NeoBot/docs/core-concepts/architecture.md

架构设计

NEO Bot 是一个现代化的、高性能的异步 QQ 机器人框架。本文介绍其核心架构和设计理念。

1. 性能优化体系

Python 3.14 JIT（Just-In-Time 编译）

原理：Python 3.14 内置 JIT 编译器，运行时将高频调用的代码编译成机器码。

适用场景：

• 插件业务逻辑（循环、函数调用密集）
• 消息处理流程

启用方法：

python -X jit main.py

预期性能提升：2-5 倍（取决于代码热点）。

Mypyc 编译（AOT - Ahead-Of-Time）

原理：将类型注解的 Python 代码编译为 C 扩展，生成平台相关的二进制文件。

编译范围：

• core/ws.py - WebSocket 通信
• core/managers/ - 各种管理器
• core/api/ - API 封装
• models/ - 数据模型

启用方法：

python setup_mypyc.py build_ext --inplace

预期性能提升：3-10 倍（核心模块）。

注意：编译产物平台相关，必须在目标环境编译。

异步 IO 模型

Linux：uvloop（libev 绑定，比 asyncio 快 2-4 倍） Windows：IOCP（Windows 原生高性能 IO）

2. 连接架构

正向 WebSocket 连接

NEO Bot 采用正向 WebSocket 连接模式：Bot 主动连接 OneBot 实现（如 NapCatQQ）。

流程：

Bot 启动 → 连接到 NapCatQQ (ws://127.0.0.1:3001)
        ↓
    监听消息事件
        ↓
    分发到处理器
        ↓
    调用 API 回复

3. 资源管理架构

单例管理器

所有全局资源通过单例管理器统一管理，避免重复创建和资源泄漏。

Playwright 页面池

预初始化页面，无需每次都启动浏览器，大幅降低延迟。

HTTP 连接复用

全局 aiohttp.ClientSession 支持 Keep-Alive，减少连接建立开销。

4. 技术栈全景

NEO Bot 的“骨架”是由一堆现代 Python 库和技术堆起来的。下面这张清单能让你一眼看清整个项目的技术选型。

编程语言与运行时

• Python 3.14: 镀铬酸钾创项目的时候用的 Python 3.14 3.14兼容JIT，那就这样吧
• JIT (Just-In-Time): 启动时加 -X jit 参数，运行时把热点代码编译成机器码
• Mypyc (AOT): 核心模块（core/ws.py, core/managers/*.py）编译成C扩展，机器码运行

异步与网络

• asyncio: Python 原生异步框架，所有 IO 操作都是非阻塞的
• uvloop (Linux): 替代 asyncio 默认事件循环，性能更高
• IOCP (Windows): Windows 上的高性能 IO 完成端口
• aiohttp: 异步 HTTP 客户端/服务器，用于 API 请求和 WebSocket 通信
• websockets: 纯粹的 WebSocket 客户端/服务器库
• Playwright: 浏览器自动化工具，负责截图、页面渲染

数据与存储

• Redis: 内存数据库，用于缓存帮助图片、会话状态等
• orjson: Rust 编写的 JSON 序列化库，比标准 json 快很多
• Pydantic: 数据验证与设置管理，配置文件、API 请求/响应都靠它

工具与工具链

• Loguru: 结构化日志记录，输出漂亮且支持文件轮转
• Watchdog: 文件系统监控，实现插件热重载
• Jinja2: 模板引擎，渲染 HTML 页面然后转为图片
• Pillow: 图像处理库，负责图片格式转换、尺寸调整
• BeautifulSoup4: HTML 解析，B站、抖音等链接解析插件在用
• httpx: 异步 HTTP 客户端，某些插件用它发请求

测试与开发

• Pytest: 测试框架，写单元测试、集成测试
• Docker: 容器化，沙箱执行用户代码时可能用到
• cryptography: 加密解密，处理一些安全相关的操作

架构模式

• Singleton (单例): 全局唯一实例，所有管理器都是单例
• Connection Pool (连接池): Redis 连接、HTTP 会话都复用
• Plugin System (插件系统): 动态导入、装饰器注册，一个 .py 文件就是一个插件

5. Python 动态语言特性运用

Python 是一门“动态”语言，这意味着你可以在运行时做很多静态语言做不到的事情。NEO Bot 大量利用了这些特性，让框架变得灵活、易扩展。

装饰器 (Decorator)

• 何用: 给函数“贴上标签”，告诉框架这个函数是干什么的
• 何处:
  • @matcher.command("echo") – 注册一个消息指令
  • @matcher.on_message() – 注册一个通用消息处理器
  • @matcher.on_notice() – 注册一个通知事件处理器
• 何原理: 装饰器本质上是一个高阶函数，它接收被装饰的函数，然后把它“注册”到某个管理器里

动态导入 (Dynamic Import)

• 何用: 不需要在代码开头写死 import，运行时根据情况加载模块
• 何处: PluginManager.load_all_plugins() 用 importlib.import_module() 扫描 plugins/ 目录，找到 .py 文件就导入
• 何原理: Python 的模块系统是完全动态的，import 语句实际上调用了 __import__() 函数

自省 (Introspection)

• 何用: 让代码能“看到”自己的结构，比如函数属于哪个模块、有哪些参数
• 何处:
  • inspect.getmodule(func) – 获取函数所在的模块名，用于记录插件来源
  • func.__name__, func.__module__ – 获取函数名和模块名
• 何原理: Python 把几乎所有元信息都存在对象的 __dict__ 里，你可以随时翻看

鸭子类型 (Duck Typing)

• 何用: “如果它走起来像鸭子，叫起来像鸭子，那它就是鸭子。”——不检查类型，只检查行为
• 何处:
  • 事件处理器不要求事件对象必须是某个类，只要它有 post_type、user_id 等属性就行
  • 插件不需要继承某个基类，只要它有 __plugin_meta__ 字典就行
• 何原理: Python 的变量没有类型，类型是对象自己的事。只要对象有你需要的方法或属性，你就可以调用它

反射 (Reflection)

• 何用: 在运行时检查、修改对象的结构
• 何处:
  • getattr(module, "__plugin_meta__") – 获取插件的元数据字典
  • hasattr(event, "raw_message") – 检查事件对象是否有某个属性
  • setattr() – 动态设置属性（虽然用得少）
• 何原理: Python 的对象本质上就是字典（__dict__），getattr/setattr 就是对这个字典的操作

元编程 (Metaprogramming)

• 何用: 在代码运行时改变代码的行为
• 何处:
  • Singleton 基类重写 __new__ 方法，控制实例创建，确保全局只有一个实例
  • 装饰器在函数定义时修改函数，给它添加额外逻辑
• 何原理: Python 的类也是对象（类型对象），你可以通过修改类来影响它所有实例的行为

上下文管理器 (Context Manager)

• 何用: 安全地获取和释放资源，比如文件、网络连接、浏览器页面
• 何处:
  • async with browser_manager.get_page() as page: – 从页面池获取一个页面，用完后自动放回
  • async with aiohttp.ClientSession() as session: – 发起 HTTP 请求后自动关闭会话
• 何原理: __enter__/__exit__（同步）或 __aenter__/__aexit__（异步）协议

描述符 (Descriptor)

• 何用: 控制属性访问的逻辑，比如把方法伪装成属性
• 何处:
  • @property – 把方法变成只读属性，比如 PluginManager.command_manager
  • @property.setter – 给属性设置值时的自定义逻辑
• 何原理: 描述符是一个实现了 __get__、__set__ 或 __delete__ 方法的类

猴子补丁 (Monkey Patching)

• 何用: 在运行时修改模块、类或对象，通常用于测试或修复第三方库
• 何处: 测试中可能会用 unittest.mock.patch 临时替换某个函数，模拟它的行为
• 何原理: Python 的模块和类都是可变的，你可以直接给它们赋值新属性

eval/exec

• 何用: 执行字符串形式的 Python 代码
• 何处: code_py.py 插件中，用户发送的代码片段会被 exec() 执行，实现代码沙箱功能
• 何原理: Python 解释器本身就是一个运行时环境，eval() 用于表达式，exec() 用于语句

类型提示 (Type Hints)

• 何用: 虽然 Python 是动态类型，但类型提示能让代码更清晰，工具（如 Mypy）也能做静态检查
• 何处: 几乎所有函数和方法的参数、返回值都加了类型提示，这让 Mypyc 编译成为可能
• 何原理: 类型提示只是注解，运行时通常被忽略（除非你用 typing 模块做检查）