消防智能信息处理系统开发进展（按提交记录）

总体目标： 开发一套自动处理日常信息（如待办事项、人员外出、邮件等）并支持智能问答的系统，提高办公效率。

2026年1月2日

提交： 34e9920

完成内容：

建立了软件的基础框架，定义了与微信消息交互的基本规则。

能做什么：

系统可以接收微信消息，并识别是否提到机器人。
实现了“帮助”、“联系人列表”、“群成员列表”三个基础命令（仅框架，未完全调试）。

2026年1月3日

提交1： 107aa68

完成内容：

调整了文件存放的目录结构，统一使用指定盘符（Y盘）引用公共文件。

能做什么：

让多个模块能更方便地找到共用的配置和资源，减少路径错误。

提交2： 0dc896a

完成内容：

增加了消息记录自动保存到数据库的功能。

能做什么：

所有收到的微信消息都会自动存入数据库，以后可以按日期查询历史消息。
主界面上的消息列表会显示最近500条记录，并支持点击查看详细内容。

提交3： 4f7dc77

完成内容：

修改了主程序与插件的通信方式，改用易语言作为主进程。

能做什么：

解决了之前程序关闭时可能崩溃的问题，系统更稳定。

2026年1月5日

提交： acb57d9

完成内容：

完善了机器人帮助指令，现在可以按“微信.帮助”等格式触发。
增加了对XML格式消息的解析（如引用回复、红包等），能提取出关键文本。
优化了消息显示界面，点击列表项可以查看完整内容。
开发了定时任务插件（后勤推送功能）。
- 可以配置定时发送的规则（星期几、几点几分、发送内容、判断条件）。
- 支持从后勤网站（伙食评价系统）自动抓取数据，并将评价率等信息推送到微信群。
- 支持通过微信指令添加、删除、查询定时任务。

能做什么：

用户发送“微信.帮助”，机器人会列出所有支持的命令。
收到复杂格式的消息（如转发的小程序、带引用的回复）时，系统能显示出核心文字。
在管理界面上点击任何一条消息，右侧会显示它的全部内容，方便查看。
后勤人员可以配置定时任务，例如每天早上8点自动登录后勤网站，抓取当天的伙食评价率，并发送到指定群。
支持条件判断（如评价率低于90%才发送），避免无效推送。

2026年1月10日

提交： 3c2c306

完成内容：

实现了对内部消防业务平台的自动监控。
- 可以自动登录消防业务平台。
- 定时检查“待办事项”页面，发现有新文件或新邮件时，会自动将标题和链接发送到文书微信群里。
- 把待办事项记录到数据库中，避免重复提醒。

能做什么：

再也不用人工频繁登录内网平台查看是否有新文件。系统会自动把新任务“推”到微信群，提醒大家及时处理。
值班干部、联系电话等信息也会一并抓取并发送。

备注： 邮件提醒功能还存在小问题（已处理过的邮件可能会重复提醒），后续会优化。

2026年1月24日

提交： a66c7b0

完成内容：

实现了“人员外出审批”信息的自动收集与整理。
- 自动抓取内部系统里的请假外出申请单。
- 能解析出申请人、外出地点、起止时间、审批状态等详细信息。
- 将这些信息存入数据库，并可以按日期查询。
增加了“查询归队人员”功能。
- 在微信里发送相关指令（如“最近谁归队”“最近有谁回来”），机器人会统计所有计划归队的人员名单，并发送到群里。

能做什么：

不需要人工翻看一个个审批单，系统自动汇总所有外出人员信息。
想知道谁快回来了，直接在群里问机器人，它会把名单列出来，精确到几点几分。
不需要人工翻查，系统自动按归队时间由近及远排列

2026年1月29日

提交： fef2240

完成内容：

增加了局域网内其他设备连接主系统的能力。
- 主程序会通过UDP广播发送自己的网络地址。
- 其他电脑上的客户端可以自动发现主程序，并建立WebSocket连接。
增加了AI对话功能（初步）。
- 可以连接本地的Ollama AI服务（如DeepSeek模型）。
- 当用户在群里@机器人提问时，系统会把问题发给AI，并把AI的回答转发回来。
- 对话会记录上下文（按用户+群组分别保存），实现连续对话。

能做什么：

可以在局域网内任意一台电脑上运行客户端，连接到主系统，方便管理。
机器人现在能像一个真正的助手一样回答问题（需要本地部署AI模型）。
对话有记忆，不用每次重复背景信息。

2026年2月2日

提交： 0696a66

完成内容：

完善了局域网通信的WebSocket连接，增加了身份校验机制。
主系统现在可以将收到的每条微信消息实时推送给所有已连接的客户端（以JSON格式）。

能做什么：

只有经过验证的客户端才能连接主系统，提高了安全性。
其他电脑上的管理界面可以实时看到微信消息，方便多终端监控。

2026年2月3日

提交1： 8c08a1a

完成内容：

进一步完善了服务端和客户端之间的校验流程，增加了超时断开机制。
客户端连接后需要发送验证码进行验证，验证成功才能正常通信。

能做什么：

连接更稳定，防止无效或恶意连接占用资源。

提交2： c99ff79

完成内容：

服务端校验完成，客户端发送的消息已能正常送达服务器。
增加了心跳机制，定期检测连接是否存活。

能做什么：

局域网通信功能基本稳定，可以投入实际使用。

提交3： 3d70f30

完成内容：

修复了客户端连接后验证不通过的问题，现在能够正常通讯。

能做什么：

局域网客户端可以稳定接收主系统推送的消息。

2026年2月5日

提交1： d90bef5

完成内容：

开始优化业务平台的线程等待逻辑（内部代码调整）。
将消息日志的存储从文件改为SQLite数据库，提高查询效率。
开发了“生成执勤天数Excel报表”功能。
- 可以根据指定年月，自动从数据库中读取所有人员的请假外出记录。
- 自动计算每人当月的实际执勤天数（全勤天数减去请假天数）。
- 生成格式规范的Excel表格，包含姓名、部门、执勤天数、补助金额等列。
- 生成的Excel文件直接发送到微信群。

能做什么：

历史消息查询更快、更可靠。
每月底，可以在微信里发送指令（如“生成执勤天数表”“生成上个月执勤天数表”“创建3月执勤表”），系统会自动生成当月的执勤天数统计表，并把创建好的Excel文件发送到群里。
大幅减少手动统计执勤天数的繁琐工作，数据准确率显著提高。

提交2： 8d729db

完成内容：

人员外出信息全面改用数据库存储，并增加了数据库相关接口。
优化了外出人员的查询和更新逻辑，避免重复获取详情。

能做什么：

外出人员信息的存取更规范，支持更复杂的统计查询（为Excel报表提供数据支撑）。

提交3： 167c924

完成内容：

待办事项也改用数据库存储，去掉了旧的文本文件方式。
增加了邮件信息的抓取功能（可以获取内部邮件系统的标题、发件人、时间等）。
改进了值班干部信息的显示逻辑。

能做什么：

所有业务平台的数据都统一用数据库管理，方便维护和扩展。
现在可以抓取内部邮件系统的标题、发件人、时间等信息，并推送到文书群里。

2026年3月13日

提交1： 6c41e29

完成内容：

增加了一个引用头文件，完善了跨平台类型定义（内部代码整理）。

能做什么：

为未来可能的跨平台编译做准备，不影响现有功能。

提交2： 62110f4

完成内容：

修改了插件的加载流程，统一了插件接口规范。

能做什么：

插件开发更加标准化，新功能可以独立开发、独立更新，不影响主程序。

2026年3月15日

提交： 909d12d

完成内容：

将数据存放的文件夹名称由中文改为英文（消防智能信息处理系统 → AIFireBase）。

能做什么：

避免某些不支持中文路径的第三方库出现异常，提高兼容性。

2026年3月18日

提交： d0b6013

完成内容：

暂停当前手头工作，增加了一个JSON-RPC解析模块（为后续与其他系统对接做准备）。

能做什么：

目前只是代码准备，没有用户可见功能。

2026年4月9日

提交： 6eafce1

完成内容：

修复了“获取人员外出信息”时，如果登录过期没有自动重新登录的bug。

能做什么：

保证了长期运行时，人员外出信息能持续自动更新，不会因为登录失效而中断。

总结

截至2026年4月9日，系统已实现以下核心能力：

智能问答：在群里@机器人，它能回答问题并记住对话上下文。
信息自动推送：自动监控内部业务平台，将待办文件、新邮件等第一时间推送到工作群。
外出人员管理：自动抓取、汇总外出审批信息，支持查询归队人员。
定时后勤推送：配置定时任务，自动登录后勤网站抓取数据（如伙食评价率），到点推送到群。
执勤报表生成：根据外出请假记录，自动生成月度执勤天数Excel统计表，并发送到群。
局域网多端同步：其他电脑可安全连接主系统，实时接收消息。
消息历史存档：所有微信消息自动存入数据库，支持按日期检索。

技术亮点

无需开发新聊天工具，复用现有即时通讯入口
通过底层技术直接与现有即时通讯软件进行数据交互，无需额外开发独立的聊天APP，用户可在原有沟通环境中直接使用所有自动化功能，大幅降低推广和培训成本。
全自研插件化框架，扩展性高、无技术瓶颈
整个项目框架完全自主设计开发，采用插件化架构。未来如需更换即时通讯软件、新增其他数字化业务平台的数据接入，或修改整体业务逻辑，均可通过独立开发或替换插件实现，不存在底层技术依赖或瓶颈。
打通消防各数字化业务平台的数据通道
采用通用数据抓取与解析技术，能够适配当前消防领域多个数字化业务平台（如OA、后勤、审批系统等）。目前已实现对待办事项、人员外出、伙食评价、内部邮件等数据的自动获取，为后期跨平台数据整合与统一分析预先打通了技术通道。
本地化AI算力，数据安全且长期成本可控
人工智能模型完全运行于本地计算机，不依赖任何云端API或按次付费的Token服务。所有对话数据、业务信息均无需上传外网，保障消防内部数据安全，同时避免了长期运营中的算力租赁开支。