feat：可选，由llm执行回复

src/chat/heart_flow/heartFC_chat.py

@@ -244,12 +244,14 @@ class HeartFChatting:
         thinking_id,
         actions,
         selected_expressions: Optional[List[int]] = None,
+        quote_message: Optional[bool] = None,
     ) -> Tuple[Dict[str, Any], str, Dict[str, float]]:
         with Timer("回复发送", cycle_timers):
             reply_text = await self._send_response(
                 reply_set=response_set,
                 message_data=action_message,
                 selected_expressions=selected_expressions,
+                quote_message=quote_message,
             )
 
         # 获取 platform，如果不存在则从 chat_stream 获取，如果还是 None 则使用默认值
@@ -526,15 +528,22 @@ class HeartFChatting:
         reply_set: "ReplySetModel",
         message_data: "DatabaseMessages",
         selected_expressions: Optional[List[int]] = None,
+        quote_message: Optional[bool] = None,
     ) -> str:
-        new_message_count = message_api.count_new_messages(
+        # 根据 llm_quote 配置决定是否使用 quote_message 参数
-            chat_id=self.chat_stream.stream_id, start_time=self.last_read_time, end_time=time.time()
+        if global_config.chat.llm_quote and quote_message is not None:
-        )
+            # 如果配置为 true，使用 llm_quote 参数决定是否引用回复
-
+            need_reply = quote_message
-        need_reply = new_message_count >= random.randint(2, 3)
+            if need_reply:
-
+                logger.info(f"{self.log_prefix} LLM 决定使用引用回复")
-        if need_reply:
+        else:
-            logger.info(f"{self.log_prefix} 从思考到回复，共有{new_message_count}条新消息，使用引用回复")
+            # 如果配置为 false，使用原来的模式
+            new_message_count = message_api.count_new_messages(
+                chat_id=self.chat_stream.stream_id, start_time=self.last_read_time, end_time=time.time()
+            )
+            need_reply = new_message_count >= random.randint(2, 3)
+            if need_reply:
+                logger.info(f"{self.log_prefix} 从思考到回复，共有{new_message_count}条新消息，使用引用回复")
 
         reply_text = ""
         first_replied = False
@@ -640,6 +649,7 @@ class HeartFChatting:
 
                     # 从 Planner 的 action_data 中提取未知词语列表（仅在 reply 时使用）
                     unknown_words = None
+                    quote_message = None
                     if isinstance(action_planner_info.action_data, dict):
                         uw = action_planner_info.action_data.get("unknown_words")
                         if isinstance(uw, list):
@@ -651,6 +661,17 @@ class HeartFChatting:
                                         cleaned_uw.append(s)
                             if cleaned_uw:
                                 unknown_words = cleaned_uw
+                        
+                        # 从 Planner 的 action_data 中提取 quote_message 参数
+                        qm = action_planner_info.action_data.get("quote_message")
+                        if qm is not None:
+                            # 支持多种格式：true/false, "true"/"false", 1/0
+                            if isinstance(qm, bool):
+                                quote_message = qm
+                            elif isinstance(qm, str):
+                                quote_message = qm.lower() in ("true", "1", "yes")
+                            elif isinstance(qm, (int, float)):
+                                quote_message = bool(qm)
 
                     success, llm_response = await generator_api.generate_reply(
                         chat_stream=self.chat_stream,
@@ -682,6 +703,7 @@ class HeartFChatting:
                         thinking_id=thinking_id,
                         actions=chosen_action_plan_infos,
                         selected_expressions=selected_expressions,
+                        quote_message=quote_message,
                     )
                     self.last_active_time = time.time()
                     return {

src/chat/planner_actions/planner.py

@@ -522,19 +522,32 @@ class ActionPlanner:
             # 根据 think_mode 配置决定 reply action 的示例 JSON
             # 在 JSON 中直接作为 action 参数携带 unknown_words 和 question
             if global_config.chat.think_mode == "classic":
-                reply_action_example = (
+                reply_action_example = ""
+                if global_config.chat.llm_quote:
+                    reply_action_example += "5.如果要明确回复消息，使用quote，如果消息不多不需要明确回复，设置quote为false\n"
+                reply_action_example += (
                     '{{"action":"reply", "target_message_id":"消息id(m+数字)", '
                     '"unknown_words":["词语1","词语2"], '
-                    '"question":"需要查询的问题"}'
+                    '"question":"需要查询的问题"'
                 )
+                if global_config.chat.llm_quote:
+                    reply_action_example += ', "quote_message":"如果需要引用该message，设置为true"'
+                reply_action_example += "}"
             else:
                 reply_action_example = (
                     "5.think_level表示思考深度，0表示该回复不需要思考和回忆，1表示该回复需要进行回忆和思考\n"
-                    + '{{"action":"reply", "think_level":数值等级(0或1), '
+                )
+                if global_config.chat.llm_quote:
+                    reply_action_example += "6.如果要明确回复消息，使用quote，如果消息不多不需要明确回复，设置quote为false\n"
+                reply_action_example += (
+                    '{{"action":"reply", "think_level":数值等级(0或1), '
                     '"target_message_id":"消息id(m+数字)", '
                     '"unknown_words":["词语1","词语2"], '
-                    '"question":"需要查询的问题"}'
+                    '"question":"需要查询的问题"'
                 )
+                if global_config.chat.llm_quote:
+                    reply_action_example += ', "quote_message":"如果需要引用该message，设置为true"'
+                reply_action_example += "}"
 
             planner_prompt_template = await global_prompt_manager.get_prompt_async("planner_prompt")
             prompt = planner_prompt_template.format(

src/config/official_configs.py

@@ -125,6 +125,9 @@ class ChatConfig(ConfigBase):
     plan_reply_log_max_per_chat: int = 1024
     """每个聊天流最大保存的Plan/Reply日志数量，超过此数量时会自动删除最老的日志"""
 
+    llm_quote: bool = False
+    """是否在 reply action 中启用 quote 参数，启用后 LLM 可以控制是否引用消息"""
+
     def _parse_stream_config_to_chat_id(self, stream_config_str: str) -> Optional[str]:
         """与 ChatStream.get_stream_id 一致地从 "platform:id:type" 生成 chat_id。"""
         try:

src/dream/dream_generator.py

@@ -44,18 +44,6 @@ def get_random_dream_styles(count: int = 2) -> List[str]:
     """从梦境风格列表中随机选择指定数量的风格"""
     return random.sample(DREAM_STYLES, min(count, len(DREAM_STYLES)))
 
-
-def get_dream_summary_model() -> LLMRequest:
-    """获取用于生成梦境总结的 utils 模型实例"""
-    global _dream_summary_model
-    if _dream_summary_model is None:
-        _dream_summary_model = LLMRequest(
-            model_set=model_config.model_task_config.replyer,
-            request_type="dream.summary",
-        )
-    return _dream_summary_model
-
-
 def init_dream_summary_prompt() -> None:
     """初始化梦境总结的提示词"""
     Prompt(
@@ -186,7 +174,10 @@ async def generate_dream_summary(
         )
 
         # 调用 utils 模型生成梦境
-        summary_model = get_dream_summary_model()
+        summary_model = LLMRequest(
+            model_set=model_config.model_task_config.replyer,
+            request_type="dream.summary",
+        )
         dream_content, (reasoning, model_name, _) = await summary_model.generate_response_async(
             dream_prompt,
             temperature=0.8,

template/bot_config_template.toml

@@ -1,5 +1,5 @@
 [inner]
-version = "7.3.2"
+version = "7.3.3"
 
 #----以下是给开发人员阅读的，如果你只是部署了麦麦，不需要阅读----
 # 如果你想要修改配置文件，请递增version的值
@@ -118,6 +118,8 @@ think_mode = "dynamic" # 思考模式，可选：classic（默认浅度思考和
 
 plan_reply_log_max_per_chat = 1024 # 每个聊天保存最大的Plan/Reply日志数量，超过此数量时会自动删除最老的日志
 
+llm_quote = false # 是否由llm执行引用
+
 enable_talk_value_rules = true # 是否启用动态发言频率规则
 
 # 动态发言频率规则：按时段/按chat_id调整 talk_value（优先匹配具体chat，再匹配全局）