feat(vectordb): 添加向量数据库支持及集成功能

新增向量数据库管理器模块，支持文本的存储、检索和相似度查询
添加知识库插件和AI聊天插件，利用向量数据库实现记忆功能
优化跨平台翻译模块，集成向量数据库存储历史翻译记录
改进消息处理逻辑，优先使用用户显示名称

core/managers/__init__.py

@@ -13,6 +13,7 @@ from .browser_manager import BrowserManager
 from .image_manager import ImageManager
 from .reverse_ws_manager import ReverseWSManager
 from .thread_manager import thread_manager
+from .vectordb_manager import vectordb_manager
 
 # --- 实例化所有单例管理器 ---
 
@@ -55,4 +56,5 @@ __all__ = [
     "image_manager",
     "reverse_ws_manager",
     "thread_manager",
+    "vectordb_manager",
 ]

core/managers/vectordb_manager.py

@@ -0,0 +1,134 @@
+# -*- coding: utf-8 -*-
+"""
+向量数据库管理器模块
+
+该模块提供了一个基于 ChromaDB 的向量数据库管理器，
+用于存储和检索文本向量，为大语言模型提供记忆能力。
+"""
+import os
+import json
+from typing import List, Dict, Any, Optional
+import chromadb
+from chromadb.config import Settings
+from core.utils.logger import ModuleLogger
+from core.utils.singleton import Singleton
+
+logger = ModuleLogger("VectorDBManager")
+
+class VectorDBManager(Singleton):
+    """
+    向量数据库管理器（单例）
+    """
+    _client = None
+    _collections = {}
+
+    def __init__(self):
+        super().__init__()
+        self.db_path = os.path.join(os.path.dirname(os.path.dirname(os.path.dirname(__file__))), "data", "vectordb")
+        os.makedirs(self.db_path, exist_ok=True)
+
+    def initialize(self):
+        """初始化 ChromaDB 客户端"""
+        if self._client is None:
+            try:
+                logger.info(f"正在初始化向量数据库，路径: {self.db_path}")
+                self._client = chromadb.PersistentClient(
+                    path=self.db_path,
+                    settings=Settings(
+                        anonymized_telemetry=False,
+                        allow_reset=True
+                    )
+                )
+                logger.success("向量数据库初始化成功！")
+            except Exception as e:
+                logger.error(f"向量数据库初始化失败: {e}")
+                self._client = None
+
+    def get_collection(self, name: str):
+        """获取或创建集合"""
+        if self._client is None:
+            self.initialize()
+            
+        if self._client is None:
+            return None
+            
+        if name not in self._collections:
+            try:
+                # 使用默认的 sentence-transformers 嵌入模型
+                self._collections[name] = self._client.get_or_create_collection(name=name)
+                logger.debug(f"已获取/创建向量集合: {name}")
+            except Exception as e:
+                logger.error(f"获取向量集合 {name} 失败: {e}")
+                return None
+                
+        return self._collections[name]
+
+    def add_texts(self, collection_name: str, texts: List[str], metadatas: List[Dict[str, Any]], ids: List[str]) -> bool:
+        """
+        向集合中添加文本
+        
+        Args:
+            collection_name: 集合名称
+            texts: 文本列表
+            metadatas: 元数据列表（用于过滤和存储额外信息）
+            ids: 唯一ID列表
+        """
+        collection = self.get_collection(collection_name)
+        if collection is None:
+            return False
+            
+        try:
+            collection.add(
+                documents=texts,
+                metadatas=metadatas,
+                ids=ids
+            )
+            logger.debug(f"成功向集合 {collection_name} 添加 {len(texts)} 条记录")
+            return True
+        except Exception as e:
+            logger.error(f"向集合 {collection_name} 添加记录失败: {e}")
+            return False
+
+    def query_texts(self, collection_name: str, query_texts: List[str], n_results: int = 5, where: Optional[Dict[str, Any]] = None) -> Dict[str, Any]:
+        """
+        查询相似文本
+        
+        Args:
+            collection_name: 集合名称
+            query_texts: 查询文本列表
+            n_results: 返回结果数量
+            where: 过滤条件
+        """
+        collection = self.get_collection(collection_name)
+        if collection is None:
+            return {"documents": [], "metadatas": [], "distances": []}
+            
+        try:
+            results = collection.query(
+                query_texts=query_texts,
+                n_results=n_results,
+                where=where
+            )
+            return results
+        except Exception as e:
+            logger.error(f"查询集合 {collection_name} 失败: {e}")
+            return {"documents": [], "metadatas": [], "distances": []}
+
+    def delete_texts(self, collection_name: str, ids: Optional[List[str]] = None, where: Optional[Dict[str, Any]] = None) -> bool:
+        """
+        删除文本
+        """
+        collection = self.get_collection(collection_name)
+        if collection is None:
+            return False
+            
+        try:
+            collection.delete(ids=ids, where=where)
+            logger.debug(f"成功从集合 {collection_name} 删除记录")
+            return True
+        except Exception as e:
+            logger.error(f"从集合 {collection_name} 删除记录失败: {e}")
+            return False
+
+# 全局向量数据库管理器实例
+vectordb_manager = VectorDBManager()