配置系统说明

本文档面向开发者，解释 ATRI.configs 模块如何负责项目的全局配置、默认配置创建、配置版本校验，以及插件配置的加载与保存。

模块定位

配置相关代码位于：

ATRI/configs/__init__.py
ATRI/configs/config.py
ATRI/configs/create.py
ATRI/configs/models.py
ATRI/configs/plugin_config.py

其中，ATRI.configs.__init__ 对外导出了：

python

from .config import Config
from .plugin_config import PluginConfig, plugin_config

也就是说，项目中通常通过以下方式访问配置入口：

python

from ATRI.configs import Config, PluginConfig

1. 全局配置入口：`Config`

Config 类定义在 ATRI/configs/config.py，用于加载并校验项目主配置文件。典型用法如下：

python

from pathlib import Path
from ATRI.configs import Config

config = Config(Path("config.yml"))

1.1 初始化逻辑

Config.__init__ 会进行以下操作：

读取目标配置文件 config_path。
如果文件不存在，则调用 init_config(config_path, default_config_path) 生成默认配置。
读取默认模板 res/default_config.yml 与当前配置文件。
对比 ConfigVersion，判断版本是否兼容。
如不兼容，则自动备份旧配置并退出启动流程。
通过 Pydantic 模型 ConfigModel.model_validate(self.config) 做结构校验。

关键代码逻辑：

python

if not config_path.is_file():
    init_config(config_path, _DEFAULT_CONFIG_PATH)
    sleep(3)

raw_conf = yaml.safe_load(_DEFAULT_CONFIG_PATH.read_bytes())
conf = yaml.safe_load(config_path.read_bytes())

r_c_v = raw_conf.get("ConfigVersion")
c_v = conf.get("ConfigVersion")

1.2 版本兼容处理

Config 的版本控制并不是简单“只要存在就行”，而是非常严格：

只允许主版本和次版本相同。
若不同，认为配置已废弃，自动复制 config.yml 到 config_backup.yml 并删除原文件。
若 ConfigVersion 仅存在小版本差异，则进行升级补丁处理：

python

if r_c_v != c_v:
    shutil.copy2(config_path, config_path.with_name('config_backup.yml'))
    self.config_model.ConfigVersion = r_c_v
    self.save_conf()

这样可以防止配置文件因结构变化而直接出错，确保项目在升级时保留历史配置。

1.3 运行时配置

Config.get_runtime_conf() 会将配置转换成运行时所需字段。它使用 BotConfig 进行校验，然后返回一个最小运行时字典：

python

return RuntimeConfig(
    host=bot_conf.host,
    port=bot_conf.port,
    debug=bot_conf.debug,
    superusers=bot_conf.superusers,
    nickname=bot_conf.nickname,
    onebot_access_token=bot_conf.access_token,
    command_start=bot_conf.command_start,
    command_sep=bot_conf.command_sep,
    session_expire_timeout=bot_conf.session_expire_timeout,
).model_dump()

这意味着：

运行时不直接操作原始 YAML
运行时以结构化对象或字典形式使用配置
对字段形态做统一约束，减少误用

2. 默认配置生成：`init_config()`

create.py 中的 init_config(conf_path, default_conf_path) 用于首次启动时，交互式生成 config.yml。

2.1 生成流程

它会依次询问用户：

Bot 监听地址 / 端口
超级用户列表
access_token
代理配置
Playwright 浏览器设置
WebUI 登录用户名与密码
其他必要配置

并在最后把占位符替换到默认模板：

python

raw_conf = default_conf_path.read_text("utf-8")
raw_conf = raw_conf.replace("{host}", str(host))
raw_conf = raw_conf.replace("{port}", str(port))
raw_conf = raw_conf.replace("{superusers}", str(superusers.split(",")))
raw_conf = raw_conf.replace("{access_token}", access_token)

最后写入配置文件：

python

with open(conf_path, "w", encoding="utf-8") as w:
    w.write(raw_conf)

2.2 设计要点

这是一个“交互式初始化器”，而不是静态模板；它的价值是：

降低开发者或部署者的配置门槛
让第一次启动更稳定
统一生成配置结构，避免错误的 YAML 拼接

2.3 交互式输入工具

Console.input() 封装了标准输入与校验逻辑：

缺省值回填
类型转换
错误提示
允许回车使用默认值

例如：

python

port = console.input(
    "Bot 对外开放的端口 (Port). 范围建议: 10000-60000 (默认: 20000)",
    "20000",
    int,
    "输入不正确 示例: 20000",
)

这类辅助函数让配置初始化过程更容易维护，也更符合 CLI 程序体验。

3. 配置模型：`models.py`

配置模型使用 Pydantic 的 BaseModel，并由 ATRI.utils.model.BaseModel 扩展。

3.1 模型结构

python

class BotConfig(BaseModel):
    host: str
    port: int
    debug: bool
    superusers: list
    nickname: list
    command_start: list
    command_sep: list
    session_expire_timeout: int
    access_token: str
    proxy: str
    request_timeout: int

python

class BrowsConfig(BaseModel):
    browser: str
    download_host: str
    proxy_host: str
    browser_channel: str

python

class WebUIConfig(BaseModel):
    username: str = 'admin'
    password: str = Field(default_factory=lambda: gen_random_str(8))
    secret: str = Field(default_factory=lambda: gen_random_str(8))

python

class ConfigModel(BaseModel):
    ConfigVersion: str
    BotConfig: BotConfig
    BrowsConfig: BrowsConfig
    WebUIConfig: Annotated[WebUIConfig, Field(default=WebUIConfig())]

3.2 设计意义

这里把 YAML 配置“结构化”为对象模型，优点是：

自动校验字段类型
避免配置中出现错误类型
便于在运行时访问 config_model.BotConfig.port
更便于后续字段增加和兼容处理

3.3 运行时模型

python

class RuntimeConfig(BaseModel):
    host: str
    port: int
    debug: bool
    superusers: list
    nickname: list
    onebot_access_token: str
    command_start: list
    command_sep: list
    session_expire_timeout: int

这个模型用于最终启动框架时的真正运行时参数，偏简化版，避免把全部 WebUI 和浏览器参数混进运行阶段。

4. 默认配置模板：`res/default_config.yml`

默认配置模板位于：

ATRI/res/default_config.yml

示例如下：

yaml

# 设置参考文档: https://lokyoh.github.io/ATRI-LK-docs/config.html
ConfigVersion: "1.1.1"

BotConfig:
  host: "{host}"
  port: {port}
  debug: false
  superusers: {superusers}
  nickname: [ "亚托莉", "ATRI" ]
  command_start: [ "/" ]
  command_sep: [ "." ]
  session_expire_timeout: 60
  access_token: ""
  proxy: "{proxy}"
  request_timeout: 30

BrowsConfig:
  browser: "{browser}"
  download_host: "{download_host}"
  proxy_host: "{proxy_host}"
  browser_channel: "{browser_channel}"

WebUIConfig:
  username: "{username}"
  password: "{password}"
  secret: "{secret}"

字段说明

`BotConfig`

host：Bot 监听地址
port：监听端口
debug：调试开关
superusers：管理员列表
nickname：机器人昵称列表
command_start：命令前缀列表
command_sep：命令分隔符列表
session_expire_timeout：会话过期时间
access_token：协议层鉴权令牌
proxy：代理地址
request_timeout：请求超时时间

`BrowsConfig`

browser：浏览器内核
download_host：Playwright 下载代理
proxy_host：浏览器代理
browser_channel：浏览器通道

`WebUIConfig`

username：WebUI 登录用户名
password：WebUI 登录密码
secret：WebUI 签名/Session 密钥

5. 插件配置：`PluginConfig`

plugin_config.py 中提供了插件级别配置管理。其核心目标是：

每个插件都可以拥有自己的配置模型
配置自动写入对应 JSON 文件
支持读取、修改、缓存和重新加载

5.1 入口对象

python

plugin_config = {}

这是全局插件配置注册表，键是 service 名称，值是 PluginConfig 实例。

5.2 类定义

python

class PluginConfig:
    def __init__(self, service: str, model: Type[BaseModel]):
        self.model = model
        self.path = PLUGIN_CONFIG_DIR / f"{service}_config.json"

说明：

service：服务名
model：插件配置对应的 Pydantic 模型
path：配置文件路径，通常位于插件配置目录

5.3 自动创建配置

若配置文件不存在，则创建目录并写入默认模型实例：

python

if not os.path.exists(self.path):
    os.makedirs(os.path.dirname(self.path), exist_ok=True)
    self.change_config(self.model())

这意味着插件开发者只需编写模型，即可直接生成相应 JSON 配置文件。

5.4 读取与保存

python

def load_config(self):
    try:
        config = self.model.read_from_file(self.path)
    except Exception as e:
        ...
        config = self.model()

load_config() 会尝试从磁盘恢复配置对象；如果失败，则回退为初始默认模型实例。

5.5 修改配置

python

def change_config(self, value: BaseModel | None = None):
    if value is None:
        self._config.write_into_file(self.path)
    else:
        value.write_into_file(self.path)
        self.load_config()

这个方法可以：

直接把当前内存配置写回磁盘
或者传入新模型对象并立即持久化

5.6 获取实例

python

@classmethod
def get(cls, service: str) -> "PluginConfig | None":
    if service in plugin_config:
        return plugin_config[service]
    else:
        return None

用于在其他位置读取某个服务的插件配置对象。

6. 服务如何接入插件配置

在 ATRI/service.py 中，Service 提供了两种关键方法：

python

def plugin_config(self) -> PluginConfig | None:
    return PluginConfig.get(self.service)


def add_plugin_config(self, model: type[BaseModel]) -> PluginConfig:
    return PluginConfig(self.service, model)

也就是说，服务初始化时可以如此写：

python

from ATRI.service import Service
from ATRI.utils.model import BaseModel


class HelpConfig(BaseModel):
    enable: bool = True
    max_history: int = 20


plugin = Service("帮助")
help_config = plugin.add_plugin_config(HelpConfig).config()

使用方式：

python

# 读取配置
cfg = plugin.plugin_config().config()

# 修改配置
cfg.enable = False
plugin.plugin_config().change_config(cfg)

这个机制使插件配置真正成为“服务级硬件”，而不仅仅是散落的常量。

7. 设计原则

从实现上看，配置系统遵循以下几个关键设计思路：

结构化配置
- 使用 YAML + Pydantic 模型结构化
- 避免分散的裸字典访问
版本兼容
- 通过 ConfigVersion 控制升级兼容
- 旧配置自动备份
交互式初始化
- 首次启动自动引导生成配置
- 降低开发者和部署者门槛
插件隔离
- 每个服务可有独立配置文件
- 插件配置与全局配置完全解耦
运行时最小依赖
- 运行时只取需要的字段
- 配置对象不必在所有调用中乱传

8. 开发建议

8.1 新增配置字段时

新增配置字段时，需要同时关注：

res/default_config.yml 模板
ATRI/configs/models.py 中的模型定义
读取配置的业务代码是否仍兼容旧配置

8.2 插件配置时

建议优先使用 PluginConfig + BaseModel 的方式，而不要直接写死 JSON 字典，原因是：

类型更稳定
更方便进行校验
代码更清晰、可维护

8.3 处理旧配置

如果你改动了配置结构，务必：

增加合适的 ConfigVersion
在读取时兼容旧字段
在必要时输出升级提示

9. 典型使用例子

9.1 读取全局配置

python

from pathlib import Path
from ATRI.configs import Config

config = Config(Path("config.yml"))
print(config.config_model.BotConfig.host)
print(config.config_model.WebUIConfig.username)

9.2 读取运行时配置

python

runtime = config.get_runtime_conf()
print(runtime["host"])
print(runtime["port"])

9.3 插件配置

python

from ATRI.service import Service
from ATRI.utils.model import BaseModel


class DemoConfig(BaseModel):
    enabled: bool = True
    timeout: int = 10


svc = Service("demo")
pconf = svc.add_plugin_config(DemoConfig)

cfg = pconf.config()
print(cfg.enabled)

10. 总结

ATRI.configs 不只是“读写 YAML”这么简单，它是整个项目启动流程中的关键基础模块。它统一了：

默认配置生成
全局配置加载
配置版本检查
结构校验
插件级配置管理

因此，无论是开发新功能、扩展插件，还是维护部署环境，都需要对这套配置体系保持清晰理解。

如果需要继续扩展配置系统，建议优先保持“模板-模型-加载-校验-序列化”这条链路一致，避免配置变更遗漏导致运行时异常。

配置系统说明 ​

模块定位 ​

1. 全局配置入口：Config ​

1.1 初始化逻辑 ​

1.2 版本兼容处理 ​

1.3 运行时配置 ​

2. 默认配置生成：init_config() ​

2.1 生成流程 ​

2.2 设计要点 ​

2.3 交互式输入工具 ​

3. 配置模型：models.py ​

3.1 模型结构 ​

3.2 设计意义 ​

3.3 运行时模型 ​

4. 默认配置模板：res/default_config.yml ​

字段说明 ​

BotConfig ​

BrowsConfig ​

WebUIConfig ​

5. 插件配置：PluginConfig ​

5.1 入口对象 ​

5.2 类定义 ​

5.3 自动创建配置 ​

5.4 读取与保存 ​

5.5 修改配置 ​

5.6 获取实例 ​

6. 服务如何接入插件配置 ​

7. 设计原则 ​

8. 开发建议 ​

8.1 新增配置字段时 ​

8.2 插件配置时 ​

8.3 处理旧配置 ​

9. 典型使用例子 ​

9.1 读取全局配置 ​

9.2 读取运行时配置 ​

9.3 插件配置 ​

10. 总结 ​

配置系统说明

模块定位

1. 全局配置入口：`Config`

1.1 初始化逻辑

1.2 版本兼容处理

1.3 运行时配置

2. 默认配置生成：`init_config()`

2.1 生成流程

2.2 设计要点

2.3 交互式输入工具

3. 配置模型：`models.py`

3.1 模型结构

3.2 设计意义

3.3 运行时模型

4. 默认配置模板：`res/default_config.yml`

字段说明

`BotConfig`

`BrowsConfig`

`WebUIConfig`

5. 插件配置：`PluginConfig`

5.1 入口对象

5.2 类定义

5.3 自动创建配置

5.4 读取与保存

5.5 修改配置

5.6 获取实例

6. 服务如何接入插件配置

7. 设计原则

8. 开发建议

8.1 新增配置字段时

8.2 插件配置时

8.3 处理旧配置

9. 典型使用例子

9.1 读取全局配置

9.2 读取运行时配置

9.3 插件配置

10. 总结