Sticker Selector

介绍

AI 很会说话，但大多数时候并不会用表情包。

StickerSelector 就是为了解决这个问题而存在的。

它不会靠固定规则去凑关键词，而是用语义模型去理解一句话真正想表达的感觉，再从已有的表情包中选出那一张——现在用，刚刚好。

这是很多 AI 聊天应用都会卡住的一道坎，越过去，聊天会立刻变得更像人。

StickerSelector 本身非常轻量，即使运行在 1 核心 / 1GB 内存 / 3Mbps 的小型服务器上也可以正常使用。

如果条件允许，你也可以在自己的 PC 上部署更高性能的版本，配合各种聊天应用接入工具，或直接搭配 QQSafeChat，打造一个真正“拟真”的 AI 聊天体验。

演示

描述	演示
使用 QQSafeChat 并接入 StickerSelector
WebUI 试用
模型选择页

0. 克隆本项目

运行该命令进行克隆：

git clone https://github.com/TheD0ubleC/StickerSelector.git

进入：

cd .\StickerSelector

1. 环境准备

• Python 3.10+（推荐 3.10.x）
• Windows / Linux / macOS / 本地或服务器均可

推荐使用虚拟环境运行，避免依赖冲突（尤其是服务器环境）。

---

（可选但推荐）使用虚拟环境

创建虚拟环境：

python -m venv .venv

激活虚拟环境（请根据平台选择命令）：

# Windows
.venv\Scripts\activate
# Linux / macOS
source .venv/bin/activate

安装依赖：

# 如果你有 Nvidia 的 GPU 并且可以使用 CUDA 请使用
pip install -r requirements/runtime-gpu-cu121.txt
# 如果你只有 CPU 请使用
pip install -r requirements/runtime-cpu.txt

2. 启动服务

# 如果你不需要直接公开在局域网或互联网 请使用
uvicorn sticker_service.app:app --port 8000
# 如果你需要公开在局域网或互联网 请使用
uvicorn sticker_service.app:app --host 0.0.0.0 --port 8000

启动后访问：

• 前台试用：http://127.0.0.1:8000/try
• 管理后台：http://127.0.0.1:8000/admin

3. 从 0 开始的使用流程

1. 进入「系列管理」新建系列（例如：猫猫 / memes）
2. 进入「批量上传」选择系列并上传图片
3. 上传完成后跳转到「批量打 Tag」，为每张表情包补充 tags
4. 进入「表情包管理」检查、批量启用/禁用或移动系列
5. 在「试用」页面输入 tags 进行检索验证
6. 需要迁移/备份时，使用「系列管理」的导入/导出功能

4. 目录结构

sticker_service/
  app.py            # FastAPI 入口
  db.py             # SQLite 数据操作
  templates/        # 页面模板
  static/           # 前端资源
  data_runtime/     # 运行时数据（DB、日志、表情包文件）
docs/               # 文档

5. 模型下载说明

首次启动项目需在 Web 页面中选择模型并下载。 项目会在非首次启动时加载模型，用于语义检索：

• 如果网络正常，首次启动会自动下载。
• 如果网络受限，请配置代理或提前下载模型缓存。
• 若出现 SSLError/EOF 等错误，多为网络或代理问题，请确保可以正常访问 Hugging Face 并建议检查 TLS/代理设置或使用镜像源。