planner思考现在加入replyer

src/chat/heart_flow/heartFC_chat.py

@@ -764,7 +764,9 @@ class HeartFChatting:
                     # 重置连续 no_reply 计数
                     self.consecutive_no_reply_count = 0
 
-                    reason = action_planner_info.reasoning or "选择回复"
+                    reason = action_planner_info.reasoning or ""
+                    # 使用 action_reasoning（planner 的整体思考理由）作为 reply_reason
+                    planner_reasoning = action_planner_info.action_reasoning or reason
                     await database_api.store_action_info(
                         chat_stream=self.chat_stream,
                         action_build_into_prompt=False,
@@ -781,7 +783,7 @@ class HeartFChatting:
                         reply_message=action_planner_info.action_message,
                         available_actions=available_actions,
                         chosen_actions=chosen_action_plan_infos,
-                        reply_reason=reason,
+                        reply_reason=planner_reasoning,
                         enable_tool=global_config.tool.enable_tool,
                         request_type="replyer",
                         from_plugin=False,

src/chat/replyer/group_generator.py

@@ -845,6 +845,12 @@ class DefaultReplyer:
         keywords_reaction_prompt = await self.build_keywords_reaction_prompt(target)
         mood_state_prompt: str = results_dict["mood_state_prompt"]
 
+        # 从 chosen_actions 中提取 planner 的整体思考理由
+        planner_reasoning = ""
+        if reply_reason:
+            # 如果没有 chosen_actions，使用 reply_reason 作为备选
+            planner_reasoning = f"你的想法是：{reply_reason}"
+
         if extra_info:
             extra_info_block = f"以下是你在回复时需要参考的信息，现在请你阅读以下内容，进行决策\n{extra_info}\n以上是你在回复时需要参考的信息，现在请你阅读以下内容，进行决策"
         else:
@@ -899,6 +905,7 @@ class DefaultReplyer:
             moderation_prompt=moderation_prompt_block,
             memory_retrieval=memory_retrieval,
             chat_prompt=chat_prompt_block,
+            planner_reasoning=planner_reasoning,
         ), selected_expressions
 
     async def build_prompt_rewrite_context(

src/chat/replyer/private_generator.py

@@ -765,6 +765,12 @@ class PrivateReplyer:
         memory_retrieval: str = results_dict["memory_retrieval"]
         keywords_reaction_prompt = await self.build_keywords_reaction_prompt(target)
 
+        # 从 chosen_actions 中提取 planner 的整体思考理由
+        planner_reasoning = ""
+        if reply_reason:
+            # 如果没有 chosen_actions，使用 reply_reason 作为备选
+            planner_reasoning = f"你的想法是：{reply_reason}"
+
         if extra_info:
             extra_info_block = f"以下是你在回复时需要参考的信息，现在请你阅读以下内容，进行决策\n{extra_info}\n以上是你在回复时需要参考的信息，现在请你阅读以下内容，进行决策"
         else:
@@ -834,6 +840,7 @@ class PrivateReplyer:
                 sender_name=sender,
                 memory_retrieval=memory_retrieval,
                 chat_prompt=chat_prompt_block,
+                planner_reasoning=planner_reasoning,
             ), selected_expressions
 
     async def build_prompt_rewrite_context(

src/chat/replyer/prompt/replyer_prompt.py

@@ -16,12 +16,13 @@ def init_replyer_prompt():
 {dialogue_prompt}
 
 {reply_target_block}。
+{planner_reasoning}
 {identity}
 {chat_prompt}你正在群里聊天,现在请你读读之前的聊天记录，然后给出日常且口语化的回复，平淡一些，{mood_state}
 尽量简短一些。{keywords_reaction_prompt}请注意把握聊天内容，不要回复的太有条理，可以有个性。
 {reply_style}
 请注意不要输出多余内容(包括前后缀，冒号和引号，括号，表情等)，只输出一句回复内容就好。
-不要输出多余内容(包括前后缀，冒号和引号，括号，表情包，at或 @等 )。请不要思考太长
+不要输出多余内容(包括前后缀，冒号和引号，括号，表情包，at或 @等 )。
 现在，你说：""",
         "replyer_prompt",
     )
@@ -35,6 +36,7 @@ def init_replyer_prompt():
 {dialogue_prompt}
 
 {reply_target_block}。
+{planner_reasoning}
 {identity}
 {chat_prompt}你正在和{sender_name}聊天,现在请你读读之前的聊天记录，然后给出日常且口语化的回复，平淡一些，{mood_state}
 尽量简短一些。{keywords_reaction_prompt}请注意把握聊天内容，不要回复的太有条理，可以有个性。

src/common/database/database_model.py

@@ -335,6 +335,8 @@ class Jargon(BaseModel):
     is_jargon = BooleanField(null=True)  # None表示未判定，True表示是黑话，False表示不是黑话
     last_inference_count = IntegerField(null=True)  # 最后一次判定的count值，用于避免重启后重复判定
     is_complete = BooleanField(default=False)  # 是否已完成所有推断（count>=100后不再推断）
+    inference_with_context = TextField(null=True)  # 基于上下文的推断结果（JSON格式）
+    inference_content_only = TextField(null=True)  # 仅基于词条的推断结果（JSON格式）
 
     class Meta:
         table_name = "jargon"