率 0.5")
if cmd_result:
    print(cmd_result["reply"])
    # 例如："表情触发概率已调整为 50% 喵~"

📋 pick_sticker 参数详解

📤 返回值详解

🎭 支持的情绪类型（21种）

⚙️ 配置指令系统

表情开关

表情开关 开
表情开关 关

开启或关闭表情自动发送功能。

表情概率

表情概率 0.8

设置触发概率（0.0 ~ 1.0），每次回复时以该概率决定是否发送表情。

• 1.0 = 每次都发
• 0.7 = 70% 概率发送（默认）
• 0.0 = 关闭触发（但 override_enable=True 可强制触发）

表情冷却

表情冷却 3

设置冷却轮数——发送一张表情后，隔几轮才能再发，防止同一表情连续出现。

表情列表

表情列表

查看当前表情库中所有情绪分类及每类的表情数量。

表情帮助

表情帮助

显示本帮助文档。

⚙️ 配置文件说明

sticker_config.json

首次调用时自动生成，默认内容：

{
  "enable": true,
  "probability": 0.7,
  "cooldown_rounds": 2,
  "max_per_turn": 1,
  "expose_path": false,
  "emotion_priority": [
    "撒娇", "卖萌", "害羞", "开心", "生气", "难过",
    "惊讶", "疑惑", "嫌弃", "无语", "害怕", "思考",
    "困", "饿", "喵叫", "坏笑", "大哭", "傻笑",
    "投降", "OK", "恶搞"
  ]
}

sticker_cooldown.json

运行时自动维护，记录上次发送的表情文件名和剩余冷却轮数。

🧠 情绪分析原理

本技能采用关键词匹配 + 加权评分算法：

1. 分词：将输入文本转为小写
2. 关键词命中：遍历 21 种情绪的关键词列表，统计命中数量
3. 加权计分：每个关键词有独立权重（默认 0.8），长关键词（≥3字）额外乘 1.5 倍加成
4. 优先级排序：按总分降序排列，取最高分情绪作为匹配结果
5. 置信度计算：用该情绪得分除以最高分情绪得分，得到 0~1 的置信度

🔧 在 OpenClaw 中集成

方式一：通过 MCP 工具调用

// 调用 sticker_gen 工具，传入回复文本
sticker_gen(reply_text="我好开心喵~")
// 返回 base64 格式的表情图片

方式二：直接 import Python 模块

# 在 OpenClaw Agent 代码中
import cat_sticker_skill as cs

async def on_message(text):
    result = cs.pick_sticker(text)
    if result["triggered"]:
        sticker = result["sticker_path"]
        return f"{result['message']}\n[MEDIA:{sticker}]"
    return result["message"]

⚠️ 注意事项

1. 图片来源：所有表情图片均来源于互联网公开渠道搜集整理，仅供个人学习与研究使用。如有侵权，请联系删除。
2. 兼容性：仅支持 Python 3.8+，无第三方依赖，可在任何环境中运行。
3. 性能：161 张图片约 3.3MB，首次加载后缓存在内存中，后续调用无需重复读取文件。
4. 并发安全：多进程/多线程环境下，sticker_cooldown.json 文件锁需自行处理。建议每个进程使用独立的技能副本。
5. 冷却机制：cooldown_rounds=2 表示发完一张表情后，接下来 2 轮不会发任何表情，第 3 轮才能再发。

📄 许可证

MIT-0

Powered by 夜玖 · 猫之森咖啡厅看板娘 🐱