diff --git a/zh/dev/star/guides/other.md b/zh/dev/star/guides/other.md
index 7740411..0857a8d 100644
--- a/zh/dev/star/guides/other.md
+++ b/zh/dev/star/guides/other.md
@@ -50,3 +50,1777 @@ plugins = self.context.get_all_stars() # 返回 StarMetadata 包含了插件类
 from astrbot.api.platform import Platform
 platforms = self.context.platform_manager.get_insts() # List[Platform]
 ```
+
+---
+---
+
+## 关于 astrbot.api.star.StarTools 类
+
+提供给插件使用的便捷工具函数集合
+
+## 根据 unified_msg_origin 主动发送消息
+
+```python
+from astrbot.api.star import StarTools
+import astrbot.api.message_components as Comp
+
+...
+async def on_message(self, event):
+    session = event.unified_msg_origin
+    message_chain = [
+        Comp.Plain("你好这里是测试")
+    ]
+    await StarTools.send_message(session, message_chain)
+...
+```
+
+## 根据 MessageSesion 类主动发送消息
+
+```python
+from astrbot.api.star import StarTools
+import astrbot.api.message_components as Comp
+
+...
+async def on_message(self, event):
+    session = event.session
+    message_chain = [
+        Comp.Plain("你好这里是测试")
+    ]
+    await StarTools.send_message(session, message_chain)
+...
+```
+
+## 通过ID直接发送消息
+
+```python
+from astrbot.api.star import StarTools
+import astrbot.api.message_components as Comp
+
+...
+message_chain = [
+    Comp.Plain("你好这里是测试")
+]
+
+# 发送私聊消息
+await StarTools.send_message_by_id(
+    type="PrivateMessage",
+    id="123456789",                 # QQ号
+    message_chain=message_chain,
+    platform="aiocqhttp"            # 目前只支持aiocqhttp
+)
+
+# 发送群聊消息
+await StarTools.send_message_by_id(
+    type="GroupMessage",
+    id="987654321",                 # 群号
+    message_chain=message_chain,
+    platform="aiocqhttp"            # 目前只支持aiocqhttp
+)
+...
+```
+
+## 构造消息(返回为AstrBotMessage)
+
+```python
+from astrbot.api.platform import AstrBotMessage, MessageMember, MessageType
+from astrbot.api.star import StarTools
+import astrbot.api.message_components as Comp
+
+...
+# 用户消息
+member1 = MessageMember(
+    user_id="123456789",
+    nickname="小明"
+)
+
+message_content = [
+    Comp.Plain("你好，这是文本消息！"),
+    Comp.Plain("\n"),
+    Comp.Plain("这是一条测试消息。"),
+]
+
+# 与消息链保持一置(这个是文本用于给ai的)
+message_text = "你好，这是文本消息！\n这是一条测试消息。"
+
+# 私聊消息
+abm = await StarTools.create_message(
+    type="PrivateMessage",      # 私聊消息
+    self_id="1000000",          # 机器人自己的QQ号
+    session_id="123456789",     # 会话ID（用户QQ号）
+    sender=member1,             # 发送人
+    message=message_content,    # 消息链
+    message_str=message_text,   # 纯文本消息
+    message_id="msg_001",       # 可选：自定义消息ID
+    raw_message=None,           # 可选：原始消息对象
+    group_id="",                # 私聊消息，群组ID为空
+)
+
+# 群聊消息
+abm = await StarTools.create_message(
+    type="GroupMessage",        # 私聊消息
+    self_id="1000000",          # 机器人自己的QQ号
+    session_id="123456789",     # 会话ID
+    sender=member1,             # 发送人
+    message=message_content,    # 消息链
+    message_str=message_text,   # 纯文本消息
+    message_id=None,            # 可选：自定义消息ID
+    raw_message=None,           # 可选：原始消息对象
+    group_id="12345678",        # 群聊消息，群组ID必填
+)
+
+```
+
+## 激活/停用/删除一个已经注册的函数调用工具
+
+```python
+from astrbot.api.star import StarTools
+
+name = "工具名称"
+
+# 激活一个已经注册的函数调用工具
+StarTools.activate_llm_tool(name)
+
+# 停用一个已经注册的函数调用工具
+StarTools.deactivate_llm_tool(name)
+
+# 删除一个已经注册的函数调用工具
+StarTools.unregister_llm_tool(name)
+```
+
+## 获取插件数据目录的绝对路径(用于长久化存储)
+
+```python
+from astrbot.api.star import StarTools
+
+# 自动根据调用栈获取(当前插件的)
+data_dir = StarTools.get_data_dir()
+
+# 根据名称获取
+plugin_name = "MY_plugin"
+data_dir = StarTools.get_data_dir(plugin_name=plugin_name)
+```
+
+---
+---
+
+## 关于 astrbot.core.star.Context 类
+
+### 免责声明:以下文档为非astrbot官方人员书写,可能存在一定偏差和问题,如果遇到问题请进群询问,如果可以请一同修复文档
+
+`astrbot.core.star.Context`类别是astrbot提供给插件的上下文接口
+其拥有7个主要的管理器属性
+
+```python
+class Context:
+    ...
+
+    def __init__(...):
+        ...
+        """模型供应商管理器"""
+        self.provider_manager = provider_manager
+        """平台适配器管理器"""
+        self.platform_manager = platform_manager
+        """会话管理器"""
+        self.conversation_manager = conversation_manager
+        """平台消息历史管理器"""
+        self.message_history_manager = message_history_manager
+        """人格角色设定管理器"""
+        self.persona_manager = persona_manager
+        """配置文件管理器(非webui)"""
+        self.astrbot_config_mgr = astrbot_config_mgr
+        """知识库管理器"""
+        self.kb_manager = knowledge_base_manager
+    ...
+```
+
+在插件中可以通过`self.context`对这个类别进行访问
+
+---
+---
+
+## 关于知识库管理器
+
+它为 `astrbot.core.knowledge_base.kb_mgr`下的`KnowledgeBaseManager`类别在插件中可以通过`self.context.kb_manager`对这个类别进行访问
+
+## 获取所有数据库名称和id以及其对应的编码器id
+
+```python
+kb_names = []
+kb_ids = []
+ep_ids = []
+for kb_helper in self.context.kb_manager.kb_insts.values():
+    kb_names.append(kb_helper.kb.kb_name)
+    kb_ids.append(kb_helper.kb.kb_id)
+    ep_ids.append(kb_helper.kb.embedding_provider_id)
+```
+
+其中`self.context.kb_manager.kb_insts`是一个`dict[str, KBHelper]`将`kb_id`映射到`kb_helper`, `KBHelper`是一个管理数据库的类别(单个数据库)
+
+## 获取数据库实例
+
+```python
+# 使用名称获取
+kb_helper: KBHelper | None = await self.context.kb_manager.get_kb_by_name(kb_name)
+# 使用kb_id获取
+kb_helper: KBHelper | None = await self.context.kb_manager.get_kb(kb_id)
+```
+
+## 使用数据库实例上传数据
+
+```python
+await kb_helper.upload_document(
+    file_name = file_name,
+    file_content = file_content,
+    file_type = file_type,
+    chunk_size = chunk_size,
+    chunk_overlap = chunk_overlap,
+    batch_size = batch_size,
+    tasks_limit = tasks_limit,
+    max_retries = max_retries,
+    pre_chunked_text = pre_chunked_text
+)
+```
+
+## 参数说明
+
+| 参数名 | 类型 | 默认值 | 必填 | 说明 |
+|--------|------|--------|------|------|
+| `file_name` | `str` | - | 是 | 文档文件名 |
+| `file_content` | `bytes \| None` | - | 否 | 文档二进制内容。当未提供 `pre_chunked_text` 时必须提供 |
+| `file_type` | `str` | - | 是 | 文档类型（扩展名） |
+| `chunk_size` | `int` | 512 | 否 | 文本分块大小（字符数） |
+| `chunk_overlap` | `int` | 50 | 否 | 分块重叠大小（字符数） |
+| `batch_size` | `int` | 32 | 否 | 批量处理的大小 |
+| `tasks_limit` | `int` | 3 | 否 | 并发任务限制 |
+| `max_retries` | `int` | 3 | 否 | 最大重试次数 |
+| `progress_callback` | `Callable` | `None` | 否 | 进度回调函数，接收参数 `(stage, current, total)` |
+| `pre_chunked_text` | `list[str] \| None` | `None` | 否 | 预分块的文本列表，如果提供则跳过解析和分块步骤 |
+
+## 上传文件(最小实现)
+
+```python
+await kb_helper.upload_document(
+    file_name = file_name,
+    file_content = file_content,    # 文件的bytes格式内容
+    file_type = file_type           # 文件类型("md", "txt", "markdown", "xlsx", "docx", "xls","pdf")
+)
+```
+
+## 上传文本(最小实现)
+
+```python
+await kb_helper.upload_document(
+    file_name = file_name,
+    pre_chunked_text = [text],
+    file_type = "txt"
+)
+```
+
+## 使用数据库管理实例创建数据库
+
+```python
+kb_helper = await self.context.kb_manager.create_kb(
+    kb_name="技术文档库",
+    description="存储技术文档和API参考",
+    emoji="💻",
+    embedding_provider_id="openai-embedding",
+    rerank_provider_id="cohere-rerank",
+    chunk_size=1024,
+    chunk_overlap=100,
+    top_k_dense=30,
+    top_k_sparse=30,
+    top_m_final=10,
+)
+```
+
+## 参数说明
+
+| 参数名 | 类型 | 默认值 | 必填 | 说明 |
+|--------|------|--------|------|------|
+| `kb_name` | `str` | - | 是 | 知识库名称 |
+| `description` | `str \| None` | `None` | 否 | 知识库描述信息 |
+| `emoji` | `str \| None` | `None` | 否 | 知识库的表情符号标识，默认使用 "📚" |
+| `embedding_provider_id` | `str \| None` | `None` | 否 | 嵌入模型供应商的 ID |
+| `rerank_provider_id` | `str \| None` | `None` | 否 | 重排序模型供应商的 ID |
+| `chunk_size` | `int \| None` | `None` | 否 | 文本分块大小（字符数），默认为 512 |
+| `chunk_overlap` | `int \| None` | `None` | 否 | 分块重叠大小（字符数），默认为 50 |
+| `top_k_dense` | `int \| None` | `None` | 否 | 密集检索返回的 top-k 结果数，默认为 50 |
+| `top_k_sparse` | `int \| None` | `None` | 否 | 稀疏检索返回的 top-k 结果数，默认为 50 |
+| `top_m_final` | `int \| None` | `None` | 否 | 最终返回的 top-m 结果数，默认为 5 |
+
+## 创建数据库(最小实现)
+
+```python
+kb_helper = await self.context.kb_manager.create_kb(
+    kb_name = kb_name,                  # 数据库名称
+    embedding_provider_id = ep_id       # 编码器id
+)
+```
+
+## 删除数据库
+
+```python
+kb_helper = await self.context.kb_manager.get_kb_by_name(kb_name)
+if not kb_helper:
+    print(f"kb:{kb_name} 不存在")
+    return
+kb_id = kb_helper.kb.kb_id
+await kb_helper.delete_vec_db()
+async with self.context.kb_manager.kb_db.get_db() as session:
+    await session.delete(kb_helper.kb)
+    await session.commit()
+self.context.kb_manager.kb_insts.pop(kb_id, None)
+print(f"kb:{kb_name} 成功删除")
+```
+
+## 重新加载所有数据库
+
+```python
+await self.context.kb_manager.load_kbs()
+```
+
+## 获取所有文档
+
+```python
+kb_helper: KBHelper|None  = await self.context.kb_manager.get_kb_by_name(kb_name)
+list_doc: list[KBDocument] = await kb_helper.list_documents()
+```
+
+其中`KBDocument`为`astrbot.core.knowledge_base.models`下的一个类
+
+## 使用数据库实例进行查询(最小实现)
+
+```python
+data = await self.context.kb_manager.retrieve(
+    query = user_message,       # 问题内容
+    kb_names = [kb_name]        # kb_name列表,可以从多个数据库里面查
+)
+```
+
+## `data` 字典
+
+```python
+{
+    "context_text": context_text,
+    "results": results_dict,
+}
+```
+
+其中context_text是处理好的返回消息,可以直接使用,results是列表字典,每一个字典表示一个文档块,里面包含这个文档块的全部信息
+
+## `results` 字段
+
+`results` 是一个字典列表，每个字典代表一个检索到的文本块，包含以下字段：
+
+| 字段名 | 类型 | 说明 |
+|--------|------|------|
+| `chunk_id` | `str` | 文本块的唯一标识符 |
+| `doc_id` | `str` | 所属文档的ID |
+| `kb_id` | `str` | 所属知识库的ID |
+| `kb_name` | `str` | 所属知识库的名称 |
+| `doc_name` | `str` | 所属文档的名称 |
+| `chunk_index` | `int` | 文本块在文档中的索引位置 |
+| `content` | `str` | 文本块的内容 |
+| `score` | `float` | 检索相关性得分（越高越相关） |
+| `char_count` | `int` | 文本块的字符数 |
+
+---
+---
+
+# 模型供应商管理器
+
+`ProviderManager` 位于 `astrbot.core.provider.manager` 模块下，在插件中可以通过 `self.context.provider_manager` 访问。
+
+- 注:目前没有提供直接在webui添加自定义供应商的代码,如果需要可以通过修改`astrbot.core.config.default` 下的 `CONFIG_METADATA_2`来修改webui(该方法并不正式,可能会在未来被修复),并且需要在代码注册对应的供应商
+
+## 获取供应商实例
+
+### `get_provider_by_id(provider_id: str) -> Providers`
+
+通过ID获取供应商实例。
+
+**参数：**
+
+- `provider_id`: 供应商的唯一标识符
+
+**返回：**
+
+- `Providers`: 供应商实例（可能是以下五种类型之一）
+
+**示例：**
+
+```python
+# 获取嵌入模型供应商
+embedding_provider = self.context.provider_manager.get_provider_by_id("openai-embedding")
+
+# 获取LLM供应商
+llm_provider = self.context.provider_manager.get_provider_by_id("openai-chat")
+```
+
+## 获取所有供应商ID
+
+### `inst_map: Dict[str, Providers]`
+
+包含所有已注册供应商实例的映射表。
+
+**类型：**
+
+```python
+from typing import TypeAlias, Union
+from astrbot.core.provider.provider import (
+    Provider,               # LLM供应商
+    STTProvider,            # 语音转文本供应商
+    TTSProvider,            # 文本转语音供应商
+    EmbeddingProvider,      # 嵌入向量供应商
+    RerankProvider          # 重排序供应商
+)
+
+Providers: TypeAlias = Union[
+    "Provider",
+    "STTProvider", 
+    "TTSProvider",
+    "EmbeddingProvider",
+    "RerankProvider",
+]
+```
+
+**示例：**
+
+```python
+# 获取所有已注册的供应商ID
+provider_ids = list(self.context.provider_manager.inst_map.keys())
+
+# 遍历所有供应商
+for provider_id, provider in self.context.provider_manager.inst_map.items():
+    print(f"ID: {provider_id}, Type: {type(provider).__name__}")
+```
+
+## 五大供应商类型
+
+- 注:因为不同供应商之间存在具体实现方法的差异,所以这里只讲解其统一父类要求必须实现的方法
+
+### 1. Provider - LLM供应商
+
+#### 核心方法
+
+**`async text_chat(...) -> LLMResponse`**
+获取LLM的文本对话结果。
+
+**参数：**
+
+- `prompt`: 提示词（与`contexts`二选一）
+- `contexts`: 上下文消息列表
+- `image_urls`: 图片URL列表
+- `func_tool`: 工具集
+- `system_prompt`: 系统提示词
+- `model`: 指定使用的模型名称
+- `**kwargs`: 其他参数
+
+**`async text_chat_stream(...) -> AsyncGenerator[LLMResponse, None]`**
+获取LLM的流式文本对话结果。
+
+**`async get_models() -> list[str]`**
+获取供应商支持的模型列表。
+
+**`get_current_key() -> str`**
+获取当前使用的API密钥。
+
+**`set_key(key: str)`**
+设置API密钥。
+
+---
+
+### 2. STTProvider - 语音转文本供应商
+
+#### 核心方法
+
+**`async get_text(audio_url: str) -> str`**
+将音频转换为文本。
+
+**参数：**
+
+- `audio_url`: 音频文件URL或本地路径
+
+**返回：**
+
+- 识别出的文本
+
+---
+
+### 3. TTSProvider - 文本转语音供应商
+
+#### 核心方法
+
+**`async get_audio(text: str) -> str`**
+将文本转换为音频。
+
+**参数：**
+
+- `text`: 要转换的文本
+
+**返回：**
+
+- 生成的音频文件路径
+
+---
+
+### 4. EmbeddingProvider - 嵌入向量供应商
+
+#### 核心方法
+
+**`async get_embedding(text: str) -> list[float]`**
+获取单个文本的向量表示。
+
+**`async get_embeddings(texts: list[str]) -> list[list[float]]`**
+批量获取文本的向量表示。
+
+**`get_dim() -> int`**
+获取向量的维度。
+
+**`async get_embeddings_batch(...) -> list[list[float]]`**
+批量获取向量（支持分批处理和进度回调）。
+
+---
+
+### 5. RerankProvider - 重排序供应商
+
+#### 核心方法
+
+**`async rerank(query: str, documents: list[str], top_n: Optional[int] = None) -> list[RerankResult]`**
+对文档进行重排序。
+
+**参数：**
+
+- `query`: 查询字符串
+- `documents`: 文档字符串列表
+- `top_n`: 返回前N个结果
+
+---
+
+## **使用示例**
+
+---
+
+### 示例1：创建知识库时使用供应商
+
+```python
+kb_helper = await self.context.kb_manager.create_kb(
+    kb_name="技术文档库",
+    description="存储技术文档和API参考",
+    emoji="💻",
+    embedding_provider_id="openai-embedding",  # 使用嵌入供应商
+    rerank_provider_id="cohere-rerank",        # 使用重排序供应商
+    chunk_size=1024,
+    chunk_overlap=100,
+    top_k_dense=30,
+    top_k_sparse=30,
+    top_m_final=10,
+)
+```
+
+### 示例2：直接使用供应商进行文本处理
+
+```python
+# 获取LLM供应商进行对话
+llm_provider = self.context.provider_manager.get_provider_by_id("openai-chat")
+response = await llm_provider.text_chat(
+    prompt="你好，请介绍一下你自己",
+    system_prompt="你是一个有帮助的AI助手"
+)
+
+# 获取嵌入供应商处理文本
+embedding_provider = self.context.provider_manager.get_provider_by_id("openai-embedding")
+vector = await embedding_provider.get_embedding("这是一个示例文本")
+```
+
+### 示例3：语音处理
+
+```python
+# 语音转文本
+stt_provider = self.context.provider_manager.get_provider_by_id("openai-whisper")
+text = await stt_provider.get_text("/path/to/audio.wav")
+
+# 文本转语音
+tts_provider = self.context.provider_manager.get_provider_by_id("openai-tts")
+audio_path = await tts_provider.get_audio("你好，欢迎使用语音合成")
+```
+
+### 示例4：文档重排序
+
+```python
+# 文档重排序
+rerank_provider = self.context.provider_manager.get_provider_by_id("cohere-rerank")
+documents = [
+    "文档A的内容",
+    "文档B的内容", 
+    "文档C的内容"
+]
+results = await rerank_provider.rerank(
+    query="用户查询问题",
+    documents=documents,
+    top_n=5
+)
+```
+
+## 测试供应商
+
+所有供应商都提供了 `async test()` 方法用于测试连接和功能：
+
+```python
+# 测试LLM供应商
+llm_provider = self.context.provider_manager.get_provider_by_id("openai-chat")
+await llm_provider.test()
+
+# 测试嵌入供应商
+embedding_provider = self.context.provider_manager.get_provider_by_id("openai-embedding")
+await embedding_provider.test()
+```
+
+## 注意事项
+
+1. **错误处理**：所有方法都可能抛出特定于实现的异常，建议使用try-catch包装
+2. **异步操作**：大部分方法都是异步的，需要在async函数中调用
+3. **资源管理**：注意API密钥的管理和用量控制
+4. **并发限制**：批量操作时注意设置合理的并发限制
+5. **类型检查**：使用前可检查供应商类型：
+
+   ```python
+   from astrbot.core.provider.provider import EmbeddingProvider
+   
+   provider = self.context.provider_manager.get_provider_by_id("some-id")
+   if isinstance(provider, EmbeddingProvider):
+       # 执行嵌入相关操作
+   ```
+
+## 可以通过以下方式查看所有可用供应商
+
+```python
+# 查看所有供应商ID
+all_ids = list(self.context.provider_manager.inst_map.keys())
+print("可用供应商:", all_ids)
+
+# 按类型分类
+for provider_id, provider in self.context.provider_manager.inst_map.items():
+    print(f"{provider_id}: {type(provider).__name__}")
+```
+
+---
+---
+
+## 关于平台适配器管理器
+
+它为 `astrbot.core.platform.manager` 下的`PlatformManager`类别在插件中可以通过`self.context.platform_manager`对这个类别进行访问
+
+- 注:目前没有提供直接在webui添加自定义平台适配器的代码,如果需要可以通过修改`astrbot.core.config.default` 下的 `CONFIG_METADATA_2`来修改webui(该方法并不正式,可能会在未来被修复),并且需要在代码注册对应的供应商
+
+---
+
+## 核心方法
+
+---
+
+## `async load_platform(platform_config: dict)`
+
+实例化并加载一个平台适配器。
+
+**参数：**
+
+- `platform_config: dict` - 平台配置字典，包含平台类型、ID、启用状态等信息
+
+**处理流程：**
+
+1. 检查平台是否启用
+2. 根据平台类型动态导入对应的适配器类
+3. 创建平台实例并添加到管理列表
+4. 启动平台运行任务
+5. 触发 `OnPlatformLoadedEvent` 事件处理器
+
+**支持的平台类型：**
+
+- `aiocqhttp` - QQ（基于 go-cqhttp）
+- `qq_official` - QQ官方机器人
+- `qq_official_webhook` - QQ官方Webhook
+- `lark` - 飞书
+- `dingtalk` - 钉钉
+- `telegram` - Telegram
+- `wecom` - 企业微信
+- `wecom_ai_bot` - 企业微信AI机器人
+- `weixin_official_account` - 微信公众号
+- `discord` - Discord
+- `misskey` - Misskey
+- `slack` - Slack
+- `satori` - Satori协议
+
+---
+
+## `async _task_wrapper(task: asyncio.Task, platform: Platform | None = None)`
+
+包装平台运行任务，提供错误处理和状态管理。
+
+**参数：**
+
+- `task: asyncio.Task` - 平台运行任务
+- `platform: Platform | None` - 平台实例（可选）
+
+**功能：**
+
+- 设置平台运行状态
+- 捕获并记录任务异常
+- 管理平台状态转换
+
+### `async reload(platform_config: dict)`
+
+重新加载平台配置。
+
+**参数：**
+
+- `platform_config: dict` - 新的平台配置
+
+**处理流程：**
+
+1. 终止已存在的同名平台
+2. 如果新配置启用，则加载新平台
+3. 清理已从配置中移除的平台
+
+---
+
+## `async terminate_platform(platform_id: str)`
+
+终止指定平台适配器。
+
+**参数：**
+
+- `platform_id: str` - 要终止的平台ID
+
+### `async terminate()`
+
+终止所有平台适配器。
+
+### `get_insts() -> list[Platform]`
+
+获取所有平台实例。
+
+**返回：**
+
+- `list[Platform]` - 平台实例列表
+
+### `get_all_stats() -> dict`
+
+获取所有平台的统计信息。
+
+**返回：**
+包含以下结构的字典：
+
+```python
+{
+    "platforms": [
+        {
+            "id": "平台ID",
+            "type": "平台类型",
+            "status": "运行状态",
+            "error_count": 错误数量,
+            "last_error": "最后错误信息"
+        },
+        # ... 更多平台
+    ],
+    "summary": {
+        "total": 平台总数,
+        "running": 运行中数量,
+        "error": 错误状态数量,
+        "total_errors": 总错误数
+    }
+}
+```
+
+## 注意事项
+
+以上代码都是和前端代码高度绑定的,直接在代码进行操作是不明智的
+
+- 注:可以通过`astrbot.core.platform.register`下的`register_platform_adapter`进行平台适配器进行注册自定义平台,然后通过修改`astrbot.core.config.default` 下的 `CONFIG_METADATA_2`来修改前端配置,并且重构`terminate_platform`函数并替换掉类方法,通过这样的方法就可以完成一个自定义平台供应商(这个行为是危险并且具有一定时效性的,不建议这样操作,这个操作是非官方的所以这里不给出示例代码)
+
+---
+---
+
+## 会话管理器
+
+它为 `astrbot.core.conversation_mgr` 下的`ConversationManager`类别,在插件中可以通过`self.context.conversation_manager`对这个类别进行访问
+
+---
+
+## **使用示例**
+
+---
+
+## 获取所有会话和其对应的对话
+
+```python
+for unified_msg_origin, conversation_id in self.context.conversation_manager.session_conversations.items():
+    print(f"UMO:({unified_msg_origin})\n对话ID:({conversation_id})")
+```
+
+## 获取对话
+
+```python
+conv = await self.context.conversation_manager.db.get_conversation_by_id(cid=conversation_id)
+```
+
+## 获取对话名称
+
+```python
+conv = await self.context.conversation_manager.db.get_conversation_by_id(cid=conversation_id)
+print(f"对话({conversation_id})的名称为({conv.platform_id})")
+```
+
+## 创建新对话
+
+```python
+# 创建新的对话
+unified_msg_origin = "wechat:group:123456789"
+conversation_id = await self.context.conversation_manager.new_conversation(
+    unified_msg_origin=unified_msg_origin,
+    platform_id="wechat",  # 可选，如果不提供会从 unified_msg_origin 解析
+    content=[
+        {"role": "user", "content": "你好"},
+        {"role": "assistant", "content": "你好！有什么可以帮助你的？"}
+    ],  # 可选，初始对话历史
+    title="第一次对话",  # 可选，对话标题
+    persona_id="default_persona",  # 可选，Persona ID
+)
+
+print(f"新创建的对话ID: {conversation_id}")
+```
+
+## 切换对话
+
+```python
+unified_msg_origin = "wechat:group:123456789"
+target_conversation_id = "550e8400-e29b-41d4-a716-446655440000"
+
+await self.context.conversation_manager.switch_conversation(
+    unified_msg_origin=unified_msg_origin,
+    conversation_id=target_conversation_id,
+)
+
+print(f"已将会话切换到对话: {target_conversation_id}")
+```
+
+## 获取当前对话ID
+
+```python
+unified_msg_origin = "wechat:group:123456789"
+conversation_id = await self.context.conversation_manager.get_curr_conversation_id(unified_msg_origin)
+
+if conversation_id:
+    print(f"当前对话ID: {conversation_id}")
+else:
+    print("当前没有活动的对话")
+```
+
+## 获取对话对象
+
+```python
+unified_msg_origin = "wechat:group:123456789"
+conversation_id = "550e8400-e29b-41d4-a716-446655440000"
+
+# 获取对话对象
+conv = await self.context.conversation_manager.get_conversation(
+    unified_msg_origin=unified_msg_origin,
+    conversation_id=conversation_id,
+)
+
+if conv:
+    print(f"对话标题: {conv.platform_id}")
+    print(f"对话创建时间: {conv.created_at}")
+    # 获取对话历史
+    history = json.loads(conv.history) if conv.history else []
+    print(f"对话历史长度: {len(history)}")
+else:
+    print("对话不存在")
+```
+
+## 获取对话列表
+
+```python
+# 获取特定会话的所有对话
+unified_msg_origin = "wechat:group:123456789"
+conversations = await self.context.conversation_manager.get_conversations(
+    unified_msg_origin=unified_msg_origin,
+)
+
+print(f"会话 {unified_msg_origin} 共有 {len(conversations)} 个对话:")
+for conv in conversations:
+    print(f"  - {conv.platform_id} (ID: {conv.cid})")
+
+# 按平台过滤对话
+wechat_conversations = await self.context.conversation_manager.get_conversations(
+    platform_id="wechat",
+)
+```
+
+## 获取过滤后的对话列表（分页）
+
+```python
+# 获取第一页，每页20条
+conversations, total = await self.context.conversation_manager.get_filtered_conversations(
+    page=1,
+    page_size=20,
+    platform_ids=["wechat", "qq"],  # 可选，过滤平台
+    search_query="重要",  # 可选，搜索标题或内容
+)
+
+print(f"总共有 {total} 个对话，当前显示第 1 页:")
+for conv in conversations:
+    print(f"  - {conv.platform_id} (ID: {conv.cid})")
+```
+
+## 更新对话
+
+```python
+unified_msg_origin = "wechat:group:123456789"
+
+# 更新当前对话
+await self.context.conversation_manager.update_conversation(
+    unified_msg_origin=unified_msg_origin,
+    history=[
+        {"role": "user", "content": "你好"},
+        {"role": "assistant", "content": "你好！我是助手"},
+        {"role": "user", "content": "今天天气怎么样？"}
+    ],
+    title="天气咨询对话",
+    persona_id="weather_assistant",
+    token_usage=150,  # 更新token使用量
+)
+
+# 更新指定对话
+await self.context.conversation_manager.update_conversation(
+    unified_msg_origin=unified_msg_origin,
+    conversation_id="550e8400-e29b-41d4-a716-446655440000",
+    title="新的标题",
+)
+```
+
+## 添加消息对到对话
+
+```python
+from astrbot.core.agent.message import UserMessageSegment, AssistantMessageSegment
+
+cid = "550e8400-e29b-41d4-a716-446655440000"
+
+# 使用 MessageSegment 对象
+user_msg = UserMessageSegment(content="今天天气怎么样？")
+assistant_msg = AssistantMessageSegment(content="今天天气晴朗，温度适宜。")
+
+await self.context.conversation_manager.add_message_pair(
+    cid=cid,
+    user_message=user_msg,
+    assistant_message=assistant_msg,
+)
+
+# 或者使用字典格式
+await self.context.conversation_manager.add_message_pair(
+    cid=cid,
+    user_message={"role": "user", "content": "明天呢？"},
+    assistant_message={"role": "assistant", "content": "明天可能会有小雨。"},
+)
+```
+
+## 获取人类可读的上下文（分页）
+
+```python
+unified_msg_origin = "wechat:group:123456789"
+conversation_id = "550e8400-e29b-41d4-a716-446655440000"
+
+# 获取第一页，每页10条记录
+contexts, total_pages = await self.context.conversation_manager.get_human_readable_context(
+    unified_msg_origin=unified_msg_origin,
+    conversation_id=conversation_id,
+    page=1,
+    page_size=10,
+)
+
+print(f"对话上下文（第1页，共{total_pages}页）:")
+for i, context in enumerate(contexts, 1):
+    print(f"{i}. {context}")
+```
+
+## 删除对话
+
+```python
+unified_msg_origin = "wechat:group:123456789"
+
+# 删除指定对话
+await self.context.conversation_manager.delete_conversation(
+    unified_msg_origin=unified_msg_origin,
+    conversation_id="550e8400-e29b-41d4-a716-446655440000",
+)
+
+# 删除当前对话
+await self.context.conversation_manager.delete_conversation(unified_msg_origin)
+
+print("对话已删除")
+```
+
+## 删除会话的所有对话
+
+```python
+unified_msg_origin = "wechat:group:123456789"
+
+await self.context.conversation_manager.delete_conversations_by_user_id(
+    unified_msg_origin=unified_msg_origin,
+)
+
+print(f"已删除会话 {unified_msg_origin} 的所有对话")
+# 注意：这会触发所有注册的会话删除回调函数
+```
+
+---
+
+## 数据结构
+
+### Conversation 对象
+
+```python
+class Conversation:
+    platform_id: str      # 平台ID
+    user_id: str         # 用户ID（即 unified_msg_origin）
+    cid: str            # 对话ID（UUID）
+    history: str        # 历史记录（JSON字符串）
+    title: str          # 对话标题
+    persona_id: str     # 角色ID
+    created_at: int     # 创建时间戳
+    updated_at: int     # 更新时间戳
+    token_usage: int    # token使用量
+```
+
+### 历史记录格式
+
+```json
+[
+    {
+        "role": "user",
+        "content": "用户消息内容"
+    },
+    {
+        "role": "assistant",
+        "content": "助手回复内容",
+        "tool_calls": [...]  # 可选：函数调用信息
+    }
+]
+```
+
+## 注意事项
+
+1. **UMO格式**：必须遵循 `platform_name:message_type:session_id` 格式
+2. **对话ID**：由系统自动生成的UUID，确保全局唯一性
+3. **回调函数**：会话删除回调必须是异步函数，且需自行处理异常
+4. **性能**：大量对话时建议使用分页查询，避免内存溢出
+5. **一致性**：内存缓存和数据库存储之间可能存在短暂的不一致
+
+---
+---
+
+## 平台消息历史管理器
+
+它为 `astrbot.core.platform_message_history_mgr` 下的`PlatformMessageHistoryManager`类别,在插件中可以通过`self.context.message_history_manager`对这个类别进行访问
+
+---
+
+## **使用示例**
+
+---
+
+注:以下`user_id`实际为`unified_msg_origin`(消息来源唯一标识符),`platform_id`为平台ID
+
+## 插入平台消息历史记录
+
+```python
+# 插入一条新的平台消息历史记录
+message_content = {
+    "message_id": "msg_001",
+    "message_type": "text",
+    "content": "你好，这是一条测试消息",
+    "timestamp": "2024-01-15T10:30:00Z",
+    "attachments": [],  # 可选：附件列表
+    "metadata": {      # 可选：额外的元数据
+        "source": "wechat",
+        "is_group": True
+    }
+}
+
+history_record = await self.context.message_history_manager.insert(
+    platform_id="wechat",
+    user_id="wechat:group:123456789",
+    content=message_content,
+    sender_id="sender_789",    # 可选：发送者ID
+    sender_name="张三",        # 可选：发送者名称
+)
+
+print(f"插入的消息历史记录ID: {history_record.id}")
+print(f"创建时间: {history_record.created_at}")
+```
+
+## 获取平台消息历史记录
+
+```python
+# 获取特定用户的消息历史（最近的消息在前）
+platform_id = "wechat"
+user_id = "wechat:group:123456789"
+
+# 获取第一页，每页200条
+history_list = await self.context.message_history_manager.get(
+    platform_id=platform_id,
+    user_id=user_id,
+    page=1,
+    page_size=200,
+)
+
+print(f"用户 {user_id} 在平台 {platform_id} 的消息历史:")
+print(f"共获取到 {len(history_list)} 条记录")
+print()
+
+# 显示消息内容
+for i, record in enumerate(history_list, 1):
+    print(f"{i}. 时间: {record.created_at}")
+    print(f"   发送者: {record.sender_name or record.sender_id or '未知'}")
+    
+    # 解析消息内容
+    content = record.content
+    msg_type = content.get("message_type", "unknown")
+    msg_content = content.get("content", "")
+    
+    print(f"   类型: {msg_type}")
+    print(f"   内容: {msg_content[:50]}..." if len(str(msg_content)) > 50 else f"   内容: {msg_content}")
+    print("-" * 50)
+```
+
+## 删除历史消息记录
+
+```python
+# 删除超过指定时间的历史记录
+platform_id = "wechat"
+user_id = "wechat:group:123456789"
+
+# 删除24小时前的记录（默认86400秒 = 24小时）
+await self.context.message_history_manager.delete(
+    platform_id=platform_id,
+    user_id=user_id,
+    offset_sec=86400,
+)
+```
+
+---
+---
+
+## 人格角色设定管理器
+
+它为 `astrbot.core.persona_mgr` 下的`PersonaManager`类别,在插件中可以通过`self.context.persona_manager`对这个类别进行访问
+
+---
+
+## **使用示例**
+
+---
+
+## 获取人格信息
+
+```python
+# 获取指定人格
+try:
+    persona = await self.context.persona_manager.get_persona("assistant")
+    print(f"人格ID: {persona.persona_id}")
+    print(f"系统提示词: {persona.system_prompt}")
+    print(f"初始对话: {persona.begin_dialogs or []}")
+    print(f"可用工具: {persona.tools or '所有工具'}")
+except ValueError as e:
+    print(f"错误: {e}")
+
+# 获取所有人格
+all_personas = await self.context.persona_manager.get_all_personas()
+print(f"\n系统中所有人格:")
+for p in all_personas:
+    print(f"- {p.persona_id}: {p.system_prompt[:50]}...")
+```
+
+## 获取默认人格（v3格式）
+
+```python
+# 获取默认人格（支持MessageSession或umo字符串）
+from astrbot.core.platform.message_session import MessageSession
+
+# 使用MessageSession
+message_session = MessageSession(...)  # 实际的消息会话对象
+default_persona_v3 = await self.context.persona_manager.get_default_persona_v3(message_session)
+print(f"默认人格名称: {default_persona_v3['name']}")
+print(f"提示词: {default_persona_v3['prompt']}")
+
+# 使用umo字符串
+umo = "wechat:group:123456789"
+default_persona_v3 = await self.context.persona_manager.get_default_persona_v3(umo)
+print(f"默认人格: {default_persona_v3['name']}")
+
+# 如果没有配置，返回默认人格
+default_persona = await self.context.persona_manager.get_default_persona_v3()
+print(f"系统默认人格: {default_persona['name']}")
+```
+
+## 创建新人格
+
+```python
+# 创建不带工具限制的人格
+new_persona = await self.context.persona_manager.create_persona(
+    persona_id="translator",
+    system_prompt="You are a professional translator. Translate the user's text accurately.",
+    begin_dialogs=[
+        "你好，请帮我翻译这段话。",
+        "Sure, I'd be happy to help you with translation."
+    ]
+)
+print(f"创建人格成功: {new_persona.persona_id}")
+
+# 创建带特定工具的人格
+new_persona = await self.context.persona_manager.create_persona(
+    persona_id="weather_forecaster",
+    system_prompt="You are a weather forecaster. Provide accurate weather information.",
+    begin_dialogs=[
+        "今天天气怎么样？",
+        "让我查看一下今天的天气预报..."
+    ],
+    tools=["get_weather", "get_forecast"]  # 只允许使用这两个工具
+)
+print(f"创建天气预测人格成功: {new_persona.persona_id}")
+
+# 创建不使用任何工具的人格
+new_persona = await self.context.persona_manager.create_persona(
+    persona_id="chat_bot",
+    system_prompt="You are a friendly chatbot for casual conversation.",
+    begin_dialogs=[
+        "你好！",
+        "你好！很高兴见到你！今天过得怎么样？"
+    ],
+    tools=[]  # 空列表表示不使用任何工具
+)
+print(f"创建聊天机器人格成功: {new_persona.persona_id}")
+
+# 创建使用所有工具的人格（默认行为）
+new_persona = await self.context.persona_manager.create_persona(
+    persona_id="expert_assistant",
+    system_prompt="You are an expert assistant with access to all tools.",
+    tools=None  # None 表示使用所有可用工具
+)
+print(f"创建专家助手人格成功: {new_persona.persona_id}")
+```
+
+## 更新人格信息
+
+```python
+# 更新人格的提示词
+updated_persona = await self.context.persona_manager.update_persona(
+    persona_id="translator",
+    system_prompt="You are a professional translator with expertise in both English and Chinese."
+)
+print(f"更新人格提示词成功: {updated_persona.persona_id}")
+
+# 更新初始对话
+updated_persona = await self.context.persona_manager.update_persona(
+    persona_id="translator",
+    begin_dialogs=[
+        "请将这段英文翻译成中文。",
+        "好的，我来帮您翻译这段英文。",
+        "How are you today?",
+        "您今天过得怎么样？"
+    ]
+)
+print(f"更新初始对话成功: {updated_persona.begin_dialogs}")
+
+# 更新工具权限
+updated_persona = await self.context.persona_manager.update_persona(
+    persona_id="translator",
+    tools=["translate_text", "language_detection"]  # 只允许这两个工具
+)
+print(f"更新工具权限成功: {updated_persona.tools}")
+
+# 更新所有属性
+updated_persona = await self.context.persona_manager.update_persona(
+    persona_id="translator",
+    system_prompt="Updated: Professional bilingual translator.",
+    begin_dialogs=["New translation request", "Processing..."],
+    tools=["translate_text"]
+)
+print(f"完整更新人格成功: {updated_persona.persona_id}")
+```
+
+## 删除人格
+
+```python
+# 删除指定人格
+try:
+    await self.context.persona_manager.delete_persona("old_assistant")
+    print("人格删除成功")
+    
+    # 验证删除
+    remaining_personas = await self.context.persona_manager.get_all_personas()
+    print(f"剩余人格数量: {len(remaining_personas)}")
+except ValueError as e:
+    print(f"删除失败: {e}")
+
+# 尝试删除不存在的人格
+try:
+    await self.context.persona_manager.delete_persona("non_existent")
+except ValueError as e:
+    print(f"预期错误: {e}")
+```
+
+## 获取v3格式人格数据
+
+```python
+# 获取v3格式的人格数据
+v3_config, personas_v3, default_persona_v3 = self.context.persona_manager.get_v3_persona_data()
+
+print(f"v3配置数量: {len(v3_config)}")
+print(f"v3人格对象数量: {len(personas_v3)}")
+print(f"默认v3人格: {default_persona_v3['name']}")
+
+# 查看v3配置详情
+for config in v3_config[:3]:  # 只显示前3个
+    print(f"\n人格: {config['name']}")
+    print(f"提示词长度: {len(config['prompt'])} 字符")
+    print(f"初始对话数量: {len(config['begin_dialogs'])}")
+    print(f"工具: {config.get('tools', '所有工具')}")
+
+# 查看v3人格对象
+for persona_v3 in personas_v3[:2]:  # 只显示前2个
+    print(f"\nv3人格对象: {persona_v3['name']}")
+    print(f"已处理的初始对话: {len(persona_v3['_begin_dialogs_processed'])} 条")
+```
+
+---
+---
+
+## 配置文件管理器
+
+它为 `astrbot.core.astrbot_config_mgr` 下的`AstrBotConfigManager`类别,在插件中可以通过`self.context.astrbot_config_mgr`对这个类别进行访问
+
+---
+
+## **使用示例**
+
+---
+
+## 获取配置信息
+
+### 获取特定会话的配置
+
+```python
+from astrbot.core.platform.message_session import MessageSession
+
+# 创建消息会话
+session = MessageSession(
+    platform_id="wechat",
+    message_type="group",
+    session_id="123456789"
+)
+
+# 获取该会话的配置
+config = self.context.astrbot_config_mgr.get_conf(session)
+print(f"会话配置: {config}")
+
+# 或者使用 UMO 字符串
+umo_str = "wechat:group:123456789"
+config = self.context.astrbot_config_mgr.get_conf(umo_str)
+print(f"UMO字符串配置: {config}")
+
+# 获取默认配置
+default_config = self.context.astrbot_config_mgr.default_conf
+print(f"默认配置: {default_config}")
+```
+
+### 快捷获取配置项
+
+```python
+# 使用 g() 方法快速获取配置值
+umo = "wechat:group:123456789"
+
+# 获取 provider_settings
+provider_settings = self.context.astrbot_config_mgr.g(umo, "provider_settings")
+print(f"Provider设置: {provider_settings}")
+
+# 获取特定键值，带默认值
+api_key = self.context.astrbot_config_mgr.g(umo, "api_key", "default_api_key")
+print(f"API Key: {api_key}")
+
+# 如果键不存在，返回默认值
+non_existent = self.context.astrbot_config_mgr.g(umo, "non_existent_key", "fallback_value")
+print(f"不存在的键: {non_existent}")
+
+# 获取默认配置的键值
+default_value = self.context.astrbot_config_mgr.g(None, "default_setting", "fallback")
+print(f"默认配置值: {default_value}")
+```
+
+### 获取配置元数据
+
+```python
+# 获取特定会话的配置信息
+session = MessageSession(
+    platform_id="qq",
+    message_type="private",
+    session_id="987654321"
+)
+
+conf_info = self.context.astrbot_config_mgr.get_conf_info(session)
+print(f"配置ID: {conf_info['id']}")
+print(f"配置名称: {conf_info['name']}")
+print(f"配置文件路径: {conf_info['path']}")
+
+# 获取所有配置列表
+conf_list = self.context.astrbot_config_mgr.get_conf_list()
+print(f"\n系统中所有配置 ({len(conf_list)} 个):")
+for info in conf_list:
+    print(f"  - {info['name']} (ID: {info['id']})")
+    print(f"    路径: {info['path']}")
+```
+
+## 配置管理操作
+
+### 创建新配置
+
+```python
+# 基于默认配置创建新配置
+custom_config = {
+    "provider_settings": {
+        "provider": "openai",
+        "model": "gpt-4",
+        "api_key": "your_api_key_here"
+    },
+    "features": {
+        "enable_history": True,
+        "max_history_length": 50
+    }
+}
+
+# 创建配置（带名称）
+conf_id = self.context.astrbot_config_mgr.create_conf(
+    config=custom_config,
+    name="高级助手配置"
+)
+print(f"新配置创建成功，ID: {conf_id}")
+
+# 创建使用完全默认值的配置
+simple_conf_id = self.context.astrbot_config_mgr.create_conf(name="简单配置")
+print(f"简单配置创建成功，ID: {simple_conf_id}")
+
+# 验证配置已加载
+if simple_conf_id in self.context.astrbot_config_mgr.confs:
+    print(f"配置 {simple_conf_id} 已成功加载到内存")
+```
+
+### 更新配置信息
+
+```python
+# 更新配置名称
+conf_id = "550e8400-e29b-41d4-a716-446655440000"  # 假设这是已有的配置ID
+
+try:
+    success = self.context.astrbot_config_mgr.update_conf_info(
+        conf_id=conf_id,
+        name="更新后的配置名称"
+    )
+    if success:
+        print(f"配置 {conf_id} 名称更新成功")
+        
+        # 验证更新
+        conf_list = self.context.astrbot_config_mgr.get_conf_list()
+        for info in conf_list:
+            if info['id'] == conf_id:
+                print(f"新名称: {info['name']}")
+                break
+except ValueError as e:
+    print(f"更新失败: {e}")
+```
+
+### 删除配置
+
+```python
+conf_id = "550e8400-e29b-41d4-a716-446655440000"  # 要删除的配置ID
+
+try:
+    success = self.context.astrbot_config_mgr.delete_conf(conf_id)
+    if success:
+        print(f"配置 {conf_id} 删除成功")
+        
+        # 验证删除
+        conf_list = self.context.astrbot_config_mgr.get_conf_list()
+        ids = [info['id'] for info in conf_list]
+        if conf_id not in ids:
+            print("配置已从列表中移除")
+    else:
+        print(f"配置 {conf_id} 删除失败")
+except ValueError as e:
+    print(f"删除失败: {e}")
+
+# 尝试删除默认配置（会失败）
+try:
+    self.context.astrbot_config_mgr.delete_conf("default")
+except ValueError as e:
+    print(f"预期错误: {e}")
+```
+
+---
+---
+
+## 插件管理器(不完整)
+
+这个管理器并非官方暴露的接口,可以通过 \
+`self.context._star_manager` \
+来访问,它是context的一个私有变量 \
+插件的注册表可以通过 \
+`from astrbot.core.star.star_handler import star_handlers_registry` \
+来导入,他在项目里面是一个公共变量
+
+## 如何获取插件
+
+```python
+from astrbot.core.star.star_handler import star_handlers_registry, EventType
+
+# 通过以下方法可以获取部分插件方法(注意是方法,不是插件类)
+for handler in star_handlers_registry.get_handlers_by_event_type(
+        event_type=EventType.AdapterMessageEvent,
+        plugins_name=None,  
+):
+```
+
+## 通过名称过滤
+
+```python
+# 其中plugins_name是一个过滤列表,可以设置只从选定的插件获取,按照以下方法访问就只会访问astrbot_plugin_util插件下面的方法
+plugins_name = [
+    "astrbot_plugin_util"
+]
+
+for handler in star_handlers_registry.get_handlers_by_event_type(
+        event_type=EventType.AdapterMessageEvent,
+        only_activated=False,
+        plugins_name=plugins_name,  
+):
+```
+
+## 通过响应类型过滤
+
+```python
+# 其中对于event_type,EventType拥有以下属性,对应属性可以进行对应过滤
+"""
+OnAstrBotLoadedEvent = enum.auto()  # AstrBot 加载完成
+OnPlatformLoadedEvent = enum.auto()  # 平台加载完成
+
+AdapterMessageEvent = enum.auto()  # 收到适配器发来的消息
+OnWaitingLLMRequestEvent = enum.auto()  # 等待调用 LLM（在获取锁之前，仅通知）
+OnLLMRequestEvent = enum.auto()  # 收到 LLM 请求（可以是用户也可以是插件）
+OnLLMResponseEvent = enum.auto()  # LLM 响应后
+OnDecoratingResultEvent = enum.auto()  # 发送消息前
+OnCallingFuncToolEvent = enum.auto()  # 调用函数工具
+OnAfterMessageSentEvent = enum.auto()  # 发送消息后
+"""
+
+# 以下是过滤所有在LLM响应后进行操作的函数
+event_type = EventType.OnLLMResponseEvent
+
+for handler in star_handlers_registry.get_handlers_by_event_type(
+        event_type=event_type,
+        only_activated=False,
+        plugins_name=plugins_name,  
+):
+
+```
+
+## 通过激活状态过滤
+
+```python
+# 只获取激活的插件
+only_activated = True
+
+for handler in star_handlers_registry.get_handlers_by_event_type(
+        event_type=EventType.AdapterMessageEvent,
+        only_activated=only_activated,
+        plugins_name=None,  
+):
+```
+
+## 获取完全函数路径和插件路径
+
+```python
+from astrbot.core.star.star_handler import star_handlers_registry, EventType
+
+# 通过以下方法可以获取插件方法的插件路径和完全函数路径
+for handler in star_handlers_registry.get_handlers_by_event_type(
+        event_type=EventType.AdapterMessageEvent,
+        only_activated=False,
+        plugins_name=None,  
+):
+    handler_full_name = getattr(handler, "handler_full_name", None)
+    handler_module_path = getattr(handler, "handler_module_path", None)
+```
+
+## 根据插件路径获取插件元数据
+
+```python
+from astrbot.core.star.star import star_map
+plugin = star_map[handler_module_path]
+```
+
+## 根据完全函数路径获取插件元数据
+
+```python
+handler = star_handlers_registry.get_handler_by_full_name(full_name)
+handler_module_path = getattr(handler, "handler_module_path", None)
+if handler_module_path is None:
+    return
+plugin_info = {}
+if handler_module_path in star_map:
+    plugin = star_map[handler_module_path]
+```
+
+## 获取自己这个插件的插件元数据
+
+```python
+from astrbot.core.star.star import star_map
+plugin = star_map[cls.__module__]
+```
+
+## 直接根据插件名称获取插件元数据
+
+```python
+plugin = self.context.get_registered_star(plugin_name)
+```
+
+## 获取插件类
+
+```python
+if plugin.activated:
+   plugin_cls = plugin.star_cls
+```
+
+## 如何管理插件(插件的禁用,卸载,重载,安装接口并没有暴露出来,无法调用)
+
+插件的禁用,卸载,重载,安装接口通过`astrbot.core.star`下的`PluginManager`类别管理,这个类别并没有暴露出来 \
+插件的管理器为`context`下的一个私有属性(危险操作)
+
+```python
+if self.context._star_manager:
+    star_mgr: PluginManager = self.context._star_manager
+```
+
+## 获取所有已经安装的插件
+
+```python
+"""获取已经安装的插件列表。"""
+parts = ["已加载的插件：\n"]
+for plugin in self.context.get_all_stars():
+    line = f"- `{plugin.name}` By {plugin.author}: {plugin.desc}"
+    if not plugin.activated:
+        line += " (未启用)"
+    parts.append(line + "\n")
+
+if len(parts) == 1:
+    plugin_list_info = "没有加载任何插件。"
+else:
+    plugin_list_info = "".join(parts)
+
+plugin_list_info += "\n使用 /plugin help <插件名> 查看插件帮助和加载的指令。\n使用 /plugin on/off <插件名> 启用或者禁用插件。"
+```
+
+## 插件方法类别
+
+上文中`handler`为此类别
+
+```python
+@dataclass
+class StarHandlerMetadata(Generic[H]):
+    """描述一个 Star 所注册的某一个 Handler。"""
+
+    event_type: EventType
+    """Handler 的事件类型"""
+
+    handler_full_name: str
+    '''格式为 f"{handler.__module__}_{handler.__name__}"'''
+
+    handler_name: str
+    """Handler 的名字，也就是方法名"""
+
+    handler_module_path: str
+    """Handler 所在的模块路径。"""
+
+    handler: H
+    """Handler 的函数对象，应当是一个异步函数"""
+
+    event_filters: list[HandlerFilter]
+    """一个适配器消息事件过滤器，用于描述这个 Handler 能够处理、应该处理的适配器消息事件"""
+
+    desc: str = ""
+    """Handler 的描述信息"""
+
+    extras_configs: dict = field(default_factory=dict)
+    """插件注册的一些其他的信息, 如 priority 等"""
+
+    enabled: bool = True
+
+    def __lt__(self, other: StarHandlerMetadata):
+        """定义小于运算符以支持优先队列"""
+        return self.extras_configs.get("priority", 0) < other.extras_configs.get(
+            "priority",
+            0,
+        )
+
+```
+
+## 插件元数据类别
+
+上文中`plugin`为此类别
+
+```python
+@dataclass
+class StarMetadata:
+    """插件的元数据。
+
+    当 activated 为 False 时，star_cls 可能为 None，请不要在插件未激活时调用 star_cls 的方法。
+    """
+
+    name: str | None = None
+    """插件名"""
+    author: str | None = None
+    """插件作者"""
+    desc: str | None = None
+    """插件简介"""
+    version: str | None = None
+    """插件版本"""
+    repo: str | None = None
+    """插件仓库地址"""
+
+    star_cls_type: type[Star] | None = None
+    """插件的类对象的类型"""
+    module_path: str | None = None
+    """插件的模块路径"""
+
+    star_cls: Star | None = None
+    """插件的类对象"""
+    module: ModuleType | None = None
+    """插件的模块对象"""
+    root_dir_name: str | None = None
+    """插件的目录名称"""
+    reserved: bool = False
+    """是否是 AstrBot 的保留插件"""
+
+    activated: bool = True
+    """是否被激活"""
+
+    config: AstrBotConfig | None = None
+    """插件配置"""
+
+    star_handler_full_names: list[str] = field(default_factory=list)
+    """注册的 Handler 的全名列表"""
+
+    display_name: str | None = None
+    """用于展示的插件名称"""
+
+    logo_path: str | None = None
+    """插件 Logo 的路径"""
+```