RisuAI v160.1.0版本发布:增强Lorebook功能与语法扩展
RisuAI是一个专注于人工智能对话系统的开源项目,它提供了强大的自然语言处理能力和灵活的定制功能。该项目通过持续迭代更新,不断优化用户体验并扩展功能边界。
最新发布的v160.1.0版本带来了多项重要更新,主要集中在Lorebook功能的增强和语法扩展方面。这些改进使得内容管理更加灵活,模板系统更加强大。
新增内容绑定系统(CBS)功能
本次更新引入了几个实用的内容绑定系统(CBS)功能,为模板处理提供了更多可能性:
-
元数据访问功能:新增的
{{metadata::A}}语法允许开发者直接访问和引用元数据内容,简化了数据处理流程。 -
错误检测功能:
{{iserror::A}}语法提供了便捷的错误检测机制,可以在模板处理过程中进行条件判断。 -
特殊字符显示功能:为了解决模板中花括号显示的问题,新增了四组专门用于显示花括号的语法:
{{displayescapedcurlybracketopen}}和{{displayescapedcurlybracketclose}}(简写为{{decbo}}和{{decbc}}){{doubledisplayescapedcurlybracketopen}}和{{doubledisplayescapedcurlybracketclose}}(简写为{{bo}}和{{bc}})
这些语法扩展使得模板编写更加灵活,特别是在需要处理特殊字符或进行复杂条件判断时。
Lorebook功能增强
v160.1.0版本对Lorebook系统进行了多项功能增强:
-
激活控制装饰器:
@@keep_activate_after_match装饰器强制在匹配后保持激活状态@@dont_activate_after_match装饰器则强制在匹配后取消激活状态
-
递归控制装饰器:
@@recursive和@@unrecursive装饰器提供了更直观的递归控制方式- 虽然之前版本可以通过组合其他装饰器实现类似功能,但新装饰器提高了代码可读性和执行效率
-
搜索控制装饰器:
@@no_recursive_search装饰器可以标记特定的Lorebook条目,使其内容不会被其他Lorebook条目搜索到,这在构建复杂知识库时非常有用。
语法优化
为了提升代码的可读性和编写体验,本次更新还进行了以下语法优化:
- 为所有带下划线的函数添加了不带下划线的替代语法
- 这种改进使得代码风格更加统一,减少了因下划线导致的输入错误
技术意义与应用场景
这些更新在实际应用中有多重意义:
-
元数据处理:新的元数据访问功能使得开发者可以更方便地在模板中引用和操作元数据,简化了数据流转过程。
-
错误处理:错误检测语法的引入增强了模板的健壮性,使得开发者可以编写更加安全的模板逻辑。
-
特殊字符处理:花括号显示问题的解决使得模板可以更自由地包含各种特殊字符,扩展了模板的应用范围。
-
知识库管理:Lorebook功能的增强使得大型知识库的构建和维护更加高效,特别是递归控制功能可以优化搜索性能。
-
代码风格:语法统一化减少了开发者的认知负担,提高了开发效率。
总结
RisuAI v160.1.0版本通过一系列功能增强和语法扩展,进一步提升了系统的灵活性和可用性。特别是对Lorebook系统的改进,使得知识库管理更加高效;而新增的CBS功能则为模板处理提供了更多可能性。这些更新体现了项目团队对开发者体验的持续关注和对功能边界的不断探索。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00