# A6 — engines/ 模型引擎 + adapters/ 平台适配器 > 审计范围(均已完整 Read): > `engines/__init__.py`、`engines/image_provider.py`、`engines/vision_provider.py`、`engines/single_flow.py`、`engines/review_flow.py`、`engines/character_flow.py`、`engines/fast_character_flow.py`、`engines/quick_profile_flow.py` > `adapters/astrbot_adapter.py`、`adapters/astrbot_card_renderer.py`、`adapters/astrbot_command_adapter.py`、`adapters/astrbot_command_parser.py`、`adapters/astrbot_media_adapter.py`、`adapters/chat_commands.py`、`adapters/onebot11_adapter.py`、`adapters/wechat_adapter.py`、`adapters/webui_adapter.py` > `backend/services/chat_workflow_service.py`、`backend/services/chat_session_service.py`、`backend/services/chat_media_import_service.py`、`backend/services/model_provider_runtime.py`、`backend/services/web_hosting_service.py`(节选)、`backend/services/material_service.py`(节选)、`backend/services/generation_service.py`(节选)、`backend/services/profile_service.py`(节选) > `core/generation_errors.py`、`core/image_formats.py`、`core/identity.py`、`core/remote_fetch.py`(节选)、`main.py`(节选) ## 摘要 图像 provider(`engines/image_provider.py`)这条链路的工程质量明显高于其余部分:URL 校验、响应字节上限、按图片数动态计算 JSON 上限、错误分类(`core/generation_errors._category`)、密钥脱敏都做到位了。问题集中在**它旁边的三条"次要"链路**上——vision provider、structured_text/structured_vision callable、以及聊天媒体导入——这三条都缺少图像链路已有的防护,属于典型的"主路径加固过、旁路径没跟上"。 最严重的一条是功能性死链:`size` 请求字段从聊天命令一路透传到 `task.request`,但 `engines/single_flow.py:61` 只读 `aspect_ratio`,全仓库没有任何地方把 `size` 转成 `aspect_ratio`,因此 `/yp 单图 --尺寸 4K` 和 `/yp 高清 4K` 实际全部产出 1024×1024——高清修复功能等于不生效。 其次是 `ChatMediaImportService.import_image` 的兜底分支把任意字符串当本地文件路径直接 `read_bytes()`,而输入来自聊天消息组件的 `file`/`path` 字段(`adapters/astrbot_media_adapter.py`),构成任意本地文件读取面。 关于"四个 flow 文件能否合并":**结论是不建议合并**。`single_flow.py` / `review_flow.py` 是真正的引擎(455/451 行),`character_flow.py` / `fast_character_flow.py` / `quick_profile_flow.py` 是纯声明式节点模板目录(145/50/32 行),三者之间真正重复的只有约 10 行 `*_node_templates()` 构造器样板,抽取收益远低于把不同工作流的语义强行耦合的代价。真正值得合并的重复在别处:`adapters/onebot11_adapter.py` 与 `adapters/wechat_adapter.py` 结构性重复约 90%。 --- ## 发现 ### [P1-严重] `size` 请求字段全链路无人消费,聊天尺寸参数与高清修复静默失效 - **位置**:`engines/single_flow.py:61`(消费端)、`backend/services/chat_workflow_service.py:63` 与 `:929`(生产端) - **问题**:`SingleFlowEngine.generate` 只从请求里读 `aspect_ratio`,而聊天单图与高清修复写入的是 `size`(`"1920x1080"` / `"2560x1440"` / `"3840x2160"`)。`generation_service.py:733` 的 `runtime_generation_request = {**payload, ...}` 原样透传 `size`,全仓库(排除 `.tmp/`、`tests/`)对 `aspect_ratio` 的写入只出现在 `advanced_material_service.py:912`、`advanced_style_set_service.py`、`node_injection_template_service.py`、`prompt_expansion_service.py`——没有任何一处把 `size` 映射成 `aspect_ratio`。 - **代码**: ```python # engines/single_flow.py:56-61 def generate(self, node: WorkflowNode, task: GenerationTask, request: dict[str, Any]) -> list[MockGeneratedAsset]: count = _bounded_count(request.get("count", 1)) ... width, height = _dimensions(str(request.get("aspect_ratio") or "1:1")) ``` ```python # engines/single_flow.py:248-255 def _dimensions(aspect_ratio: str) -> tuple[int, int]: if aspect_ratio == "3:4": return 768, 1024 if aspect_ratio == "4:3": return 1024, 768 if aspect_ratio == "16:9": return 1280, 720 return 1024, 1024 ``` ```python # backend/services/chat_workflow_service.py:925-931(高清修复) generation = self._data(self.dispatcher(ctx, "POST", f"nodes/{node['node_id']}/generate", payload={ "prompt": "high resolution restoration, preserve identity, composition, clothing and original style", ... "size": size, # <- 写入 "count": 1, ``` ```python # engines/single_flow.py:154-159(真正发给 provider 的尺寸) result = provider.generate_image( ImageGenerationRequest( ... size=f"{width}x{height}", # 永远来自 aspect_ratio,即 1024x1024 ``` - **影响**:`/yp 单图 ... --尺寸 4K` 与 `/yp 高清 4K` 都发出 `size="1024x1024"`;高清修复的唯一价值(提升分辨率)完全失效,用户只会得到一张同尺寸重绘图。同时 `astrbot_command_parser.py:49-52` 精心校验的 1K/2K/4K 参数是纯装饰。数据库里记录的 `width`/`height` 也随之全是 1024。 - **修复建议**:在 `single_flow.generate` 增加显式的尺寸解析优先级,并让 `size` 成为一等输入: ```python width, height = _resolve_dimensions(request.get("size"), request.get("aspect_ratio")) def _resolve_dimensions(size: Any, aspect_ratio: Any) -> tuple[int, int]: text = str(size or "").strip().lower() if match := re.fullmatch(r"(\d{2,5})\s*[x×]\s*(\d{2,5})", text): w, h = int(match.group(1)), int(match.group(2)) return min(max(w, 64), 4096), min(max(h, 64), 4096) return _dimensions(str(aspect_ratio or "1:1")) ``` 同时给 `SIZE_ALIASES` 加一条断言测试,覆盖 `/yp 高清 4K` 端到端产出的 `ImageGenerationRequest.size`。 --- ### [P1-严重] 聊天媒体导入把任意字符串当本地文件路径读取(任意本地文件读取面) - **位置**:`backend/services/chat_media_import_service.py:33-36`,输入来源 `adapters/astrbot_media_adapter.py:15-18` → `main.py:1161,1167` - **问题**:`import_image` 的兜底分支在既不是 `storage://`、也不是 `data:image/`、也不是 `http(s)://` 时,直接把字符串当本地路径 `expanduser().resolve().read_bytes()`,没有任何根目录约束或白名单。而这个字符串来自聊天消息里 Image 组件的 `url` / `file` / `path` / `image_url` 属性——这几个字段在 OneBot/WeChat 协议侧是消息内容的一部分,并非可信的服务端常量。 - **代码**: ```python # adapters/astrbot_media_adapter.py:12-19 for component in chain if isinstance(chain, (list, tuple)) else []: if "image" not in component.__class__.__name__.lower(): continue for name in ("url", "file", "path", "image_url"): text = str(getattr(component, name, None) or "").strip() if text and text not in references: references.append(text) ``` ```python # backend/services/chat_media_import_service.py:30-36 elif text.startswith(("http://", "https://")): body = read_http_response_limited(text, timeout_seconds=30, max_bytes=MAX_CHAT_IMAGE_BYTES) extension = Path(urlsplit(text).path).suffix.lstrip(".").lower() or "jpg" else: source = Path(text).expanduser().resolve() body = source.read_bytes() # <- 无任何根目录约束 extension = source.suffix.lstrip(".").lower() or "jpg" ``` - **影响**:只要消息组件的路径字段可被影响(`file:///`、相对路径、`~/.astrbot/...`),任意宿主文件即可被读入并作为"素材"落盘到 `storage://materials/chat/...`,随后通过素材列表接口读回——等价于任意文件读取 + 外带。同一条链路上还有第二个缺陷:整个函数**没有任何图片魔数校验**(对比 `engines/single_flow.py:447 _require_image_format` 对 provider 返回图片做了 `detect_image_format`),扩展名只是被强制改写成 `jpg`,非图片内容会被当图片存储。`data:image/` 分支的 `base64.b64decode(encoded)` 也在解码**之后**才检查 `len(body) > MAX_CHAT_IMAGE_BYTES`,一个超大 data URI 会先被完整解码进内存。 - **修复建议**: 1. 删除本地路径兜底分支,或改为对一个显式配置的缓存根做 `Path.resolve()` 前缀约束(参考 `backend/services/web_hosting_service.py:58-67` 的 `_resolve` 写法,那里做对了)。 2. 落盘前统一走 `core.image_formats.detect_image_format(body)`,`None` 则拒绝,并用检出的 `image_format.extension` 而非用户扩展名。 3. `data:` 分支先按 `len(encoded) > ((MAX_CHAT_IMAGE_BYTES + 2) // 3) * 4` 预检再解码(`engines/single_flow.py:398-404` 已有这个正确写法可直接复用)。 --- ### [P1-严重] 内容安全审核 provider 解析时缺 modality 与 provider_type 校验,与同文件其他两处不一致 - **位置**:`backend/services/model_provider_runtime.py:285-289`(对比 `:131-136` 与 `:196-201`) - **问题**:`_structured_vision_callable_for_single_route` 调用 `resolve_route(route_name)` **不带 `modality=`**,且**没有 `provider_type == "openai_compatible"` 的前置判断**。同文件的 `_vision_provider_for_single_route` 两者都有,`_structured_text_callable_for_single_route` 有 provider_type 判断。这个 callable 承担的是图像内容安全审核(涉政/涉恐/未成年人识别)。 - **代码**: ```python # backend/services/model_provider_runtime.py:131-136(正确的对照组) resolved = self.model_provider_service.resolve_route(route_name, modality="vision_recognition") if not resolved: return None provider = resolved.get("provider") or {} if str(provider.get("provider_type") or "openai_compatible") != "openai_compatible": return None ``` ```python # backend/services/model_provider_runtime.py:285-289(缺两道校验) resolved = self.model_provider_service.resolve_route(route_name) if not resolved: return None provider = resolved.get("provider") or {} secret = resolve_secret_value(...) # 直接进入取密钥,没有 provider_type 判断 ``` 而下面 `review()` 硬编码 OpenAI chat/completions 报文形状(`:331-341`)。 - **影响**:同名路由若在 `image_generation` 模态下存在,会被解析成"审核模型";一个非 openai_compatible 的 provider 也会被套上 OpenAI 报文格式发送。两种情况都在审核时抛异常。而 `structured_vision_callable` 的 `review_with_fallback`(`:264-271`)对所有异常一律吞掉换下一条路由,全部失败后抛 `RuntimeError` ——上层若把"审核不可用"当作放行,就是安全审核静默绕过;若当作拒绝,则是全量误杀。无论哪种,都不该由一个可以被静态排除的配置错配触发。 - **修复建议**:与 `:131-136` 对齐——补 `modality="vision_recognition"`(或为审核新增独立 modality)与 `provider_type` 判断;并把三处 `resolve_route + 密钥解析 + provider_type 校验` 抽成一个私有方法,杜绝再次漂移。 --- ### [P2-中等] 缩略图是原图的字节级完整拷贝,存储占用直接翻倍 - **位置**:`engines/single_flow.py:176-179` - **问题**:provider 返回的图片字节被原样写入 `image_uri` 和 `thumbnail_uri` 两个路径。全仓库(`engines/`、`backend/services/generation_service.py`)不存在任何降采样/缩放代码,`core/image_formats.py` 也只做魔数识别、不解析尺寸。 - **代码**: ```python # engines/single_flow.py:176-179 image_format = _require_image_format(image_bytes, provider_id=result.provider_id) image_uri, thumbnail_uri = _output_uris(task, request, index, image_format.extension) self._write_image(image_uri, image_bytes) self._write_image(thumbnail_uri, image_bytes) # 同一份字节写两遍 ``` - **影响**:单张图上限 `MAX_PROVIDER_IMAGE_BYTES = 25 MiB`(`engines/image_provider.py:21`),意味着最坏情况每张生成图占 50 MiB。候选池默认一轮 4 张、快速角色 4 节点并发,磁盘增长是设计预期的 2 倍。同时前端列表页加载"缩略图"实际拉的是全尺寸原图,网络与内存开销同样翻倍。 - **修复建议**:在 `_write_image` 之外新增 `_write_thumbnail(uri, image_bytes, max_edge=512)`,用已经作为可选依赖存在的 Pillow(`adapters/astrbot_card_renderer.py:56` 已 `from PIL import Image`)做等比缩放;Pillow 不可用时退化为写原图并在 metadata 打 `thumbnail_downscaled: False`,便于后续补偿任务识别。 --- ### [P2-中等] vision provider 链路完全没有错误分类与可重试判定,`retryable` 字段是死代码 - **位置**:`engines/vision_provider.py:304-326`、`backend/services/material_service.py:857-871` - **问题**:图像链路有 `core/generation_errors.provider_failure_attribution`,把 401/403 → `auth_error`、429 → `rate_limited`、5xx → `provider_unavailable`,并计算 `retryable`(`core/generation_errors.py:102-125`)。vision 链路没有任何等价物:`_vision_provider_error` 只是把 `error_type` 原样搬运,`retryable` 依赖 `exc.details.get("retryable")`——而 `engines/vision_provider.py` 全文从未往 `details` 里写过 `retryable`,因此那两行永远不会执行。 - **代码**: ```python # backend/services/material_service.py:863-865 "response_issue": str(exc)[:300], } if isinstance(exc.details.get("retryable"), bool): # vision_provider 从不设置该键 failure["retryable"] = exc.details["retryable"] ``` ```python # engines/vision_provider.py:304-312(唯一写 details 的地方,只有 body_preview / body_truncated) except urllib.error.HTTPError as exc: body = exc.read(MAX_PROVIDER_ERROR_BYTES + 1).decode("utf-8", errors="replace") raise VisionProviderError( "vision provider returned an HTTP error", provider_id="unknown", status_code=exc.code, error_type="http_error", # 401 / 429 / 503 全都是 "http_error" details={"body_preview": body[:500], "body_truncated": len(body) > MAX_PROVIDER_ERROR_BYTES}, ) from exc ``` - **影响**:素材识别失败时,鉴权错误(用户必须改配置)、限流(应退避重试)、上游 5xx(应重试)在 `error_type` 上完全无法区分;`_record_recognition_failure` 记录的失败态没有可操作信息,重试策略无从制定,UI 也只能给出通用文案。`_vision_provider_error` 还绕过了 `core/generation_errors._safe_message` 的密钥脱敏正则,`reason`(来自 `str(exc.reason)`)与 `parse_error` 未经清洗即落入 `ApiError.details` 并返回给客户端(`advanced_material_service.py:787`、`advanced_style_set_service.py:1283`)。 - **修复建议**:把 `core/generation_errors.py` 的 `_category` / `_is_retryable` / `_safe_details` / `_safe_message` 提成与异常类型无关的公共函数(入参 `error_type` + `status_code` + `details`),让 `provider_failure_attribution` 与新增的 `vision_failure_attribution` 共用;`material_service._vision_provider_error` 改为调用后者,删掉那两行死代码。 --- ### [P2-中等] vision 请求体无上限,8 张 20 MB 图可构造 ~213 MB 的单次 JSON 请求 - **位置**:`engines/vision_provider.py:17-19`、`:294`;调用方 `backend/services/advanced_style_set_service.py:1545-1548,1654-1657,2281-2284` - **问题**:`vision_provider` 只对**响应**设了 `MAX_PROVIDER_JSON_BYTES = 4 MiB`,对**请求体**没有任何限制。多图分析路径用 `image_uris` 一次传最多 `MAX_VISION_IMAGES = 8` 张,每张经 `material_service._storage_image_data_url` 转成 base64 data URI,单张原图上限是 `MAX_UPLOAD_BYTES = 20 MiB`(`backend/services/material_service.py:43`),base64 后约 27 MiB。 - **代码**: ```python # engines/vision_provider.py:17-19 MAX_PROVIDER_JSON_BYTES = 4 * 1024 * 1024 # 只约束响应 MAX_PROVIDER_ERROR_BYTES = 64 * 1024 MAX_VISION_IMAGES = 8 ``` ```python # engines/vision_provider.py:294 data = json.dumps(payload, ensure_ascii=False).encode("utf-8") # 完整物化,无上限 ``` - **影响**:单次风格集共识分析峰值内存约为 payload dict + json 字符串 + utf-8 bytes ≈ 3 份 213 MB。插件运行在 AstrBot 主进程内,OOM 会拖垮整个 Bot。且几乎所有上游都会以 413 拒收,等于一条注定失败但先把宿主打爆的路径。对比 `engines/image_provider.py:392-401` 的 `_provider_json_limit`——图像链路已经按图片数动态算过上限了,vision 没跟上。 - **修复建议**:新增 `MAX_VISION_REQUEST_BYTES`(如 32 MiB),在 `_post_json` 里 `if len(data) > MAX_VISION_REQUEST_BYTES: raise VisionProviderError(..., error_type="invalid_request")`;更好的做法是在 `_storage_image_data_url` 之前按"张数 × 单张预算"约束,超限时先降采样再编码。 --- ### [P2-中等] 三处 fallback 对所有错误一视同仁地换下一个 provider,包括不该重试的鉴权/配置/内容策略错误 - **位置**:`engines/image_provider.py:179-198`、`engines/vision_provider.py:150-184`、`backend/services/model_provider_runtime.py:180-189` 与 `:264-271` - **问题**:`core/generation_errors._is_retryable`(`core/generation_errors.py:122-125`)已经把可重试语义定义清楚了,但四个 fallback 循环没有一个使用它。 - **代码**: ```python # engines/image_provider.py:191-192 except ImageProviderError as exc: failures.append({"provider_id": provider.provider_id, "error_type": exc.error_type, "status_code": exc.status_code}) # 无论 configuration_error / 401 / 400 内容策略拒绝,一律继续下一个 provider ``` ```python # backend/services/model_provider_runtime.py:182-186 for completion in callables: try: return completion(request_payload) except Exception as exc: # 连 ValueError/JSONDecodeError 都算"该换路由" failures.append(str(exc)[:500]) ``` - **影响**:一个被内容策略拒绝的提示词(400)会依次打完所有已启用路由——而 `image_provider_for_route` 在 `fallback_enabled` 时会把**全部启用的 image_generation 路由**追加进候选(`model_provider_runtime.py:60-71`)。结果是一次用户请求放大成 N 次必然失败的付费调用,同时 N 倍地推高各家的限流计数。同样地,密钥填错时用户看到的是"所有候选生成服务均调用失败"而不是"鉴权失败",排障方向被彻底带偏。 - **修复建议**:让 `_is_retryable` 成为 fallback 的准入条件: ```python from core.generation_errors import provider_failure_attribution except ImageProviderError as exc: attribution = provider_failure_attribution(exc) failures.append(attribution) if not attribution["retryable"]: raise # 鉴权/配置/请求错误立即上抛,不消耗其余 provider ``` `structured_text_callable` / `structured_vision_callable` 需要先给 HTTP 错误分类(见上一条),才能做同样的判断。 --- ### [P2-中等] `structured_text_callable` 用裸 `json.loads` 解析模型输出,缺 vision 侧已有的容错 - **位置**:`backend/services/model_provider_runtime.py:244-249`(对比 `engines/vision_provider.py:398-429`) - **问题**:`engines/vision_provider._json_from_text` 实现了一套克制的修复策略——剥离 BOM、从首个 `{` 到末个 `}` 截取(处理 markdown 代码围栏)、去尾逗号,共 4 个候选依次尝试。`structured_text_callable` 走的是同类 OpenAI chat/completions 接口、同样带 `response_format: json_object`,却直接 `json.loads(content)`。 - **代码**: ```python # backend/services/model_provider_runtime.py:244-249 response = json.loads(raw) content = _completion_content(response) parsed = json.loads(content) # 模型多输出一个 ```json 围栏就炸 if not isinstance(parsed, dict): raise ValueError("structured completion must return an object") ``` ```python # engines/vision_provider.py:402-411(同一问题的正确解法,已存在) candidates = [text] start, end = text.find("{"), text.rfind("}") if start >= 0 and end > start: extracted = text[start : end + 1] if extracted != text: candidates.append(extracted) candidates.extend(re.sub(r",\s*([}\]])", r"\1", item) for item in list(candidates)) ``` - **影响**:`structured_text_callable` 是提示词扩写/结构化处理的入口。大量 OpenAI 兼容网关(尤其国产模型代理)不真正支持 `response_format: json_object`,会返回带围栏的 JSON——这些模型在 vision 路径能用、在 text 路径必失败,且失败形态是裸 `json.JSONDecodeError` 冒泡,`complete_with_fallback` 把它当作"换路由"信号继续烧下一条路由(与上一条叠加)。 - **修复建议**:把 `vision_provider._json_from_text` 提到 `core/`(例如 `core/llm_json.py`),vision、structured_text、structured_vision 三处共用。 --- ### [P2-中等] 单条聊天消息内的图片数量无上限,直接放大为 N 次下载 + N 次视觉大模型调用 - **位置**:`adapters/astrbot_media_adapter.py:8-20`、`main.py:1161-1167` - **问题**:`image_references_from_event` 遍历整个消息链、对每个 image 组件收集一个引用,没有任何数量截断;`main.py` 随后对每个引用串行执行完整的"导入 + 识别"流程,每次识别都是一次视觉大模型调用。 - **代码**: ```python # main.py:1161-1167 references = image_references_from_event(event) if not category.strip() or not references: ... results = [await asyncio.to_thread(self.chat_workflow_service.import_material, reference, category.strip(), context) for reference in references] ``` ```python # backend/services/chat_workflow_service.py:948-954(每个引用的代价) uri, filename, size_bytes = self.media_importer.import_image(image_reference) # 最多 20MB 下载 material = self._data(self.dispatcher(ctx, "POST", "materials/upload", payload={...})) recognized = self._data(self.dispatcher(ctx, "POST", f"materials/{material['material_id']}/recognize", payload={})) # 视觉大模型调用 ``` - **影响**:QQ 合并转发或一条多图消息可轻易携带数十张图。一条命令即触发数十次 20 MB 下载与数十次付费视觉调用,全部在 `asyncio.to_thread` 里串行执行,期间该用户的其它聊天命令排队等待。`ChatCommandGuardService` 的配额校验在 `submit_single_image` 里有(`chat_workflow_service.py:38`),`import_material` 路径上完全没有。 - **修复建议**:在 `image_references_from_event` 内部截断(`MAX_CHAT_IMAGE_REFERENCES = 4`,与 `MAX_VISION_IMAGES` 语义对齐),超出部分在回复里明示"仅处理前 N 张";并让 `import_material` 也走 `self.guard.check_generation` / `self.guard.record`,与单图命令一致。 --- ### [P2-中等] `onebot11_adapter.py` 与 `wechat_adapter.py` 结构性重复约 90% - **位置**:`adapters/onebot11_adapter.py:12-98`、`adapters/wechat_adapter.py:12-79` - **问题**:两个文件各定义一个仅字段名不同的消息 dataclass,然后逐字复制 `match_workbench_command`、`workbench_reply`、`handle_message_event`、`quick_profile_reply`、`_optional_text` 五个函数。除了 `platform` 常量、群标识字段名(`group_id` vs `room_id`)、以及回复字典的键(`"message"` vs `"text"`)之外没有任何差异。 - **代码**: ```python # adapters/onebot11_adapter.py:53-71 def handle_message_event(event, *, api_base=API_BASE): message = normalize_message_event(event) command = parse_chat_command(message.text) if command is None: return None if command.action == "quick_profile": return {"platform": "onebot11", "action": command.action, "payload": command.payload, "source": message.to_dict(), "reply": quick_profile_reply(command.payload["questionnaire"]["name"])} return {"platform": "onebot11", "action": "open_workbench", "source": message.to_dict(), "reply": workbench_reply(api_base)} # adapters/wechat_adapter.py:49-67 —— 逐行相同,仅 "onebot11" -> "wechat" ``` - **影响**:`chat_commands.py` 每次新增命令,都必须记得同步改两个文件;两者已经开始漂移(onebot11 的 `workbench_reply` 用 `"message"` 键、wechat 用 `"text"` 键,且都额外带一个重复的 `"url"`)。新增第三个平台(Telegram/Discord,`_chat_entrypoint` 已为它们预留分支)会变成第三份拷贝。 - **修复建议**:抽 `adapters/chat_platform_adapter.py`,定义 `PlatformSpec(platform, group_field_names, user_field_names, reply_text_key)` 与一个通用 `handle_message_event(event, spec, *, api_base)`;两个现有模块退化为 spec 常量加薄封装,保持导出符号不变以免破坏 `adapters/__init__.py`。 --- ### [P2-中等] 聊天身份未按平台命名空间隔离,跨平台同 ID 可互相访问档案 - **位置**:`backend/services/chat_workflow_service.py:1157-1164`(对比 `main.py:2329-2344`) - **问题**:`RequestContext.from_astrbot(user_id=chat.user_id)` 直接用平台原始用户 ID;`ProfileService` 的归属判定基于 `ctx.actor_id`(`backend/services/profile_service.py:36,92,161`),即 `user_id or username`。`source` 字段虽然带了平台(`f"astrbot_chat:{chat.platform}"`),但它不参与任何归属判定。 - **代码**: ```python # backend/services/chat_workflow_service.py:1157-1164 return RequestContext.from_astrbot( username=chat.user_id or "chat-user", user_id=chat.user_id or "chat-user", # 无平台前缀 permissions={"can_write", "can_retry_tasks", "can_manage_materials"}, source=f"astrbot_chat:{chat.platform}", # 平台信息只进了这里,不参与鉴权 ... ``` ```python # backend/services/profile_service.py:160-163 def _require_owner(self, profile: CharacterProfile, ctx: RequestContext) -> None: if ctx.actor_id and ctx.actor_id == profile.owner_user_id: return ``` - **影响**:QQ 号 `12345` 与 Telegram 用户 ID `12345`(两者都是纯数字)会落进同一个 `owner_user_id`,互相看到并操作对方的全部角色档案、工作流、图片。WebUI 侧的 `actor_id` 是 AstrBot 登录名(`main.py:2325-2332`),与聊天 ID 共用同一命名空间,一个用户名恰好是纯数字的 WebUI 账号同样会与聊天用户撞车。ID 越界不需要任何攻击技巧,是配置巧合即触发。 - **修复建议**:`_request_context` 里改用带平台前缀的复合标识:`user_id=f"{chat.platform or 'astrbot'}:{chat.user_id}"`,WebUI 侧对应用 `webui:` 前缀。这会改变已有数据的 `owner_user_id`,需要配套一次性迁移脚本(把现存无前缀记录按 `source` 字段回填),建议在迁移里对无法判定来源的记录保守地归入 `webui:`。 --- ### [P2-中等] 聊天卡片 PNG 缓存目录无淘汰机制,用户可任意撑爆磁盘 - **位置**:`adapters/astrbot_card_renderer.py:55-78`,调用方 `main.py:524-531` - **问题**:`_render_card` 以内容 sha256 前 16 位为文件名缓存到 `data/chat_cards/`,命中即复用。缓存永不过期、永不清理,而 key 的输入完全由用户提供。 - **代码**: ```python # adapters/astrbot_card_renderer.py:58-61 CARD_DIR.mkdir(parents=True, exist_ok=True) target = CARD_DIR / f"{hashlib.sha256(key.encode('utf-8')).hexdigest()[:16]}.png" if target.exists(): return target ``` ```python # main.py:526-529 —— key 的四个组成部分全部来自用户输入的角色描述 lambda: render_profile_card( name=str(preview.get("name") or ""), base=str(preview.get("base_prompt") or ""), appearance=str(preview.get("appearance_prompt") or ""), style=str(preview.get("style_prompt") or ""), ), ``` - **影响**:每次 `/yp 快速角色 <任意不同描述>` 都产生一个新 sha256 → 一张新的 1000×560 PNG(约 50–200 KB)。反复调用可无限增长;且 `height = 300 + max(len(lines), 1) * 66`(`:63`)在 `render_status_card` 的 `details` 变长时会线性放大画布,进一步放大单文件体积。这是插件进程内的磁盘写入,撑爆的是 AstrBot 宿主的数据盘。 - **修复建议**:给 `CARD_DIR` 加简单的 LRU 上限——渲染前统计目录文件数,超过阈值(如 500)时按 `st_mtime` 删除最旧的一批;或改为渲染到内存 `BytesIO` 直接投递,完全不落盘(AstrBot 的图片回复支持字节流)。另外把 `lines` 的长度与条数做截断,避免画布尺寸被输入放大。 --- ### [P3-轻微] `dispatch_extension_request` 解析出了路由声明的 permission 却从不校验 - **位置**:`adapters/astrbot_adapter.py:171-187` - **问题**:`RouteMatch` 携带 `permission` 字段(来自 `backend/route_registry.ROUTES`,实测分布为 read×62 / write×37 / materials×36 / config×22 / retry×8 / public_token×1),但 dispatch 时只用 `handler` 和 `path_params`,`permission` 从未参与判断。全部权限校验依赖每个 handler 自己记得调 `core.security.require_*`。 - **代码**: ```python # adapters/astrbot_adapter.py:179-187 match = resolve_route(method, path) if match is None: return error_response(...) return match.handler(*_handler_args(match, ctx, query or {}, payload or {})) # match.permission 在此之后再无引用 ``` - **影响**:路由清单里声明的权限是纯文档,不构成任何强制力。目前抽查的 10 个"未直接调用 require_*"的 handler 都通过内层委托做了校验(如 `profile_routes.archive_profile` → `delete_profile`、`image_routes.review_moderated_image` 内联 `ctx.has_permission`),所以当下没有实际漏洞——但这是纯靠约定维系的状态,任何新增 handler 漏掉一行 `require_permission` 就是静默的越权入口,且没有任何测试会发现。 - **修复建议**:在 dispatch 层做统一的前置校验,把 `RouteSpec.permission` 映射到 `core.security` 的检查函数(`read`→`require_authenticated`、`write`→`require_write`、`config`→`require_permission(ctx, "can_manage_config")`、`public_token`→跳过),handler 内的细粒度检查保留为纵深防御。这样清单即契约,新增路由无法绕过。 --- ### [P3-轻微] `review_flow.review_node` 内联复制了 `_candidate_warnings` 的告警逻辑 - **位置**:`engines/review_flow.py:141-159` 与 `engines/review_flow.py:362-380` - **问题**:`MODEL_ROUTE_MISMATCH` 与 `PROMPT_MISMATCH` 两条告警的判定条件、消息文案、附加字段在同一文件里写了两遍,一遍针对 `selected_image`、一遍针对候选图。 - **代码**: ```python # engines/review_flow.py:150-159 if selected_image and node.prompt and selected_image.positive_prompt: node_prompt = _normalize_prompt(node.prompt) image_prompt = _normalize_prompt(selected_image.positive_prompt) if node_prompt and image_prompt and node_prompt not in image_prompt and image_prompt not in node_prompt: warnings.append({"code": "PROMPT_MISMATCH", "message": "selected image prompt differs from node prompt"}) # engines/review_flow.py:375-379 —— 判定与文案逐字相同,仅变量名不同 if node.prompt and image.positive_prompt: node_prompt = _normalize_prompt(node.prompt) image_prompt = _normalize_prompt(image.positive_prompt) if node_prompt and image_prompt and node_prompt not in image_prompt and image_prompt not in node_prompt: warnings.append({"code": "PROMPT_MISMATCH", "message": "candidate prompt differs from node prompt"}) ``` - **影响**:`review_node` 返回的 `warnings` 与其内部 `stage_review.candidates[*].warnings` 存在漂移风险——一致性规则改了一处忘了另一处,同一张图在两个字段里会给出矛盾结论,而 `_candidate_score`(`:392`)直接用 `len(warnings)` 打分,漂移会体现在分数上。 - **修复建议**:`review_node` 里对 `selected_image` 直接复用 `_candidate_warnings(node, selected_image)`,删除 141-159 的内联副本(注意保留 `MODEL_ROUTE_MISMATCH` 在 node 级别携带的 `node_model_route`/`image_model_route` 字段,`_candidate_warnings` 已经带了)。 --- ### [P3-轻微] `_match_endpoint` 未对路由字面量做 `re.escape` - **位置**:`adapters/astrbot_adapter.py:224-230` - **问题**:把路由模板直接拼进正则,只替换了 `{param}` 占位符,字面量部分未转义。 - **代码**: ```python # adapters/astrbot_adapter.py:225-227 param_names = re.findall(r"\{([^{}]+)\}", pattern) regex = "^" + re.sub(r"\{([^{}]+)\}", r"([^/]+)", pattern) + "$" match = re.match(regex, endpoint) ``` - **影响**:实测当前 `ROUTES` 里没有任何 endpoint 含正则元字符(已用脚本枚举验证),所以现在是安全的。但这是一个只靠"恰好没人写带点号的路由"维持的隐性约束——将来出现 `files/{name}.json` 这类端点时,`.` 会变成任意字符匹配,产生静默的路由串台。 - **修复建议**:先 `re.escape(pattern)`,再把被转义后的 `\{name\}` 换回捕获组;或改用逐段比较(split `/` 后按段匹配),既更快也不需要正则。 --- ## 关于 flow 文件合并可行性的专项结论 | 文件 | 行数 | 性质 | 与其它 flow 的实质重复 | |---|---|---|---| | `engines/single_flow.py` | 455 | 真实生成引擎(provider 调用、字节校验、URI 布局) | 无 | | `engines/review_flow.py` | 451 | 真实审查引擎(策略校验、评分、阶段审查结果) | 无(内部有自重复,见上) | | `engines/character_flow.py` | 145 | 声明式节点模板目录 + 遗留 node_key 别名映射 | 仅 `gradual_node_templates()` 约 15 行样板 | | `engines/fast_character_flow.py` | 50 | 声明式节点模板目录 | 仅 `fast_character_node_templates()` 约 11 行样板 | | `engines/quick_profile_flow.py` | 32 | 声明式节点模板目录(内联字面量) | 无函数,纯字面量 | 三个模板目录的唯一共性是这段构造器样板: ```python # engines/fast_character_flow.py:40-50 return [ {**step, "node_type": "generation", "status": "draft", "branch_name": "main", "metadata": {"template": "character_fast_v2", "quick_character_target": step["node_key"]}} for step in FAST_CHARACTER_STEPS ] # engines/character_flow.py:131-145 —— 同形,但要额外剥离 stage_code、支持 per-step node_type 覆盖 ``` **建议不合并。** 三者的 metadata 契约各不相同(`character_gradual` 要 `stage_code` + `canonical_node_key` 且支持 per-step `node_type` 覆盖;`character_fast` 要 `quick_character_target`;`quick_profile` 用的是 `profile_draft`/`profile_preview` 这类完全不同的 node_type),抽公共构造器需要引入配置参数把这些差异重新表达出来,代码量与理解成本都不会下降,反而把三种工作流的演进耦合在一起。这几个文件当前的形态——声明数据与业务逻辑分离、每种工作流一个独立目录——是合适的。 真正值得做的合并是本报告里的 **onebot11/wechat 适配器(约 90% 重复)** 与 **`review_flow` 的内联告警副本**,以及把 `_json_from_text` / 错误分类 / 大小预检这三段"图像链路已做对、其它链路缺失"的逻辑提取到 `core/` 供全部 provider 共用。