按赞
反对
评论
收藏
分享
轻量的AI对话Python脚本
当前脚本的特点：
- 简洁界面，单文件脚本。
- 配置两种不同的模型（视觉/纯文本）。
- 支持附件生成任务（可附加截图）。
- 对图像进行尺寸调整和压缩。
- 支持自定义命令和参数。
- 可调整取景框（拖动、修改尺寸、右键隐藏）。
- 支持自定义插件命令。需要安装的依赖：pillow requests python-dotenv
需要API配置，可以创建.env文件：
VISION_API_KEY=""
TEXT_API_KEY=""
API_KEY=""
接下来创建配置文件 `screen_ai_config.json` ：
{
"settings": {
"frame_width": 256,
"frame_height": 256,
"main_width": 350,
"main_height": 450,
"border_size": 3,
"corner_size": 10,
"border_color": "#FF0000",
"max_tokens": 4096,
"output_dir": "./outputs",
"request_timeout": 120
},
"apis": { 请查看示例... }
}
创建插件目录plugins，
图片翻译插件 `tr.py` ：
"""翻译图片文本"""
def execute(args):
if not args:
return "用法: /tr <目标语言>"
from __main__ import app, get_nested, to_data_url
image = app.capture()
if not image:
return "截图失败"
try:
# 构建用户消息内容
user_content = [
{"type": "image_url", "image_url": {"url": to_data_url(image)}},
{"type": "text", "text": f"翻译为{args}"},
]
resp = app.call_api(
"vision",
{
"model": "gpt-4o",
"messages": [{"role": "user", "content": user_content}],
"max_tokens": 4096,
"temperature": 0.3,
"top_p": 0.9,
},
)
# 先提取响应内容
response = get_nested(resp, "choices.0.message.content", "翻译失败")
# 再保存到对话历史
app.add_message("user", user_content)
app.add_message("assistant", response)
return response
except Exception as e:
return f"出错了: {e}"
---
随机角色辩论（异步） `debate.py`：
"""随机角色辩论"""
import random
from datetime import datetime
random.seed(datetime.now().timestamp())
# ==================== 角色构建元素池 ====================
MOTTOS = [
"怀疑一切，直到证据确凿",
"相关不等于因果",
"如无必要，勿增实体（奥卡姆剃刀）",
"魔鬼在细节中",
"未经审视的观点不值得持有",
"第一性原理（回到最基本的事实）",
"逆向思维（想成功先研究失败）",
"万物皆有裂痕，那是光进来的地方",
"地图不是疆域",
"知之为知之，不知为不知",
"没有什么比正确回答错误问题更危险",
"所有模型都是错的，但有些是有用的",
"如果你不能简单解释它，你就没有真正理解它",
"强观点，弱持有",
"在信息不完整时也要决策",
"真理往往在两个极端之间",
"复杂问题很少有简单解决方案",
"今天的解决方案是明天的问题",
"宁可大致正确，也不要精确错误",
"先定义问题，再解决问题",
"把结论变成预测，用结果校验",
"数据胜于直觉（但故事有助于传播）",
"可逆决策快做，不可逆决策慢做",
"先验证可行性，再讨论优劣",
"小步实验，快速反馈",
"完成胜过完美",
"测量你想改进的东西",
"用实验定输赢，不用争论定输赢",
"把不可控变可控（重构问题）",
"不确定性是需要管理的变量",
]
WORK_MODES = [
"将主张分解为可独立验证的命题，逐一检验",
"假设当前结论为假，系统构造能推翻它的情景",
"从表面不相关的系统中提取结构相似性",
"将抽象方案转化为可执行的行动序列",
"从现象反推最佳解释（溯因推理）",
"测试极端和边界条件下的行为",
"识别所有利益相关方及其激励结构",
"分析短期、中期、长期的不同影响",
"进行反事实推理（如果X没有发生会怎样）",
"识别系统中的反馈循环和延迟效应",
"寻找历史先例和类比案例",
"量化不确定性，区分已知与未知",
"构建论证的最强版本后再批判（钢人论证）",
"评估信息来源的可靠性和潜在偏见",
"从多个抽象层级审视问题",
"追踪因果链条的每一环",
"把问题转化为可测指标与判定阈值",
"识别关键假设并按可证伪性与影响力排序",
"设计最小成本实验验证最大不确定性",
"区分可逆与不可逆决策，分别采用快与慢的流程",
"建立对照组与基准线",
"对关键变量做敏感性分析",
"明确约束条件（时间、预算、资源、合规）并推导可行空间",
"评估进一步调研的信息价值",
"将复杂任务拆为探索阶段与利用阶段",
"设置监控指标与触发条件（升级、止损）",
]
GOALS = [
"发现隐藏假设和未言明的前提",
"识别逻辑漏洞和推理错误",
"提供可行的替代方案",
"确保方案的可执行性",
"揭示问题的深层模式和结构",
"量化风险和不确定性",
"找出潜在的机会和威胁",
"促进共识或明确分歧点",
"挑战既有框架和惯性思维",
"整合多元视角形成综合理解",
"预测可能的后果和副作用",
"识别关键变量和杠杆点",
"区分核心问题和表象问题",
"建立可证伪的预测标准",
"找到最小可行的解决路径",
"暴露概念混淆和定义模糊",
"澄清目标函数与约束条件",
"定义成功标准与验收指标",
"识别最先应验证的假设",
"降低沟通成本与误解概率",
"提升决策速度与决策质量",
"形成可复用的知识资产（决策依据与复盘结论）",
"建立预警与纠偏机制",
"在多目标冲突下提供透明的权衡方案",
"识别不可接受的风险（红线与底线）",
"提升系统韧性（面对冲击仍能运行）",
]
THINKING_MODES = [
"批判性思维（质疑假设，检验证据）",
"系统性思维（关注整体与联系）",
"创造性思维（打破常规，寻找新可能）",
"战略性思维（考虑全局与长远）",
"分析性思维（拆解问题，深入细节）",
"整合性思维（综合矛盾，超越二元对立）",
"反思性思维（审视自身思维过程）",
"辩证思维（在对立中寻找统一）",
"设计思维（以用户为中心，快速迭代）",
"概率思维（用概率而非确定性思考）",
"博弈思维（考虑他人的策略与反应）",
"演化思维（关注适应、选择与变化）",
"网络思维（关注节点与连接的影响）",
"层次思维（区分不同抽象层级）",
"时序思维（追踪先后顺序与路径依赖）",
"逆向思维（从结果倒推条件）",
"实验思维（假设、实验、迭代、复现）",
"统计思维（分布、方差、噪声与置信度）",
"工程思维（可靠性、可维护性与边界条件）",
"计算思维（抽象、分解、自动化与复用）",
"经济思维（稀缺性、激励、边际与机会成本）",
"伦理思维（价值冲突、利益相关方与可解释性）",
"叙事思维（用结构化故事提升理解与行动）",
"元认知（监控自身思维过程与偏见）",
]
TOOLS = [
"MECE原则（相互独立、完全穷尽）",
"5Why分析法（追问根本原因）",
"费米估算（快速量级估计）",
"贝叶斯更新（根据新证据调整信念强度）",
"博弈论分析（策略互动建模）",
"机会成本分析（选择的隐性代价）",
"归谬法（假设为真推出矛盾）",
"思想实验（理想化情景推演）",
"情景规划（多未来分支分析）",
"预验尸（假设已失败，回溯原因）",
"红队推演（对抗视角压力测试）",
"决策树（条件分支与期望值计算）",
"敏感性分析（关键变量波动测试）",
"类比推理（跨领域结构映射）",
"二阶思维（考虑后果的后果）",
"概念澄清（定义边界与内涵）",
"钢人论证（构建最强对立观点再批判）",
"奥卡姆剃刀（优先选择最简假设）",
"汉隆剃刀（能解释为愚蠢的，就不要解释为恶意）",
"切斯特顿栅栏（先理解存在理由再改变）",
"黑天鹅检查（低概率高影响事件扫描）",
"林迪效应（已存续越久，预期剩余寿命越长）",
"帕累托分析（识别关键少数）",
"鱼骨图（因果分类梳理）",
"因果回路图（识别正负反馈与延迟）",
"风险矩阵（概率×影响分层）",
"蒙特卡罗模拟（随机抽样估计分布）",
"AARRR漏斗（获取、激活、留存、变现、推荐）",
"Kano模型（需求分类与优先级）",
"JTBD框架（用户任务视角）",
"OKR（目标与关键结果对齐）",
"SMART标准（具体、可衡量、可达成、相关、有时限）",
"RACI矩阵（负责、批准、咨询、知会）",
"A3报告（问题、分析、对策、验证一页纸）",
"六顶思考帽（并行多角色思考）",
"置信区间与显著性检验（区分信号与噪声）",
]
BIAS_AWARENESS = [
"确认偏误（倾向于寻找支持己见的证据）",
"可得性偏误（过度依赖容易想起的例子）",
"锚定效应（过度受初始信息影响）",
"后见之明偏误（事后觉得结果显而易见）",
"幸存者偏差（只看到成功样本）",
"群体思维（为求一致而压制异议）",
"沉没成本谬误（因已投入而继续错误方向）",
"框架效应（表述方式影响判断）",
"过度自信（高估自身判断的准确性）",
"基本归因错误（过度归因于个人而忽视情境）",
"禀赋效应（高估自己拥有之物的价值）",
"现状偏好（不合理地偏好当前状态）",
"损失厌恶（对损失的敏感度高于同等收益）",
"基本比率忽视（忽略先验概率）",
"赌徒谬误（误认为独立事件会自我修正）",
"结果偏误（用结果好坏评价决策质量）",
"选择性注意（只看见想看见的信息）",
"光环效应（以偏概全的正面推断）",
"负面偏误（对负面信息赋予过高权重）",
"自利偏误（成功归己，失败归外）",
"达克效应（能力越低越倾向高估自己）",
"计划谬误（系统性低估时间与成本）",
"峰终定律（以峰值和结尾体验评价整体）",
"情感启发式（用情绪感受替代理性计算）",
]
# 角色基础模板
ROLE_TEMPLATES = [
{
"base_name": "审视者",
"tendency": {
"challenge": 0.30,
"question": 0.35,
"contribute": 0.20,
"agree": 0.10,
"veto": 0.05,
},
"temperature": 0.1,
},
{
"base_name": "挑战者",
"tendency": {
"challenge": 0.45,
"question": 0.25,
"contribute": 0.15,
"agree": 0.10,
"veto": 0.05,
},
"temperature": 0.3,
},
{
"base_name": "联结者",
"tendency": {
"contribute": 0.45,
"agree": 0.25,
"question": 0.15,
"challenge": 0.10,
"veto": 0.05,
},
"temperature": 0.9,
},
{
"base_name": "实践者",
"tendency": {
"question": 0.30,
"challenge": 0.25,
"contribute": 0.25,
"agree": 0.15,
"veto": 0.05,
},
"temperature": 0.2,
},
{
"base_name": "整合者",
"tendency": {
"contribute": 0.35,
"agree": 0.30,
"question": 0.20,
"challenge": 0.10,
"veto": 0.05,
},
"temperature": 0.5,
},
{
"base_name": "预见者",
"tendency": {
"contribute": 0.30,
"question": 0.30,
"challenge": 0.25,
"agree": 0.10,
"veto": 0.05,
},
"temperature": 0.6,
},
{
"base_name": "解构者",
"tendency": {
"challenge": 0.40,
"question": 0.30,
"contribute": 0.15,
"agree": 0.10,
"veto": 0.05,
},
"temperature": 0.4,
},
{
"base_name": "建构者",
"tendency": {
"contribute": 0.40,
"agree": 0.20,
"question": 0.25,
"challenge": 0.10,
"veto": 0.05,
},
"temperature": 0.7,
},
]
TYPES = {
"contribute": "贡献新的有价值观点",
"agree": "同意某个观点并说明理由",
"challenge": "挑战某个观点，给出反例或具体理由",
"veto": "否决（仅用于严重错误）",
"question": "追问以澄清问题",
}
class ElementPool:
"""管理元素分配，避免重复"""
def __init__(self):
self.used = {
"mottos": set(),
"work_modes": set(),
"goals": set(),
"thinking": set(),
"tools": set(),
"bias": set(),
"templates": [],
}
def pick(self, pool, category, count=1):
"""从池中不重复地选取元素"""
available = [x for x in pool if x not in self.used[category]]
if len(available) < count:
available = pool # 池子耗尽时允许重复
selected = random.sample(available, min(count, len(available)))
self.used[category].update(selected)
return selected[0] if count == 1 else selected
def pick_template(self):
"""选取角色模板，优先选未使用的"""
available = [
t for t in ROLE_TEMPLATES if t["base_name"] not in self.used["templates"]
]
if not available:
available = ROLE_TEMPLATES
template = random.choice(available)
self.used["templates"].append(template["base_name"])
return template
def generate_role(pool):
"""动态生成一个随机角色"""
template = pool.pick_template()
return {
"name": template["base_name"],
"motto": pool.pick(MOTTOS, "mottos"),
"work_mode": pool.pick(WORK_MODES, "work_modes"),
"goal": pool.pick(GOALS, "goals"),
"thinking_mode": pool.pick(THINKING_MODES, "thinking"),
"tools": pool.pick(TOOLS, "tools", count=2),
"bias_alert": pool.pick(BIAS_AWARENESS, "bias"),
"tendency": template["tendency"],
"temperature": template["temperature"],
}
def pick_type(tendency):
"""基于权重随机选择响应类型"""
types, weights = zip(*tendency.items())
return random.choices(types, weights=weights, k=1)[0]
def execute(args):
if not args:
return """用法: /debate <话题>
/debate <N> <话题> (指定N个角色，2-4，默认2)"""
from __main__ import app
app.run_async(_work, args)
return None
def _work(args):
"""后台执行主体"""
from __main__ import app, get_nested
# 解析参数
parts = args.strip().split(maxsplit=1)
num, topic = 2, args.strip()
if len(parts) == 2 and parts[0].isdigit():
num = min(max(int(parts[0]), 2), 4)
topic = parts[1]
# 动态生成随机角色
pool = ElementPool()
roles = [generate_role(pool) for _ in range(num)]
# 打印角色配置
app.print(f"话题: {topic}\n\n")
app.print("本轮角色配置\n")
for role in roles:
app.print(f"【{role['name']}】\n")
app.print(f' 座右铭: "{role["motto"]}"\n')
app.print(f" 思考模式: {role['thinking_mode']}\n")
app.print(f" 工具: {' | '.join(role['tools'])}\n")
app.print(f" 目标: {role['goal']}\n")
app.print(f" 警惕: {role['bias_alert']}\n\n")
app.print("讨论开始\n")
history = []
for role in roles:
rtype = pick_type(role["tendency"])
prompt = f"""你正在参与一场多角色讨论。
话题: {topic}
角色: 【{role["name"]}】
座右铭: "{role["motto"]}"
工作模式: {role["work_mode"]}
思考模式: {role["thinking_mode"]}
分析工具: {", ".join(role["tools"])}
本轮目标: {role["goal"]}
认知偏见警惕: {role["bias_alert"]}
本轮请以 {rtype.upper()} 方式回应: {TYPES[rtype]}
{"之前的发言:" + chr(10) + chr(10).join(history) if history else "你是第一位发言者，请开启讨论。"}
请严格使用你的工具和思考模式，按以下格式回应:
角色: {role["name"]}
类型: {rtype.upper()}
内容: [运用你的工具和思考模式，给出2-3句精炼观点]
理由: [一句话核心论据]"""
try:
resp = app.call_api(
"text",
{
"model": "z-ai/glm-4.5-air:free",
"messages": [{"role": "user", "content": prompt}],
"max_tokens": 4096,
"temperature": role["temperature"],
"reasoning": {"effort": "high", "enabled": True},
},
)
text = get_nested(resp, "choices.0.message.content", "获取内容失败")
if text:
history.append(text)
app.print(text + "\n")
except Exception as e:
app.print(f"{role['name']}发言失败: {e}\n")
if not history:
app.print("讨论失败：所有角色发言均未成功")
return
full = "\n\n".join(history)
app.add_message("user", f"多角色讨论话题: {topic}")
app.add_message("assistant", full)
app.print(f"讨论完成（{len(history)}轮）。可用 /text 继续追问。")
return
配置教程：网页链接(vikingfile.com)
配置示例：网页链接(vikingfile.com)
插件教程：网页链接(vikingfile.com)
脚本下载：网页链接(vikingfile.com)
声明本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得UP主同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理： DMCA投诉/Report
这个up主感受到了孤独