技术解读
海豹核心（SealDice Core）：把 TRPG 骰点机器人做成一件可交付的工程
项目背景与痛点
TRPG 跑团对骰点机器人的需求看起来简单：掷个 3d6、查个角色卡、抽张牌堆。但真要长期跑团，需求就不简单了——要能暗骰、要能算奖惩骰、要能存几十张角色卡、要在群里做权限隔离、要能加载自定义规则。
而这个领域的工具链，长期是破碎的。Dice! 绑定酷Q，平台一停摆生态就断层；塔骰依赖 Node 运行时，对只想在 Windows 上双击运行的桌游店老板不友好；各类 Python 骰子则把部署成本转嫁给用户。更麻烦的是平台碎片化：QQ 群、Discord 服务器、KOOK 频道、Telegram 群组，协议各不相同，一个机器人想全平台覆盖，往往要维护多套代码。
海豹核心的定位很清楚：一个 Go 单二进制，内置管理面板，抽象掉 IM 平台差异，把插件生态用 JS 统一起来。它解决的核心问题在于分发与长期可维护性，功能多少反而是次要的。
核心技术揭秘
海豹的架构是典型的分层适配器模式：平台差异被隔离在最外层，业务逻辑完全建立在归一化的消息模型上。
几个值得说的实现细节：
骰点引擎的复杂度并不低。 它不是一次算术求值；它更像一个小型表达式语言：4d6k3（保留最高 3 个）、d20+5、(1d4+1)d6（骰数本身是表达式）、COC 的奖惩骰 pb、理智检定、暗骰前缀。这意味着解析器必须是带优先级的递归下降结构，词法层要能区分“骰数”和“骰面”两个位置的表达式，而不是简单正则切分。同时随机源必须是并发安全且可复现的——跑团场景里，玩家会因为一次离谱的连出大成功要求“查日志”，骰点记录的可追溯性直接关系到社群信任。
消息必须串行处理。 这是骰子类应用最容易被忽视的坑：三个玩家几乎同时掷骰，如果并发处理，回复顺序可能错乱，导致日志和回复对不上号。海豹以账号—群维度组织 Dice 实例，消息入队后按会话顺序消费，牺牲一点吞吐换取语义正确——对聊天机器人，这个取舍是对的。
存储层是自研的轻量 KV，内存索引加异步落盘，而不是直接上 SQLite。好处是零依赖、单文件备份、跨平台一致性极好；代价是复杂查询能力弱，数据量大了以后检索只能靠内存全扫。
JS 插件跑在 goja 上，宿主把 seal.replyToSender、事件钩子、牌堆读写注入运行时。选择纯 Go 的 JS 引擎而非 V8，是为了保持交叉编译的纯净（CGO 一旦引入，Android/macOS 的构建链立刻变复杂）。这是一次非常“工程导向”的取舍。
功能亮点与差异
和同类相比，海豹的杀手锏不是骰点算法多花哨，而是三点：
其一，内嵌 WebUI。//go:embed 把前端打进了二进制，配置、日志、插件管理、角色卡编辑全部图形化。这一下把目标用户从“会敲命令行的开发者”扩展到了“只会双击 exe 的团长”，这是国内骰子生态里最实际的一步。
其二，平台抽象的一致性。同一份配置、同一套群规则、同一批插件，换个平台基本能平移。对同时运营 QQ 群和 Discord 服务器的社群，这直接省掉一套维护成本。
其三，对既有生态的有意兼容。牌堆格式、前缀习惯、部分插件 API 的命名，明显在向老用户招手。迁移成本是生态型工具的第一道生死线，海豹在这上面做过功课。
应用场景与落地建议
适合：跑团社群的固定群组机器人、桌游店/线上团的基础设施、TRPG 教学内容演示、需要私有化部署（数据不出内网）的团队。
落地时注意几点：
- 别把 QQ 侧当生产级 SLA。走 OneBot 方案意味着依赖第三方协议实现，账号风控与协议变更不在你控制范围内，重要群建议双平台冗余。
- 限流与刷屏控制。大群高频掷骰会触发平台侧频率限制，建议在适配器层做发送队列与合并。
- 数据备份常态化。存储是文件形态，容器化部署时务必把数据目录挂成 volume，并做定期快照——跑团数据丢了是真的找不回来。
- 插件要审。JS 运行时不是安全沙箱，不要加载来源不明的插件。
- 单实例承载几千群问题不大，真正的瓶颈通常在平台侧的反向连接稳定性，而非骰点计算本身。
综合评价
优点：工程完成度高。单二进制分发、跨平台适配层干净、WebUI 显著降低使用门槛、插件体系让规则扩展不必改核心代码。它在“能长期跑下去”这件事上的投入，远超多数同类项目。
缺点：goja 决定了插件生态的天花板——ES6+ 支持有限、异步模型别扭，复杂插件写起来会硌手；自研 KV 在数据规模上去后缺乏查询能力，属于早期设计对后期的负债；核心逻辑集中在少数维护者手里，插件 API 文档相对简陋，新插件作者的摸索成本不低。
一句话：它是一个被认真当作产品在做的基础设施，而不是一个爱好者脚本。 如果你的需求是“稳定、好部署、跨平台、能自己写扩展”，它目前是国产方案里最省心的选择；如果你需要的是极端灵活的规则内核或大规模数据检索，得做好自己动手补的准备。
相关仓库
为什么几个 token 能搞定却要用很多 token。一个爆火的技能 + 编码代理的代理，像穴居人那样说话，可削减 65% 的 token。
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，将前沿 RAG 与 Agent 能力融合，为 LLM 构建卓越的上下文层
![dependabot[bot]](https://avatars.githubusercontent.com/in/29110?v=4)
评论